翻译佛经语料库与语言研究
语料库的建设,为语言研究提供了便利,推动了语言研究的进展。近年来,利用语料库进行研究的范围日益扩大,不断向纵深发展,已推及词汇、语义、语法研究和词典编纂、语言学习、语言翻译、话语分析、信息处理等各个研究领域,涉及传统理论语言学、描写语言学以及现代计算语言学、认知语言学等学科。
英国语言学家Leech指出,用计算机语料库开展语言研究,有四个关键性特点:
(1)集中于语言的行为或使用,而不是语言能力;
(2)集中于对语言的描述,而不是对语言一般原理的概括;
(3)既在数量方面,又在质量方面描述语言模式;
(4)在科学的探寻中更集中于实证主义观点,而不是唯理主义观点。[43]
Leech的观点给我们的启示是,在利用语料库进行语言研究时,更多地注重语言定量描写,但也需要定性的描述。这与我们语言学界常说的定量和定性相结合的方法不谋而合。而如何在“定量”方面发挥语料库的优势,是值得深入探讨和实践的课题。下面,我们试图将语料库的统计和传统的语言研究结合起来,做些尝试。
1.词汇研究例
在词汇研究中,语料库最大的优势就是可提供各种形式的频次统计。比如,词汇密度的统计,即内容性词汇和语法性词汇的百分比;核心词汇研究,即在各种结构中,出现频次最高的词汇形式的研究以及常用词定量演变研究等等。下面略举数例:
(1)在翻译佛经中,“由于译者的梵语语音分析水平高低不一,加上方音之歧、古今音流变,所以一词往往多写,造成了古译、旧译、今译等多种译名”[44],这种现象就是一词多译现象。先前的语言研究者注意到这种现象,但对这种现象的具体分析则不够深入,如在多种词汇形式中,哪一种是最常用的?哪个时代这种最常用的词形被固定下来?这种变化究竟是什么原因造成的?这些问题,用传统的研究方法,显然难以回答,然借助于词频统计,我们就更容易得到详细的描述。如“优婆塞”在翻译佛经中还有“乌波索”“伊蒲塞”“乌波塞”等形式。
优婆塞:4576次,出现在历代各种译经中。[45]
乌波索:13次,主要出现在唐代以后译经中。
伊蒲塞:24次,主要出现在中土佛教论述中。
乌波塞:1次,出现于宋天息灾译《佛说十号经》。
由上面的统计可以看出,在几种词形中,“优婆塞”显然占了绝对优势。如果进一步统计优婆塞的频次,我们还可以发现在各部各时代的频次,这样就有助于我们从历时角度研究该词语的变化了。
这个词语,在唐代译经如玄奘译的《大般若波罗蜜多经》中,词形作“邬波索迦”,次数有44次,而《大正藏》中的频次也有424次,可见也是频次较高的词形。而慧琳《一切经音义》释“优婆塞”条却云:“梵语也,古译云‘优波婆迦’或云‘优婆塞’,皆讹略也。”[46]像“优婆塞”这样一个使用频次极高的核心形式,在唐代却被视作“讹略”的翻译,说明了“新译”在当时的地位,其间词汇、语音的演化值得我们深入探讨。
再如“沙门”一词,在翻译佛经中又被译作“桑门”“娑门”。《慧琳音义》卷二十六释“沙门”条云:“此云勤劳,内道外道之总名也,皆据出家为言耳。古经谓桑门,或为娑门,罗什法师以言非便,改为沙门也。”[47]可见,该词语是经过鸠摩罗什整饬后留下来的。可根据我们的词频统计,在《大正藏》中,“娑门”的用例只有一处,而“桑门”的用例虽然有81处,但均出自隋以后的中土著作中。根据词频调查,我们就可以断定该词语在早期译经中,词形就已固定下来了。至于为何在隋代以后的中土著作中,却出现了不少“桑门”用例,仍有待深入考察。
(2)翻译佛经中,存在着大量的同素反序词,如“宅舍—舍宅”“宝财—财宝”等。以前对这类词语的研究,多是定性描述,缺乏定量分析。借助于语料库,便可以统计出哪个词汇形式在哪个时代居于核心地位,从“量”上考察词语的“正体”与“变体”[48]的差异。有了这样的统计,做定性分析时候,相信更有说服力。以传统的方法研究同素逆序词,一般会止步于现象的描写,无法从词频上考察同素逆序词的使用情况[49]。但如果多了定量研究,就更便于深入考察同素逆序词。表10-3是我们对阿含部和本缘部几对同素逆序词[50]在词频上的统计:
表10-3 阿含部和本缘部几对同素逆序词的词频统计

从表10-3我们可以看出:一些正体和变体使用频率相差很大的同素逆序词,其中正体更具凝固性,甚至会沿用到今天,如“禁戒、言辞、嗟叹、动摇、财宝”等;而变体今天基本上退出交际领域,如“戒禁、辞言、叹嗟、宝财”等。也有些词语,尽管逆序的两个词语使用频率差别很大,但是两个词语今天都在使用,如“别离、离别”等。还有一些词语,虽然逆序的两个词语使用相对频率相差不大,但是由于使用的绝对频率较少,所以两个词语都未能留传下来,以至于在今天消亡了,如“瞻疗、疗瞻”“鞭挝、挝鞭”“呼使、使呼”这几对词语。
“同素逆序词的字序有一个逐步稳定的过程,而后其中一式大都湮没,这是语言的‘竞争’规律所决定的。同素逆序词是一种特殊的等义词,而等义词的其中一式在语言的发展中终将被逐步淘汰。”[51]在研究同素逆序词竞争淘汰的过程时,借助于语料库定量研究,无疑会使结论更具说服力。如上面的“禁戒、戒禁”这对同素逆序词,正体和变体的使用比例高达31.77,而“嗟叹、叹嗟”则高达40,也难怪其中一式最终被淘汰。
(3)在考察常用词历时演变时,我们有必要“把一组一组词的新旧递嬗关系和演变交替过程扎扎实实地描写清楚,只有把这项基础工作做好了,才有可能撰写汉语常用词演变通史,也才谈得上探索隐藏在变化背后的规律”[52]。而借助于语料库对常用词演变过程的详细描写,其优势是明显的:一是便于进行穷尽式描写,由于电子语料库具有强大的检索功能,为穷尽式描写提供了可能;二是便于进行定量分析,从而为定性奠定坚实的基础。在这方面,电子语料库相对于传统的手工操作,极具优势;使用手工操作,“有时在茫茫书海中发现一两条新的例句,就可以重新改写研究结论;为了得到一个可靠的统计数据,常常得花一两天工夫,结果还不一定准确。把大量的时间和精力耗费在语料的处理上,严重束缚了我们的手脚,影响了工作效率”[53]。倘若借助电子语料库,无论是工作效率还是统计结果,都会有很大改观。
例如,在考察常用词“足、脚”历时更替时,汪维辉指出:“这一时期(东汉魏晋南北朝时期——抄者注)‘脚’和‘足’是一种什么关系呢?随着‘脚’的大量使用,‘足’的出现频率明显降低,这说明一部分‘足’被‘脚’替代了。”[54]
然据我们对翻译佛经的统计,如在《六度集经》中,“足”用例为32个,“脚”用例为4个,其他中古翻译佛经中,“足”的用例也高于“脚”。而从“足”“脚”的词语搭配来看,前者用例也高于后者。在本缘部中,“手足”用例为175个,“手脚”用例为40个;“足迹”用例为3个,“脚迹”用例为0个;“洗足”用例为24个,“洗脚”用例为2个;“佛足”用例为367个,“佛脚”用例为7个;“翘足”用例为4个,“翘脚”用例为2个。全面考察下来,“足”至少在中古翻译佛经中的使用频率似乎仍然高于“脚”,若言“脚”已替代了“足”,结论就值得商榷。但这并不是研究者的问题,而是受研究手段的制约,无法进行计量分析,因而影响到研究结论的精确性。如果借助于翻译佛经语料库,我们就可以详细统计“足”和“脚”出现的频率,其证据就会更加确凿。
2.语义研究例
语料库方便研究者对不同性质、类型的语域中的词语进行分析,从而可以在大量用例中总结出语义的变体和差异。如王寅基对2004年《人民日报》这一封闭语料库中的“吃”字进行了穷尽性统计分析,从而考察了“吃”语法化出“被”义和“遭受”义的认知过程,若没有大量的用例调查,“吃”字在语义链上的演进过程就不可能完整地呈现出来。
利用语料库,同样可以促进翻译佛经语义方面的研究。
(1)利用语料库,通过统计和分析,可以发现同义词在使用频率、词义区别、语法功能、词语搭配等各方面存在的差异,从而极大地弥补传统同义词研究中论据方面的不足,同时拓宽同义词研究的视野,多角度地加深对同义词的理解。
如:“败坏”“毁坏”和“破坏”是中古译经中常用的一组同义词,三者皆有“破坏”的意思,在佛经中有大量的用例,但若根据语料库检索,则会发现几者在频率和搭配上的差别。首先,从使用频率上看,“破坏”远远高于另外二词,如在本缘部译经中,“破坏”出现了172次,“败坏”出现了31次,“毁坏”出现了42次。其次,从词语搭配上看,“破坏”可以搭配的对象很宽泛,可以是抽象的,也可以是具体的;有时搭配的对象不直接出现,但可以根据上下文补出。如:
北凉昙无谶译《悲华经》卷八:“于如是等烦恼乱世,当成为佛如来、应供、正遍知、明行足、善逝、世间解、无上士、调御丈夫、天人师、佛、世尊,离生死轮,转正法轮,破坏四魔。”[55]
西晋竺法护译《普曜经》卷五:“见其大鼓箜篌乐器,破坏断绝,弃捐在地。”[56]
隋阇那崛多译《佛本行集经》卷四十一:“是时,世尊身上所著袈裟之衣悉皆破坏。”[57]
根据我们对这172个用例进行穷尽式的调查,发现“破坏”搭配抽象事物有“法、魔、色相、觉悟、骄慢、智慧、境界、无名、生死、虚幻、轮回”等共146词次,搭配具体事物则有“城邑、衣服、乐器、胁、顶、船舫、宫殿、瓶、腹、桥、兰芽、山、网、身体”等共26词次。可见,“破坏”在翻译佛经中更多的用法为抽象意义上的破坏,即便破坏的对象为具体事物,也往往是用来做比喻的。
而“毁坏”搭配的对象,抽象事物有“正法、异学、仁、戒”等32词次,具体事物有“眼目、天宫、金刚、泥人、身体、垣室、门户、形体”等共9词次。
“败坏”搭配对象,抽象事物有“事、法、世间、性、善行、智慧”等21词次,具体事物有“身体、车毂、器、铁城”等10词次。
从上述统计可以看出,这三个同义词中“破坏”的使用范围更为宽泛,可搭配的对象更为广泛。显然,在同义场中,“破坏”处于中心地位。
再如“晨旦”和“晨朝”这对同义词,在意义上没有什么区别,但在使用频率上却差异很大。在阿含部和本缘部译经中,“晨旦”使用次数为19次,而“晨朝”为299次。由于阿含部和本缘部译经中的各经译者、翻译时代均不同,基本上可以排除译者风格对使用频率的影响。所以,这两个词语在使用频率上存在这么大的差别,只能说明“晨朝”处于同义场中的中心地位,而“晨旦”居于边缘位置。
(2)利用搭配频率分析,可以揭示反义词的等级性。
比如在反义词研究中,有几对词一直使人感到困惑,不知它们到底算不算反义词。这几对词包括“水—火”“红—绿”“父—子”“山—水”“门—阁”等等。
这几组词语,如果按照结构主义语义学的方法来判断,显然都不能算反义词;但是有时我们的主观感受却会认为它们似乎都是反义词。为了解决这个矛盾,刘叔新提出了“对比组”的说法[58],只是“对比组”与“反义”的区别到底在哪里实在不太好说。
借助于类典型范畴观,例如“等级中心性”“成员等级性”“边界模糊性”等理论就可以解释这些问题[59]。比如为什么我们觉得有些反义词比较“像”而有些反义词“不像”,这是因为成员间有等级性,而“成员等级性”的重要标准之一就是“使用频率”,如果没有语料库,我们对使用频率的统计就可能不够准确。
如“修—短”“长—短”这两对反义词,虽然在语义上毫无疑问可以视为反义词,但在实际运用中,却存在使用频率的较大差异。其中“修—短”在CBETA《电子佛典集成》(2011年)中,出现了222次,而“长—短”的使用频率则高达15772次。从类典型范畴观点来看,显然“长—短”居于反义场的中心地位,就更像反义词,而“修—短”则处于边缘位置。
再如,在佛经中,与“福”构成反义词的有“祸”“殃”“罪”等,但在使用中,每对反义词出现的频率差别很大。如“福—祸”出现了2987次,“福—殃”出现了1008次,而“福—罪”则高达上万次,从这些粗略统计也可以看出,在构成反义词时,“福—罪”的使用频率更高,居于反义场中中心地位,因而更具典型性。
3.词典编纂例
词典编纂时,常常通过摘录句子的形式收集例证,而语言研究中素有“例不十,法不立”的说法,足见例证的重要性。我们在词汇研究或词典编纂中,常常有因为孤证而不能下结论的情形,而语料库的诞生和应用则可以改变这种状况。借助于语料库的检索功能,可以获得关于某一词语的所有用例,许多研究者就利用CBETA《电子佛典集成》,例如李维琦的《佛经释词》和《佛经续释词》,对《汉语大词典》编纂中存在的义项缺失、引例过晚、释义不确等问题进行纠正。
另一方面,借助于语料库编纂词典,例句可以全部来源于真实语料,不必受制于编辑人员的个人语文素养,也不必把其他词典作为主要参考依据,因此,其科学性更高,收集信息更全面,实用性也更强。
(1)借助于定量与定性分析,可以提高释义的精确性与科学性。
如我们在解释“生门”一词为“产门”时,原本只找到《大灌顶经》卷四中一例:“是七神王当以威神主产生者,不令他余邪恶鬼神闭其生门。带持结愿神名力故,到产之日,身体安宁,无诸痛恼,儿则易生,左右善神,扶佐生者。”由于例证少,缺少说服力[60]。但通过语料库检索,就可以发现不少这样的用例。
姚秦竺佛念译《最胜问菩萨十住除垢断结经》卷十:“所谓接识者,发弘誓心,诸有神识应趣生门受胞胎形,要以神足游空往来,接识留住化而灭度不受四大。”[61]
北凉昙无谶译《佛所行赞》卷一:“优留王股生,畀偷王手生,曼陀王顶生,伽叉王腋生。菩萨亦如是,诞从右胁生,渐渐从胎出,光明普照耀,如从虚空堕,不由于生门。”[62]
唐义净译《根本说一切有部毘奈耶破僧事》卷十二:“时有仙人,吃彼花果,身披树皮,作此苦行,证五神通。所有禽兽不相恐惧,常来亲近。后于一时,欲往小便。有一女鹿,随仙人行。仙人小便失精,鹿随后便即吃之,复以舌舐生门。有情业力不思议故,因即有胎。”[63]
《大灌顶经》(又名《佛说灌顶经》)为东晋天竺三藏帛尸梨蜜多罗所译,迭经南北朝,到唐代义净此义仍如此。补充以上例证,“生门”的“产门”义则更清晰可见了。
又如我们以前释“呻唤”为“痛而呻吟”时,根据唐颜师古《匡谬正俗》卷六“今痛而呻声,江南俗谓之呻唤”和明方以智《通雅》卷四十九“谚原”,认定它是一个流行江南的方言词,但只征引到《百喻经》中“夜中呻唤,甚大苦恼”一例[64],今检索电子佛典,可发现共有53个用例,如:
元魏瞿昙般若流支译《正法念处经》卷六:“本为境界劫,已为爱所诳,自作此恶业,今何故呻唤?”[65]
隋阇那崛多译《佛本行集经》卷十五:“尔时,作瓶天子即于太子前路,化作一病患人,连骸困苦,水注腹肿,受大苦恼,身体羸瘦,臂胫纤细,痿黄少色,喘气微弱,命在须臾。卧粪秽中,宛转呻唤,不能起举。”[66]
唐义净译《根本说一切有部苾刍尼毘奈耶》卷五:“毘舍佉即欲出寺,珠髻难陀尼便于房中大声呻唤,毘舍佉闻,情怀悲愍,便往守寺尼所,白言圣者:‘房中是谁大声呻唤?’”[67]
梁僧旻、宝唱集《经律异相》卷四十七:“佛在罗阅耆阇崛山,身有风患。耆域医王为合苏药,用三十二种,日日服三十二两。时提婆达常怀嫉妬,心自高大,望与佛齐。効佛亦服,注诸脉理,身力微弱,苦恼呻唤。世尊怜愍,手摩其头,药消病除……(出《贤愚经》第三卷)。”[68]
增补以上例句,释义将无疑更具说服力。
另一方面,就译经地而言,求那毗地于萧齐武帝永明十年(492)在京师(即南朝萧齐的首都建康)译出《百喻经》,因此这个词似乎很符合江南方言词的特征。但据有关僧传和经录,瞿昙般若流支在元魏孝明帝熙平元年(516)到洛阳后,译出《正法念处经》;阇那崛多北周明帝武成年间(559—560)时入华,止长安草堂寺,后为避北周武帝“法难”而逃往突厥,隋开皇元年(581)文帝遣使请还,主洛阳大兴善寺,译出《佛本行集经》等三十七部;义净在唐证圣元年(695)从室利佛逝(今苏门答腊)归抵洛阳,受到武后的欢迎,敕住佛授记寺,自圣历二年(699)迄景云二年(711),历时十二年,译出包括《根本说一切有部苾刍尼毘奈耶》等佛教典籍五十六部;而宝唱《经律异相》所集抄的《贤愚经》,乃是慧觉于北魏太武帝太平真君六年(445)译于高昌,这说明这个词的流行范围已不局限于江南了。除了《大正藏》外,《卍续藏》中的中土撰述也有不少用例,撰者的止住地除了“江东杭州华严寺”“姑苏报国寺”“金陵宝华山”外,尚有“嵩岳镇国道场”“粤东鼎湖”等,也可作为这个词流行的旁证。这些资料,对方言辞典的编纂不无裨益。
(2)借助于语料库的词频功能,还可以统计多义词各个义项的用例多少,据此可以分析哪个义项居于核心地位,这样不仅有助于语义演变的研究,更可以大大拓展辞典的功用。比如:
微妙 《汉语大词典》所列的义项为:①精微深奥。亦指精深微奥的道理。亦谓精深复杂,难以捉摸。②精细巧妙。③犹细小。[69]而在翻译佛经中,我们发现“微妙”还有奇妙、美妙义。这一义项,研究者早已发明,可这一用法在佛经中究竟是怎样的使用情形,各种字典、词典均不可能提供定量的统计。借助于语料库,我们可以详尽地知道该用法在《普曜经》中出现了23次,在《生经》中出现了13次,在《长阿含经》中出现75次……如果词典中不仅标明义项,而且标明该义项在某资料中的使用频次,无疑更具解释力。
正是因为语料库有这方面的优势,故有的学者提出了建立三位一体的词典的设想,“即在语法和语料库之间建立双向联系,在词典和语料库之间建立双向联系,在语法和词典之间建立双向联系”[70]。
词典和语料库之间的双向联系,这显然是个值得深入探讨的新课题。
4.利用语料库进行语言研究的局限性
利用翻译佛经语料库进行语言研究,固然有其先进性,但不可忽视的是,语料库也有其不足和局限性。这其中既有语料库建设过程中存在的问题,也有使用中的问题。比如:
在语料库的建设过程中,如果对语料的处理在某个环节不当,就会大大影响研究者的结论。如对以下一段语料进行初步切分标注:
佛言:“我先问彼:‘汝因何法,自以妙言称见道迹?’”阇尼沙言:“我不于余处,不在余法。我昔为人王,为世尊弟子,以笃信心为优婆塞,一心念佛,然后命终,为毘沙门天王作子,得须陀洹,不堕恶趣,极七往返,乃尽苦际,于七生名中,常名阇尼沙。一时,世尊在大林中一树下坐,我时乘天千辐宝车,以少因缘,欲诣毘楼勒天王,遥见世尊在一树下,颜貌端正,诸根寂定,譬如深渊澄静清明,见已念言:我今宁可往问世尊,摩竭国人有命终者,当生何所?又复一时,毘沙门王自于众中,而说偈言……”(《长阿含经》卷五)[71]
佛/n言/v :/w“/w我/r先/d问/v彼/r :/w‘/w汝/x因何/d法/n,/w自/p以/p妙/a 言称/v见/v道/v迹/n ?/w’/w”/w阇/x尼/x沙/n言/v :/w“/w我/r不/d于余/nh处/n ,/w不/d在/p余法/nh 。/w我/r昔/x 为人/n王/nhf,/w为/vl世/nt尊/v 弟子/n,/w以/p笃信/v心/n为/vl优/a婆/n塞/v ,/w一心/d念佛/v,/w然后/c命/n终/d ,/w为/vl毘/x 沙门/n天王/n作/v子/n ,/w得/u须/d陀/x洹/x ,/w不/d堕/v恶/a趣/n ,/w极/d七/m 往返/v,/w乃/d尽/v苦/a际/x ,/w于/p七/m生/v名/n中/nd ,/w常名/nh阇/x尼/x沙/n 。/w一时/nt,/w世/nt尊/v在/p大/a 林中/nl一/m树下/nl坐/v,/w我/r时/nt乘/v天/nt千/m辐/n宝/n车/n ,/w以/p少/a 因缘/n,/w欲/d诣毘楼/ns勒/v 天王/n,/w遥见/v世/nt尊/v在/p一/m 树下/nl,/w颜/n貌/n 端正/v,/w诸根/nh寂/a定/v ,/w譬如/v深渊/n澄/v静/a 清明/nt,/w见/v已/d念/v言/v :/w我/r今/nt 宁可/d往/p问世/v尊/v,/w摩/q竭/v 国人/n有/v命/n终/d者/k ,/w当/p生/v何/r所/u ?/w又/d复/v 一时/nt,/w毘/x沙门/n王/nhf自/p于/p众/a中/nd ,/w而/c说/v偈/x言/v …/w…/w”/w(/w《/w长/a阿/h含/v经/v 》/w卷/q五/m)/w
显而易见,这段材料存在着诸如词语切分不当、词性标记不准确等诸多问题,倘若直接用于研究,就会影响研究结论。由于古汉语“以单音词为主”,而“词”与“词组”又不易辨别,故“于余”“余法”被切分为专有名词,“阇尼沙”“优婆塞”“毘沙门”“须陀洹”“毘楼勒”等音译词则被切分得七零八落,像“世尊”“恶趣”“命终”“寂定”“人王”等佛教专有词语,甚至像“颜貌”“妙言”“澄静”等一般词语也难逃被割裂的命运,显然,这样的语料库标注是难以直接使用的。再如“为人”被标注为名词,“清明”被标注为表示二十四节气的名词,而“端正”则被标注为动词,这样的标注如果用于语法研究,同样存在问题。
最重要的一点是,语料库终究只是对语言的描写,而不是对语言的解释,语料库只提供一个材料基础。对语料的分析,最终目的还是为了解释语言现象,揭示语言规律。瑞典语言学家Svartvi指出过度依赖于语料库资料存在三个危险:一是认为用快速的自动处理可完全代替费时费力的人工分析,但在语言学的许多领域,人工分析是必不可少的;二是认为语料库的大小比语料库的充分性更为重要,认为容量大就可以提供更充分的材料;三是一个标准的语料库的最终使用者,会与最初的原始材料之间拉开距离。[72]这些警示,值得每一个语料库使用者深思。
【注释】
(https://www.daowen.com)
[1]刘伟:《语料库语言学发展现状与应用》,载《山东电力高等专科学校学报》2009年第2期。
[2]参王钢《国外的语料库建设》,《语文建设》1991年第6期。
[3]参黄昌宁、李涓子《语料库语言学》,商务印书馆2002年版,第2页。
[4]杨惠中:《语料库语言学导论》,上海外语教育出版社2002年版,第33页。
[5]参王建新《计算机语料库的建设与应用》,清华大学出版社2005年版,第17—20页。
[6]参[美]Kennedy《语料库语言学入门》,外语教学与研究出版社2000年版,第1—3页。
[7]黄昌宁、李涓子:《语料库语言学》,商务印书馆2002年版,第68页。
[8]刘源、梁南元:《汉语处理的基础工程——现代汉语词频统计》,《中文信息学报》1986年第1期,第17页。
[9]http://www.sinica.edu.tw/ftms—bin/kiwi.sh,2011年8月查询。
[10]参“中研院”信息所、语言所词库小组所编技术报告第95—02/98—04号“‘中研院’汉语料库的内容与说明”。http://db1x.sinica.edu.tw/kiwi/mkiwi/98—04.pdf。
[11]参“中研院”信息所、语言所词库小组所编技术报告第95—02/98—04号《“中研院”汉语料库的内容与说明》,http://db1x.sinica.edu.tw/kiwi/mkiwi/98—04.pdf。
[12]参《国家语委现代汉语语料库介绍2009》,见http://www.cncorpus.org/download.aspx?n=CorpusIntroduction2009.pdf。
[13]王建新:《计算机语料库的建设与应用》,清华大学出版社2005年版,第9页。
[14]卫乃兴:《语料库语言学的方法论及相关理念》,《外语研究》2009年第5期,第36页。
[15]蒋绍愚:《〈汉语语法化的历程——形态句法发展的动因和机制〉序》,石毓智、李讷《汉语语法化的历程》,北京大学出版社2001年版,第1—6页。
[16]郭锡良、李玲璞:《古代汉语》绪论,语文出版社2004年版,第1页。
[17]朱庆之:《佛教汉语研究》编后记,商务印书馆2009年版,第653页。
[18]帅志嵩、谭代龙等:《佛教汉语研究论著目录》,朱庆之《佛教汉语研究》,商务印书馆2009年版,第608—651页。
[19]参CBETA《电子佛典集成》(2011年)“帮助”文档。
[20]方广锠:《论大藏经的三种形态》,台湾《宗教哲学》,第三卷第二期,1997年,第37页。
[21]以下内容参杜正民、释法源、李家民《佛经语言词汇的数位服务功能》,台湾法鼓佛教学院编《汉文佛典语言学》,台湾法鼓文化事业股份有限公司2011年版,第375—390页。
[22]张普:《关于大规模真实文本语料库的几点理论思考》,《语言文字应用》1999年第1期。
[23]黄昌宁、李涓子:《语料库语言学》,商务印书馆2002年版,第33页。
[24]参胡明扬《现代汉语通用语料库的建库原则和设想》,《语言文字应用》1992年第3期。
[25]《大正藏》总字数概略在7000~7500万字,这意味着建库的话,要至少涵盖《大正藏》七分之一的内容。参萧镇国《由〈大正藏〉输入经验兼谈古籍整理》,载《佛教图书馆馆讯》2000年第24期。
[26]王建新:《计算机语料库的建设与应用》,清华大学出版社2005年版,第283—285页。
[27]这方面的探讨已有不少,如张虎等《汉语语料库词性标注自动校对方法研究》,载《计算机应用》2005年第1期。
[28]《大正新修大藏经》,T54N2131P1056a20,台湾新文丰出版公司1994年版。
[29]颜洽茂:《佛教语言的阐释》,杭州大学出版社1997年版,第16—17页。
[30]黄昌宁:《关于处理大规模真实文本的谈话》,载《语言文字应用》1993年第2期。
[31]关于词类活用问题,冯涛以为一定要注意古今词汇构成的不同特点,词的兼类现象在所难免,在划分词类时,一定要有词性发展观,不可以以今律古。比如“晋军函陵,秦军汜南”(《左传·僖公三十年》)中的“军”字,王力以为是名词活用作动词,而冯涛以为考虑到词义的发展,此处不应视作活用。我们认同冯涛的观点。参冯涛《古汉语词类问题浅议》,载《中国语文》1996年第2期。
[32]我们分类时,19大类的标准参照了社科院语言文字应用研究所计算语言学研究室的《信息处理用现代汉语词类标记集规范》,载《语言文字应用》2001年第3期。
[33]1997年学界曾有过对分词规范的大讨论,袁毓林建议设立等级,一级词汇是没有争议的,二级是游离于词和短语之间的,三级是不太通用的。我们以为袁氏的意见是中肯的。参袁毓林《关于分词规范和规范词表的若干意见》,载《语言文字应用》1997年第4期。
[34]王建新:《计算机语料库的建设与应用》,清华大学出版社2005年版,第96页。
[35]中科院计算所也发布了免费的词语标注软件ICTCLAS(http://ictclas.org/ictclas_download.aspx),该软件的标注精度和标注级别均不错,而且其《计算所汉语词性标记集》也比《GBT20532—2006信息处理用现代汉语词类标记规范》有所改进,比如标点符号就细分出括号(包括左括号、右括号)、引号等,甚至区分了标点符号的全角和半角。但该软件需用户自行编译使用,操作有所不便。
[36]《大正新修大藏经》,T03N152P01a07—21,台湾新文丰出版公司1994年版。
[37]曲维光、唐旭日:《超大规模语料库精加工技术研究》,《当代语言学》2009年第2期,第136页。
[38]曲维光、唐旭日:《超大规模语料库精加工技术研究》,《当代语言学》2009年第2期,第136页。
[39]萧镇国:《由〈大正藏〉输入经验兼谈古籍整理》,载《佛教图书馆馆讯》2000年第24期。见http://www.gaya.org.tw/journal/m24/24—join1.htm。
[40]参朱腾云《汉字电子录入与古籍整理》,载《周口师范学院学报》2009年第1期。
[41]参颜洽茂《〈大正新修大藏经〉评议二题》,《汉语史学报》第二辑,上海教育出版社2002年版,第203页。
[42]陈海波:《关于数据库在古汉语研究中的应用》,《古汉语研究》2000年第3期。
[43]转引自王建新《计算机语料库的建设与应用》,清华大学出版社2005年版,第146页。
[44]颜洽茂:《佛教语言阐释——中古佛经词汇研究》,杭州大学出版社1997年版,第221页。
[45]用CBETA《电子佛典集成》(2011年)做频次统计,下同。
[46]《大正新修大藏经》,T54N2128P382B15,台湾新文丰出版公司1994年版。
[47]《大正新修大藏经》,T54N2128P477b19—20,台湾新文丰出版公司1994年版。
[48]这里我们将使用频率高的词语称为“正体”,而使用频率低的词称为“变体”。
[49]参罗智丰、叶桂郴《〈生经〉中的同素逆序词研究》,《桂林航天高等专科学校学报》2010年第1期,第130—133页。
[50]这里我们选取了罗智丰、叶桂郴文中所描写的几对同素逆序词加以统计,为便于比照,我们把词频高的词语放在前面,然后算出比例。
[51]颜洽茂:《佛教语言阐释——中古佛经词汇研究》,杭州大学出版社1997年版,第248页。
[52]汪维辉:《几组常用词历史演变的考察》,载《中古汉语研究》,商务印书馆2005年版,第258页。
[53]汪维辉:《东汉—隋常用词演变研究》,南京大学出版社2000年版,第22页。
[54]汪维辉:《东汉—隋常用词演变研究》,南京大学出版社2000年版,第53页。
[55]《大正新修大藏经》,T03N157P218c3—5,台湾新文丰出版公司1994年版。
[56]《大正新修大藏经》,T03N186P517a17—18,台湾新文丰出版公司1994年版。
[57]《大正新修大藏经》,T03N190P846a4—5,台湾新文丰出版公司1994年版。
[58]参刘叔新《汉语描写词汇学》,商务印书馆2005年版,第336页。
[59]参张建勇《中古汉译佛经反义词研究》,浙江大学博士学位论文,2007年,第112—117页。
[60]参颜洽茂《佛教语言阐释——中古佛经词汇研究》,杭州大学出版社1997年版,第232页。
[61]《大正新修大藏经》,T10N309P1040a23—26,台湾新文丰出版公司1994年版。
[62]《大正新修大藏经》,T04N192P01a26—b2,台湾新文丰出版公司1994年版。
[63]《大正新修大藏经》,T24N1450P161a19—22,台湾新文丰出版公司1994年版。
[64]参颜洽茂《佛教语言阐释——中古佛经词汇研究》,杭州大学出版社1997年版,第225页。
[65]《大正新修大藏经》,T17N721P30a22—23,台湾新文丰出版公司1994年版。
[66]《大正新修大藏经》,T03N190P722b13—16,台湾新文丰出版公司1994年版。
[67]《大正新修大藏经》,T23N1443P929c11—13,台湾新文丰出版公司1994年版。
[68]《大正新修大藏经》,T53N2121P251a08,台湾新文丰出版公司1994年版。
[69]罗竹风:《汉语大词典》,汉语大词典出版社1989年版,第1053页。
[70]参王建新《计算机语料库的建设与应用》,清华大学出版社2005年版,第196页。
[71]《大正新修大藏经》,T01N01P35a4—18,台湾新文丰出版公司1994年版。
[72]转引自王建新《计算机语料库的建设和应用》,清华大学出版社2005年版,第152页。