基于语料库的词表创建原则及方法研究摘要：以Coxhead的学术词表为例讨论了基于语料库的词表创建应遵循的原则和方法，主要包括明确词表创建的目的或目标，选择或自建合适的语料库，确定词频统计单位，制定词汇选取标准以及对词表进行评估与测试五个方面，并且指出现有词表的维护与升级以及专用词表的研制与开发将是未来研究的方向和重点。关键词：语料库，词表创建，学术词表：N04；N8文献标识码：A：1673-8578（2013）02-0015-05引言词表研究不仅是语言研究的重要组成部分，而且在外语教学领域也具有重要的应用价值。相关研究表明[1-3]，并不是所有词汇都具有同样的重要性。根据齐夫定律（ZipfsLaw），在一个自然语言的语料库中，一个词的出现频数和这个词在这个语料库中的排名成反比，第n常见词的出现频率是最常见词出现频率的1/n。比如，---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---在Brown语料库中，“the”是最常见的单词，它在这个语料库中出现的频率为每百万词69971次，居于第二位的单词“of”的频率为每百万词36411次，约为“the”出现频率的1/2，而居于第三位的“and”每百万词出现28852次，约为“the”出现频率的1/3。尽管这种比例不是十分精确，但却能够在总体上体现出语言使用的规律或特征。统计结果显示，Brown语料库词表中前135个词汇就占了整个语料库的50%，前1000个词汇的覆盖率为72%，前3000个词汇的覆盖率为84%。也就是说，在自然文本语料库中，少量的高频词所占的比例很高，而低频词的数目虽然多，但是覆盖率相对较低。显然，词汇习得的顺序也要遵循自然语言的规律，首先学习频率较高的词汇，然后学习频率较低的词汇，最大程度地减轻记忆负担，提高学习效率。然而，对处于不同阶段和不同层次水平的学习者来说，词汇的重要性是不同的。词频的高低并不是唯一的选词标准，了解哪些参数会影响词汇在词表中的位置和顺序，显然对于课程设置、教材编---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---写和词典编纂等方面有很大的帮助。因此，词表的创建和研究具有重要的理论价值和实践意义。一国内外词表研究现状词表的研制与开发历史悠久，早在计算机出现之前，各国学者就开始手工创建用于编制工具书和指导语言教学的词频表，如德国学者凯定（F.Kaeding）1898年编写的《德语频率词典》、中国教育家陈鹤琴1928年编制的《语体文应用字汇》以及美国的教育心理学家桑代克（Thorndike）1932年出版的《教师两万词词汇手册》等。这些词表与今天计算机生成的词表无异，甚至可以说是今天词表的前身。自20世纪50年代以来，随着计算机技术的不断进步和语料库语言学的迅速发展，国内外学者对于词表研究表现出极大兴趣，并且取得了丰硕的成果。在当今的众多词表中，韦斯特（M.West）1953年公布的通用英语词汇表（generalservicelist，简称GSL）最具代表性和影响力[4]，该词表是基于一个500万词规模的语料库建成的，词表中列出了英语中使用频率最高、覆盖面最广的2000个词汇，掌握这些词---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---汇的学习者能够听懂90%～95%的口语对话，看懂80%～85%的日常语篇。该词汇表的公布对当时的词汇教学影响巨大，被称作“20世纪外语教学和词汇研究最有创新意义的成果之一”[5]。另外一个享有较高声誉的是新西兰维多利亚大学从事语言学及应用语言学研究的考克斯黑德（AvreilCoxhead）于2000年创制的学术词汇表[6]（academicwordlist，简称AWL），包括570个词族、3112个词项。这570个词族是在剔除韦斯特的2000个通用词族及专属特定学术领域的词汇之后获得的，各学科共有的常用词汇。该词汇表包含了学术交流中实用频率最高的词汇，因此在国际上得到了广泛的认可。而在国内，早在20世纪80年代，上海交通大学杨惠中和黄人杰1982年通过对自建的上海交通大学科技英语语料库语料（简称JDEST）比较、统计和筛选，研究出基于该库的正序词表、词频词汇表和十个分专业词汇表，为确定大学英语教学大纲的词汇表提供了可靠的量化依据[7]。近年来，专业领域语料库的迅速发展...