第３１卷第１期 中文信息学报 ＶｏＩ．３１，Ｎｏ．１ ２０１７年１月 ＪＯＵＲＮＡＬ ＯＦ ＣＨＩＮＥＳＥ ＩＮＦ０ＲＭＡＴＩＯＮ ＰＲＯＣＥＳＳＩＮＧ Ｊａｎ．，２０１７ 文章编号：１００３—００７７（２０１１）００—０２２１—０９ 汉语二语教学领域词义标注语料库的研究及构建 王敬，杨丽姣，蒋宏飞，苏靖杰，付静玲 （北京师范大学中文信息处理研究所，北京１００８７５） 摘 要：词汇教学在汉语二语教学领域占有极为重要的地位，其中多义词又是词汇教学的重点和难点。该研究通 过分析三部经典领域词表，选取了１ １８１个重点多义词，以《现代汉语词典（第６版）》为标注体系，制定了适合实际 标注的多义词标注规范和形式，在１９７册经典汉语二语教材上进行了多义词词义标注，构建了一个规模约３５０万 字的面向汉语二语教学领域的词义标注语料库，并在此基础上对１ ８１１个多义词、４ ３２３个多义词义项进行了计量 统计，分析了多义词不同词义的出现情况及其分布规律。为了更好地服务于汉语二语教学，开发了语料库检索系 统，设计并实现了多义词义项的查询功能。 关键词：汉语二语教学；语料库；多义词标注 中图分类号：ＴＰ３９１ 文献标识码：Ａ Ａ Ｗｏｒｄ Ｓｅｎｓｅ Ａｎｎｏｔａｔｅｄ Ｃｏｒｐｕｓ ｆｏｒ Ｔｅａｃｈｉｎｇ Ｃｈｉｎｅｓｅ ａｓ Ｓｅｃｏｎｄ Ｌａｎｇｕａｇｅ ＷＡＮＧ Ｊｉｎｇ，ＹＡＮＧ Ｌｉｊｉａｏ，ＪＩＡＮＧ Ｈｏｎｇｆｅｉ，ＳＵ ＪｉｎｇＪｉｅ，ＦＵ Ｊｉｎｇｌｉｎｇ （Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｃｈｉｎｅｓｅ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ，Ｂｅｉｊｉｎｇ Ｎｏｒｍａ１ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １００８７５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｆｉｅｌｄ ｏｆ ｔｅａｃｈｉｎｇ Ｃｈｉｎｅｓｅ ａｓ ａ ｓｅｃｏｎｄ ｌａｎｇｕａｇｅ，ｔｈｅ ｔｅａｃｈｉｎｇ ｏｆ ｗｏｒｄ ｉｓ ｖｅｒｙ ｉｍｐｏｒｔａｎｔ，ｉｎ ｗｈｉｃｈ ｐｏｌｙｓｅ— ｍｏｕｓ ｗｏｒｄ ｉｓ ａ ｃｈａｌｌｅｎｇｉｎｇ ｉｓｓｕｅ．Ａｆｔｅｒ ａ ｓｕｒｖｅｙ ｏｆ ３ ｃｌａｓｓｉｃａ１ ｖｏｃａｂｕｌａｒｉｅｓ ｉｎ ｔｈｉｓ ｆｉｅｌｄ．ｔｈｉｓ ｐａｐｅｒ ｓｅｌｅｃｔｓ １ １８１ ｐｏｌ— ｙｓｅｍｏｕｓ ｗｏｒｄｓ．Ｔｈｅｎ ａｎ ａｎｎｏｔａｔｉｏｎ ｓｐｅｃｉｆｉｃａｔｉｏｎ ｉｓ ｄｅｓｉｇｎｅｄ，ｗｉｔｈ ａ ｒｅｆｅｒｅｎｃｅ ｔＯ Ｍｏｄｅｒｎ Ｃｈｉｎｅｓｅ Ｄｉｃｔｉｏｎａｒｙ（Ｅｄｉ— ｔｉｏｎ ６）．Ｔａｇｇｉｎｇ ｔｈｅ ｌ １８１ ｗｏｒｄｓ ａｐｐｅａｒｅｄ ｉｎ １９７ ｐｏｐｕｌａｒ Ｃｈｉｎｅｓｅ ｔｅｘｔｂｏｏｋｓ ｙｉｅｌｄｓ ａ ｃｏｒｐｕｓ ｗｉｔｈ ｗｏｒｄ ｓｅｎｅｎｓｅ ａｎ— ｎｏｔａｔｉｏｎ ｏｖｅｒ ３．５ ｍｉｌｌｉｏｎ ｃｈａｒａｃｔｅｒｓ．Ａ ｑｕａｎｔｉｔａｔｉｖｅ ｓｔｕｄｙ ｏｎ ｔｈｅ １ ８１ １ ｐｏｌｙｓｅｍｏｕｓ ｗｏｒｄｓ ｉｓ ａｌｓｏ ｍａｄｅ。ｗｉｔｈ ａｎ ａ— ｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｏｔａｌ ４ ３２３ ｗｏｒｄ ｓｅｎｓｅｓ． Ｋｅｙ ｗｏｒｄｓ：ｔｅａｃｈｉｎｇ Ｃｈｉｎｅｓｅ ａｓ ａ ｓｅｃｏｎｄ ｌａｎｇｕａｇｅ；ｃｏｒｐｕｓ；ｐｏｌｙｓｅｍｏｕｓ ｗｏｒｄｓ ａｎｎｏｔａｔｉｏｎ 着语料库语言学的兴起，语料库开始在无论是汉语 １ 引言 二语教学领域和自然语言处理领域起到了至关重要 的作用，因此需要建立一个高质量的多义词词义标 对外汉语教学领域主要包括语音、词汇、语法等 注语料库。 方面的教学，词汇教学在其中占有极为重要的地位。 词义标注语料库是指根据某个词典对多义词各 李如龙，吴茗认为学习语言，词汇是基础，词汇体现 个义项的定义，在真实语料上标注多义词的正确义 了语音的结构和变化，组成语句又体现了种种语法 项。Ｌｅｅｃｈ指出词义标注是最实用的语义标注。词 关系，词汇教学的效果直接影响着留学生汉语的整 义标注语料库是机器翻译、信息检索等自然语言处 体水平。其中多义词的教学又是词汇教学的重点和 理系统的基础性资源，在语言研究、词典编纂等方面 难点。在自然语言处理领域，如何识别文本中多义 也有重要应用。例如，Ｓｉｎｃｌａｉｒ等提出在ＣＯＢＵＩＬＤ 词的词义也一直是一个重要课题，词义消歧任务最 词典编纂中利用词义标注语料库统计得到词义频率 早与１９５０年作为机器翻译的一个任务被提出。随 信息编排义项。 收稿日期：２０１６—０９—１５定稿日期：２０１６—１０—１０ 基金项目：国家语委“十二五”科研规划项目（ＹＢ１２５～１２４）；国家高技术研究发展计划（８６３）（ＮＯ．２０１２ＡＡ０１１１０４）；中国博 士后科学基金第５３批面上资助（一等）（２Ｏ１３Ｍ５３００２６） ２２２ 中文信息学报 词义标注语料库已经经过了十几年的建设， 无论是英语还是汉语都有了自己的词义标注语料 库。目前已经建设的词义标注语料库主要以采用 的“外国留学生汉语口语纵向语料库”和“美国学生 汉语作文纵向语料库”，中介语语料库主要是对语料 进行字、词、句的偏误标注等。 词义知识库ＷｏｒｄＮｅｔ为主，著名的有ＳｅｍＣｏｒ语料 但是国内目前还没有专门的面向汉语二语教学 的词义标注语料库，因此本文选取《现代汉语词典》 （第６版）为标注词典，《现代汉语规范词典》作为补 充，在汉语二语教材语料库上进行词义标注，在标注 库、ＳｅｎｓｅＶａｌ语料库和ＤＳＯ语料库等。采用传统 语言词典进行词义标注的语料库数量很少，不成 规模。 、 汉语的词义标注语料库建设起步较晚，主要有 北京大学汉语词义标注语料库（Ｃｈｉｎｅｓｅ Ｗｏｒｄ Ｓｅｎｓｅ Ｔａｇｇｉｎｇ Ｃｏｒｐｕｓ，ＳＴＣ）。该语料库由北京 实践的基础上，制定了一个比较完善的词义标注体 系，规范了词义标注标准，并对标注结果进行了数据 分析和统计，在此基础上设计了一个多义词词义检 索系统。本研究弥补了汉语二语教学领域语料库类 型单一的缺陷，并填补了汉语二语教学领域的基于 语料库进行词义研究的空白。 大学计算语言学研究所建设，所选语料是２０００年 １－－３月和１９９８年１月的《人民日报》，共计６４２万 字，所用词典是该所开发的《现代汉语语义词典》。 该语料库标注了９６６个多义名词和动词的义项。其 中名词７９４个、动词１６８个；肖航将新加坡国立大学 “华文教材语料库”中的中小学语文教材作为语料 库，选择传统语言词典——《现代汉语词典（第５ 版）》作为词义体系，对该语料库添加词义标记，该语 料库总字数约为２００万字。 目前，国内的面向汉语二语教学的语料库主要 ２标注语料及多义词选择 ２．１标注语料 本研究使用北京师范大学中文信息处理研究所 开发的汉语国际教育动态语料库①中的外汉语教学 领域经典教材部分，包括经典教材５８套，共１８９册， 约３５０万字（含字母、数字和汉字），１２万句。图１ 是教材信息库的部分截图。 集中在中介语语料上，例如，北京语言大学开发的 “ＨＳＫ动态作文语料库”，中山大学开发的“汉字偏 误标注的汉语连续性中介语语料库”、南京大学开发 图１ 汉语二语教材语料库教材信息库 动态语料库在采集教材时充分考虑了教材类 学、中学和成人，学习者的汉语水平 型、适用水平、出版年代、影响因子等属性特征。所 选教材分别从出版年份、学习者适用年龄、学习者汉 语水平以及教材性质、教材类型、适用课型等方面做 了考虑。所有教材均是１９８９年到２０１２年共２１年 间的典型教材，学习者的使用年龄覆盖到儿童、小 ①汉语国际教育动态语料库由北京师范大学中文信息处理研 究所和汉语文化学院共同建设，主要收录对外汉语教学领域经典教 材和新ＨＳＫ样卷文本语料，并提供多层次的语言信息标注，目前规 模约１４万句，２４０余万词次。 １期 工敬等：汉语二语教学领域词义标注语料库的研究及构建 ２２３ 也从零基础、初级、中级到高级水平。适用课型包括 口语、听力、阅读、写作和综合课型，这些教材大部分 是用来教授语言技能的，一小部分是医学汉语和商 务汉语。 性的、使用最为广泛的《现代汉语词典（第６版）》作 为词义体系。《现代汉语词典》（以下简称《现汉》）是 汉语语言研究、研究教学等使用最为广泛的词典。 《现代汉语词典（第６版）》对词义和语素义进行 了区分。图２是《现汉》对多义同“白”的释义。图２ ２．１ 多义词的选取 巾“自”的义项（１）、（３）、（６）、（７）、（１０）和（１１）是词义． 而（２）、（４）、（５）、（８）和（９）是语素义。符淮青指 为 了分析多义词不同义项的意义，首先要区分词义和语 素义，词义能作为词运用，语素义只能存在于它 所构成的词和固定结构中。词典对词义和语素义的 区分，便利了语料库的词义标注和计算机的词义消 歧。因为计算机词义消歧的输入（通常情形下）是经 过了词语切分．因此真正成为消歧对象的是词义，而 语素义则可以在词语或固定组合中自动得到消解。 本研究所说的多义词是广义概念下的多义词， 即同一词形具有多种词义可能的均视为多义词。从 词义标注和词义消歧角度来说，机器无法只从词形 上判断两个词形相同的词是否为两个不同的词，这 对留学生来说是一样的，因此采用广义多义词概念 更适用于词义标注和汉语二语教学。 语料库词义标注根据标注词的不同，可分为部 分词词义标注和全词（ａｌｌ—ｗｏｒｄｓ）词义标注两种类 型。本文的研究是部分词词义标注，选取了１ １８１ 个多义词进行标注。这１ １８１个多义词来自《新汉 语水平考试大纲ＨｓＫ词汇》、《汉语国际教育用音 节汉子同汇等级划分》、《１７００对近义词语用法对 比》，我们将这ｌ １８１个多义词成为多义词词义标注 词表（以下简称词表）。 词表中双音节词占多数，共８１２个，单音节词占少 数，共５１７个，多音节词最少，只有八个。词表中多义词 因此我们在进行多义词词义标注时，只标注词义，不 标注语素义。 １ ｉ ｏ 像霸或雪的颜色（跟“熙”ｆＨ 口 对）。０某蝗白色或近似白色的东西： 慧～ｌ荚～｝卵～。ｏ 光亮；．１ｔ亮：东方发 ｌ大天～日。ｏ清楚；明白；弄明白：大 ｌ不～之冤．ｏ没有加上什么东西的；空白： 饭ｉ～开水ｉ～卷ｆ一穷二～。ｏ［融没有效 ～～～音节数和多义词的ＨＳＫ等级分布如表１所示。 表１ 词表多义词音节数和ＨＳＫ词汇等级分布情况 ＨＳＫ等级 双音节词 单音节词 多音节词 １级 １４ ４１ Ｏ 果；徒然：～跑一越Ｉ～费力气。ｅ嘲无代价； 无报偿；～吃ｌ～给ｌ～看戏。ｏ象征：～ 军Ｉ～区。ｏ指丧 ：～事。ｏ圈用白跟珠 队．表示轻视或不满：～了他一跟．ｏ （Ｂ６ｉ）（萄姓。 罔２《现代汉语词典（第６版）》对多义词“白”的释义 总计 ５５ ２级 ３级 １８ ６６ ４７ ４９ Ｏ ２ ６５ １ｌ７ ４ 多义词义项标注实践 ４．１ 标注形式 ｉ级 ５级 １３５ ２２２ ６１ ９ｌ １ ２ １９７ ３１５ ６级 ２９６ ３５ ２ ３３３ 对于一个包含ｎ个义项Ｓ的词Ｗ（）ＲＤ，它在一 超纲 总计 ５０ ８０ｌ ４８ ３７２ １ ８ ９９ １ １８ｌ 定的上下文中被标注上词义ＷＳ，其标注形式为： ＠ＤＵＯＹＩＷ（）ＲＤ／Ｐ（）Ｓ＃ＷＳ（ＷＳ＝Ｓｉ、ＭＨ、ＵＮ） 其中，ＷＯＲＤ代表一个词，＠ＤＵ（）ＹＩ表示这个 词需要进行多义词义项标注，Ｐ（）Ｓ是这个词的词 性，ＷＳ是这个词在其所在句子中的词义（ＷＳ的取 值将在下文说明）词性和词义用＃隔开。 ３标注体系的选择 语料库词义标注在语义体系和词典资源的选择 上有多种不同做法，主要包括传统语言词典（例如 《辞海》《现代汉语词典》）、语义词典（例如《同义词词 林》）、用于信息处理用的词义知识库（例如Ｗｏｒｄ— 肖航从为语料库标注多义词词义的实践来看， 词典普遍存在词义可区分性不足的情况。根据对《现 代汉语词典》的分析，他认为词典中多义词的义项之 间存在重叠、相离、包含等关系。本文根据该文献， 以及在多义词词义试标注过程中的实践，对多义词 Ｎｅｔ、ＨｏｗＮｅｔ）等。本文选择在释义方面具有代表 ２２４ 中文信息学报 在词典中的义项和语料中的义项进行了形式化的表 示，如下： 择义项①，凡是词性是动词的都选择义项②。 假设一个多义词在词典中一共有 个义项，则 其第ｉ个义项就表示为Ｓｉ（ｉ一１，２，３，…， ）。其中， 词义ＷＳ和义项的关系有几种形式： １．义项ｉ可以准确表示词义，则ＷＳ＝Ｓｉ； 为了保证多义词词义的标注质量，我们组织了 ２Ｏ名语言学及相关专业本科生、研究生参与人工标 注，标注人员经过培训和试标注检验合格后，进入正 式标注。标注结果需要经过两次人工校对，存疑处 ２．义项 无法准确表示词义，则ＷＳ—ＭＨ，其 中ＭＨ的取值有三种： Ａ义项ｉ和义项Ｊ的交集表示词义，则ＭＨ— Ｓ ＋Ｓｊ： 由专家讨论确认。如上文所述的词典中存在的义项 重叠、相离、包含等关系，也在标注过程中不断地进 行词表修订，以使结果更符合实际情况。具体工作 可以分为以下几个步骤： 步骤１ 对语料进行分词和词性标注； 步骤２对分词和词性标注记性人工校对； 步骤３对可以通过词性决定词义的义项进行 机器标注； 步骤４ 对剩余的多义词进行人工标注； Ｂ义项 和义项 共同表示词义，但是义项 包 含义项Ｊ，则ＭＨ—Ｓ ＞＞ｓｊ； Ｃ义项 或义项Ｊ表示词义，则ＭＨ—Ｓｉｌｓｊ； ３．无法为语料中的多义词找到合适的义项，则 ＷＳ＝ＱＳ，ｑｓ的取值为： Ａ义项 释义过窄，则ＱＳ—Ｓ — Ｂ合适的没有义项，则ＱＳ—ａｄｄＳ（ ＋ｉ）（其 中，ＱＳ参照《现代汉语规范词典》进行义项补充） ４．义项ｉ是语素义，无需进行标注，则ＷＳ＝＝： ＵＮ（无需标注） ４．２标注方式 步骤５ 对标注了ＭＨ和ＱＳ的义项进行讨论 并修订词表； 步骤６ 根据更新的词表修订标注结果； 步骤７ 初次校对多义词词义标注结果； 步骤８ 终校标注结果，收集讨论结果，确认标 注词表； 多义词标注采用机器和人工结合的方式进行。 首先进行机器标注，再进行人工标注。机器标注是 对多义词中可以通过词性决定词义的义项进行标 注，例如，“安定”这个词，凡是词性是形容词的都选 为了方便进行人工标注，我们开发了辅助词义 标注的工具，该词义标注工具的界面如图３所示。 图３ 多义词词义标注工具 １期 王敬等：汉语二语教学领域词义标注语料库的研究及构建 ２２５ 该软件将多义词词义标注词表加载于其中，通 理，才能对多义词进行标注（图２）。 过点选的方式对每个词进行词义标注。 １．多义离合词的处理：多义的离合词在没有 ４．３标注过程中特殊语言现象的处理 分离时和普通的多义词一样进行标注，当离合词分 离之后，只对分离出来可以单独成词的那一部分进 在多义词词义标注过程中，会涉及很多特殊语 行标注，不成词的部分不进行标注，另外，可离合的 言现象，需要有一定的规范对这些现象进行统一处 趋向动词在分离后都不进行标注。 表２多义离合词的标注规范及示例 离合情况 标注规则 实例 例ｌ父亲／ｎ是／ｖ！一／ｍ个／ｑ胖子／ｎ，／ｗ＠ＤＵＯＹＩ＿＿ 不离合时 正常标注。 走／ｖ＃①＠ＤＵＯＹＩ过去／ｖｄ＃［３］一①自然／ｄ＠ ＤＵＯＹＩ要／ｖｕ＃［２］一⑧费事／ｖ些／ｑ。／ｗ 分离时，两个部分都可单独 例２他／ｒ上班／ｖ时／ｎｔ完成／ｖ＠ＤＵＯＹＩ一工作／ｎ＃ 成词 两个部分单独进行标注。 ③，／ｗ＠ＤＵＯＹＩ一下／ｖ＃［－１］一⑩了／ｕ＠ＤＵＯＹＩ一班／ｎ ＃②就／ｄ闲着／ｖ。／ｗ 分离时，一个可单独成词， 可单独成词的部分，按照该词进行 标注，不可单独成词的部分，词性 例３可／ｖｕ＠ＤＵＯＹＩ一一起／ｄ＃②＠ＤＵＯＹＩ一洗／ｖ＃ 一个不可单独成词 改为语素，并标注ＵＮ。 ［１］一Ｏ＠ＤＵＯＹＩ一过／ｕ＃［３］一①澡／ｇ以后／ｎｄ 分离时，两个部分都不单独 例４一些／ｍ人／ｎ＠ＤＵＯＹＩ一确实／ｄ＃②替／ｖ＠ 成词 词性修改为语素ｇ，并标注ＵＮ。 ＤＵＯＹＩ一你／ｒ＃①帮／ｇ了／ｕ个／ｑ大／ａ＠ＤＵＯＹＩ＿，￣／ ｇ拉ＵＮ 例５便／ｄ＠ＤＵＯＹＩ一回／ｖ＃［１］一③＠ＤＵＯＹＩ一过／ｇ 可离合的趋向动词分离时 两个词都不进行标注。 ＃ＵＮ＠ＤＵＯＹＩ一脸／ｎ＃①＠ＤＵＯＹＩ一去／ｇ＃ＵＮ，／ｗ 不／ｄ＠ＤＵＯＹＩ一再／ｄ＃①理会／ｖ。／ｗ 例１中，多义离合词“过去”没有分离，因此按照 ２．多义重叠词的处理：一个多义重叠词是否 词典，将此句中的“过去”标注上词义。例５中，多义 要进行标注，要看这个词的重叠形式是否能拆分成 离合词“过去”分离为“过”和“去”，那么此时就将它 的词，能拆分出的词就进行标注，不能拆分 们的词性标注为“语素ｇ”，并标注上“ＵＮ”表示无需 或拆分后不能成词就不进行标注，是否拆分以 标注。 《现汉》的收词标准进行判断，拆分规则如表３所示。 表３ 多义重叠词的标注规则及示例 重叠形式 动词重叠 形容词重叠 量词重叠 数词重叠 ＡＡ式 慢慢／ｄ慢慢ＪＬ／ｄ 早早／ｄ早早ＪＬ／ｄ 个 令『ｑ —／ｍ．——／ｍ 飚 跑步ｆ 红／ａ红／ａ的／ｕ ＡＡＢ式 畈 好好／ａ的／ｕ ｝ ｜ 雪白／ａ雪白／ａ的／ｕ ＡＢＢ式 香喷喷／ａ —ｔｍ令｜ｑ令ｊｑ ｆ ＡＢＡＢ式 瓠扫 瓠扫 轻松／ａ轻松／ａ 一｜ｍ 一｜ｍ ｊｑ ｜ ＡＡＢＢ式 ｜ 干干净净／ａ ｆ ｜ 的义项标注数据进行了统计和分析，希望从中能够 ５ 多义词义项分布情况的统计和分布 挖掘出其中的规律，并解释其中的原因，希望对汉语 教学尤其是教材编写提供一定的参考。 ，按照上述步骤，我们将在３４０万字语料上进行 １．多义词义项复现情况统计 １ １８１个多义词的词义标注，并对这１ １８１个多义词 词表１ １８１个多义词，根据《现代汉语词典 ２２６ 巾艾信息学报 ２０１ ７证 （第６版）≥。共包括 ２１ ３个义项，平均每个义项 现３．５７次。存所有语料Ｌｆ】，待标注多义词共 ３８ １ ５９浏次．其ｆｆ１需要标注的多义洲共５３７ ４９３同 Ｉ～Ｉ（）（）次 ・１０Ｉ、２０（】次 ２（）Ｉ～３００次 －３（）卜４０（】次 ＃４（）卜５００次 ５（）Ｉ～６０（）次 ６０Ｉ－７００次 ７０Ｉ、８０（）次 ８（）Ｉ～９０（）次 ９０１～Ｉ（）（）（）次 次，无需标注的多义同共６６６词次。本文将每个义 项ｍ现的次数按照１ Ｏ（）的距离进行了统计，其结果 女¨ ４∈１）所示。 … ． １０００以卜。欠 ｌ 多义 义项 料巾的分布悄 从 ４ ｆｌ可以看 ． 现次数 １ Ｏ（）以内的义 项是最多的，为２ ８３ １个．共Ｌ 总义项的７８．７（） 。 ⑦”ｍ现次数最多．为２０ ｌ７３次。 阿此基础Ｉ ．本义义统计了 现次数ｌ在１— 其ｒ｛Ｊ 现次数排存前ｌ０位的同的义项分为别：在 ｌ ０００次以上的词分别为“在／ｐ＃⑦”（２Ｏ １ ７３次）、 “你， ｒ：①”（１ ８ １ ９１次）、“有，／＇Ｖ ①”（８ ７９６次）、 １ ００次之问的义项，并以ｌ ０为距离再次进行了统 计．其结果 ４１））。其结果表示， 现次数在ｌ一 １ ０的义项最多。一共 现丁１ ４６６次，占总义项 的５ １．７８ ９／６，并且随着｝｝Ｉ现次数的增加，义项逐 渐减少。 “和／ｃ茸［ ２］③”（７ ７９Ｏ次）、“希／ｖ＃［２］一①”（７ ２８８ 次）、“有／／ｖ＃②”（６ ６６４次）、“能／ｖｕ＃④”（６ １ ８Ｏ 次）、“会，，／ＶＩ．１辱［２］一⑤”（５ ４０３次）、“把／ｐ＃［１］一⑩” （５ １ ２４次）、“仆么／ｒ＃①”（５ ０７９次），其小。“在／ｐ＃ ３ …随后，本义继续统汁＿ｒ ｍ现次数在１～１０次之 间的义项，其结果如图５所示。 一义 ｉ数 Ｏ ２ ３ ４ ５ ６ ７ ８ ９， 次嗽啾瞅瞅瞅瞅瞅瞅 ● 罄 奠 ～ ¨２ ３ ４ ５ ６ ７ ８ ９ ｒ¨ 譬 ～～ ＃ｒ ～ ～ ～ ～ 一 １ ｌ Ｉ 嚣 Ｉｌ ２４３ ｌ８５ ３８ ‘ ｌ ８ —８４ ９４ ９ｌ — Ｉ 一 ＿…■…＿－．．■…ＪｌＬ 行义频的统汁分析，可以反映出教材中选择词义的 状况．结合新汉语水平考试（ＨＳＫ）词汇等级大纲中 ５ ｆｆｆ观次数小ｆ １０的义项 ｆ 料ｒｆｌ的的分布情况 这表明．所有义项中．出现一次的义项最多．为 ３７０个．【 总义项的２ｊ．４４ 。 ２．高频义项及低频义项的分布统计及分析 根据对多义词在真实语料下的词义情况分析． 绝大部份多义同的义项频率分布是不均衡的。具体 现为只钉个圳义项高频．其他义项低频．对义项进 的词汇等级，可以为以后的编写者提供客观的数据 础。以下的数据．本文只统计了７７３个复现次数 在１（）（）次以上的义项。高频义项及低频义项的统计 如表４所示。 １期 王敬等：汉语二语教学领域词义标注语料库的研究及构建 ２２７ 表４语料中高频及低频义项分布情况 频率阈值 总义项数 义项总占比／ １级义 项数 一２级义 项数 １ ２１ ３Ｏ ３级义 项数 ７ ４１ ６４ ４级义 项数 １２ ５９ ７７ ５级义 项数 １Ｏ ４２ ６３ ６级义 项数 Ｏ ４ ５ 超纲义 项数 ２ ６ １Ｏ １００．００ ３５ ｌ８９ ２７４ ４．５３ ２４．４５ ３５．４５ ３ １６ ２５ ＞一９０ ＞一８Ｏ ＞＝７０ ３４８ ４５．０２ ３３ ３８ ７５ ｌＯ５ ７８ ５ ｌ４ ＜一３０％ ＜＝２０ ＜一１０ ２２０ １５Ｏ ９Ｏ ２８．４６ １９．４０ ｌ１．６４ ８３ ７０ ４８ ５２ ３６ ２２ ４１ ２４ Ｉ４ １９ ７ １ ５ Ｏ Ｏ Ｏ Ｏ Ｏ ２０ １３ ５ —０ ｌ ３６７ ｛ ８７ １１３ １１８ ２２７ ３６４ ３１２ １４６ 从表４可以看出，当高频阈值设置为７ｏ 时， 有４５．０２％的多义词义项是高频义项，并且当词汇 １）该义项为其所在词的不常用义项，比如“扒” 的第［２］一④个义项：烹调方法，现将原料煮到半熟， 再用油炸，最后用文火煮烂：～羊肉Ｉ～白菜。这些 义项主要是方言义、文言文义等，通过统计，这ｌ ３８１ 个义项中，共有方言义６３个，文言义２４个，口语义 ｌ１个，旧时义１２个，少数民族用语１个，用作姓氏 １８０个，统计２９１个； ２）多义词义项释义太窄，导致该义项的适用范 围太小，比如：“编辑”的第二个和第三个义项：“② 一的等级是四级时，高频义项出现的最多。通过低频 义项的分布可以看出，无论低频阈值设置为３０％、 ２０ 还是１Ｏ ，词汇等级是一级的词汇所包含的低 频义项最多。 多义词义项频率分布的两个极端情况是：①一 个多义词有多个词典义项但除一个高频义项外其他 义项不出现；②一个多义词中个别义项不会出现在 语料中。 【名】做编辑工作的人”；“③－【名】新闻出版机构中 限定的太窄，导致语料中出现“编辑／ｎ”９０ 都都会 对于第一种情况，通过调查发现，共有３５个多 义词只在语料中出现了一个义项，其他义项没有出 现，并且这３５个多义词只包括２—３个义项，除了出 现的那个义项，剩下的１—２个义项基本都是不常见 义项。 编辑人员的中级专业职称。”第三个义项就是将义项 选择义项②，只有在上下文很明确的条件下，才会选 择义项③； ３）语料的，因为语料是来自汉语二语教学 的教材，有一部分语料是面向初中级的留学生，一小 在所有的义项中，一共有１ ３６７个义项没用出 现在语料中，涉及６９９个多义词，这ｌ ３６７个义项所 部分是面向高级留学生，所以语料中出现的多义词 的义项总是会集中在一些基本义或词的最常用义。 属词汇的ＨＳＫ等级分布如表５所示。 表５词表中多义词的ＨＳＫ等级分布 ＨＳＫ等级 双音节词 单音节词 多音节词 １级 ２级 １４ １８ ４１ ４７ 例如，义项“把／ｐ＃［１］一⑧”就一共出现了５ ０００多 次，而其他词义基本上很少出现或不出现。这在一 总计 ５５ ６５ 定程度上也显示了教材选词和词义的局限性，以及 程度不均的词义复现率。 ３级 ４级 ５级 ６级 ６６ １３５ ２２２ ２９６ ４９ ６１ ９１ ３５ ２ １ ２ ２ １１７ １９７ ３１５ ３３３ ６ 多义词义项查询功能的实现 通过系统的、大规模的语料标注实践，我们构建 了一个面向汉语二语教学的词义标注语料库。资源 的开发需要面向实际的需求，为了更好地服务于汉 超纲 总计 ５Ｏ ８０１ ４８ ３７２ １ ８ ９９ １ １８ｌ 语二语教学及相关的研究工作，我们对该领域的用 户需求进行了分析，开发了语料库检索系统①，并依 通过分析语料，发现造成这种现象主要有以下 几点原因： ①语料库检索系统网址：ＷＷＷ．ａｉｈａｎｙｕ．ｏｒｇ。 ２２８ 中文信息学报 ２０ｌ７年 此设计并实现了了多义词义项的查询功能。图６不 完全显示了多义词词表，通过词表可以查询某个多 义词的义项。如图７所示，在检索框中输入“阿姨”， 会显示 “阿姨”这个词所包含的义项。点击“阿姨” 的义项１，将会显示出义项１所包含的所有语料，如 图８所示。 囊妻蝗量ｌ冀望塑 一鱼塞 鞑 蓑— 塾鱼鳓一 壤塞鸢 ■耋鳗婆蹩－Ｌ羞王 辐豪｛ 多义词 ｊＯｌ 干扰 序号 多义词 廨 口Ｏｌ 多义词 接 矮 ＾ Ｓ ２ ７ ８ ！堂 』！！三一 塞 刚 晶 往 ∞３ 妄鑫！ 忘记 危机 高慨 ３０７ 唁 敖 高明 高尚 ∞９ ６０６ ６０７ 卖 为难 惺 忙 尾巴 扒 １１ 把 ｊｌＯ ３ｌ１ ３ｌ２ 高兴 籀 告别 ６ｌＯ 茫然 毛 毛病 ９ｌＯ 口ｌｌ ９１２ 未来 ６ｌｌ ３ｌ３ Ｉ４ ｌＳ ｌ６ 匹 掐外 ５ｌ４ 没 没有 ｇｌ５ 精离 自 臼臼 ３ｌ５ 接 班 ３ｌ６ ３ｌ７ 个人 ６ｌ７ 门 闷 ９ｉ６ 文化 文件 图６汉语国际教育动态语料库检索系统一一多义词检索功能 ９ ｇ ”一¨ 一 一 嚷 陶７ 多义词“阿姨”的检索结果 甘…亭■一工吐社 一矗 ∞拈亭■． ＇士占普， ■ ５佶酋峦， ●毒阵１ ＃ ■蒜 幢囊 ｌ、 ｔ 一Ｅ‘‘ｌ＿ ｌ ０ ～７｜ ｌ我 ０年寸４５岁，每天不是跑步・就是打网球・上十月去医院植童・医生说挑有心脏痫。 难煞 “中文起垮＂Ｖｏｌｕｍｅ１ Ｌｅｓｓｏｎ２３我吃蔫Ｔｏｔ＆ ：甜 ，ｌ，书 州ｊ ｆ． ０ 转 ｒ 』备茸 ｎ 丑 ４５ ｍ岑，ｎｔ，／ｗ每 Ｙｎｔ 女 ｒ藕 心脏痛，ｎ… 是 ＾－ 是，ｖＩ跑步～・／ｗ戴＿，ｄ是， ￡Ｌ 网球，ｎ，ｆｗ上Ｌ 十，ｑ目 圭 匡Ｐ ，ｎＬ旦 ・一ｗ医生 ｎ说～ 呈叠一 Ｉ＿童童皂 ２圭 ： ｋ老师．这是栽的ｒ § ３ 唑：你好１ ４夫人： ・Ｉ青结｝ 老师衄苇。 ５陌 ：好。 ５ ：菲亳师 请喝苹 ７ ：午喜气 ８ ｉ： ＾・ｆ 好。 ９去 ：倚蜉 ｏ ｌｏ ． ：夫＾・对不起・我束Ｉ曼了。 １１．－ ４，：好ｏ ｌ２在南美＿州・撤手击寻找宦拘的时假・也像＾类一样－｝巴弦子寰绐外婆“或者” １３娣片上自憾 人是你剜坤？ 糯著ｏ 陶８标注了“阿姨”义项１的语料详情 １期 王敬等：汉语二语教学领域词义标注语料库的研究及构建 ２２９ 如图８所示，“阿姨”的义项１共包含１３条语 和应用空间。 料，在所有包含“阿姨”的中占比７．３４ 。当点击第 一条语料时，会显示出这条语料的详情，包括该语料 参考文献 的来源、词性标注信息、多义词标注信息，以及该语 料所包含的语法点信息。 Ｅ１］Ｉｄｅ Ｎ，Ｗｉｌｋｓ Ｙ．Ｍａｋｉｎｇ ｓｅｎｓｅ ａｂｏｕｔ ｓｅｎｓｅ［Ｊ］．Ｗｏｒｄ Ｓｅｎｓｅ Ｄｉｓａｍｂｉｇｕａｔｉｏｎ．Ｄｏｒｄｒｅｃｈｔ：：Ｓｐｒｉｎｇｅｒ，２００７， ７ 结论 ３３：４７—７３． ［２］Ｌｅｅｃｈ Ｇ．Ｃｏｒｐｕｓ ａｎｎｏｔａｔｉｏｎ ｓｃｈｅｍｅｓＥＪ］．Ｌｉｔｅｒａｒｙ ａｎｄ Ｌｉｎｇｕｉｓｔｉｃ Ｃｏｍｐｕｔｉｎｇ，１９９３，８（４）：２７５—２８１． 多义词是汉语二语教学领域词汇教学中的重点 Ｉ－３］ Ｓｉｎｃｌａｉｒ Ｊ．Ｃｏｒｐｕｓ，ｃｏｎｃｏｒｄａｎｃｅ，ｃｏｌｌｏｃａｔｉｏｎ［－Ｍ］．Ｏｘ— 和难点。本文根据三张经典领域词表，筛选出１ １８１ ｆｏｒｄ：Ｏｘｆｏｒｄ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ，１ ９９ １． 个重点多义词，在１９７册经典汉语二语教材上，以 １－４３符淮青．现代汉语词汇（增订本第二版）［Ｊ］．北京：北 《现代汉语词典（第６版）》为标注体系进行了标注， 京大学，２００４：６３． 制定了一套多义词标注规范和形式，构建了一个包 ［５］ 国家汉办／．Ｋ子学院总部．新汉语水平考试大纲［Ｍ］． 北京：商务印书馆，２００９． 含约３５０万字的面向汉语二语教学的词义标注语料 ［６］金澎，吴云芳，俞士汶．词义标注语料库建设综述 库。在该语料库上，本文对１ １８１个多义词及其 Ｉ－Ｊ］．中文信息学报，２００８，２２（０３）：１６－２３． ４ ３２３个多义词义项进行了数量统计，分析了多义 ［７］李如龙，吴茗．略论对外汉语词汇教学的两个原则 词义项复现情况、高频及低频义项分布情况及其规 ［Ｊ］．语言教学与研究，２００５，２（４１）：２ｌ＿ 律。并在此基础上研发了一个原料库检索系统，实 ［８］刘英林，马箭飞．汉语国际教育用音节汉字词汇等级 现了多义词词义查询功能。 划分［Ｍ］．北京：北京语言大学出版社，２０１０． 基于上述研究工作，我们希望从以下几个方面 ［９２吴云芳，俞士汶．信息处理用词语义项区分的原则和 方法Ｉ－Ｊ］．语言文字应用，２００６，２：１２６—１３３． 做出尝试，以改进和提升现有的资源，并探索新的应 ［１Ｏ］ 肖航，杨丽姣．基于词典的语料库词义标注研究［Ｊ］． 用空间：第一，扩大语料库规模，目前语料库仅包含 语言文字应用，２０１０，２：１３５—１４１． 汉语二语教学领域的教材语料，并未包含真正的母 ［１１］ 肖航．基于词典的语料库词义标注［Ｄ］．新加坡：新 语语料，希望以后的工作中能够加入一些新闻语料、 加坡国立大学，２００９． 网络语料等，使语料覆盖更广；第二，加入更多的多 ［１２］ 杨寄洲，贾永芬．１７００对近义词语用法对比［Ｍ］．北 义词，实现全词标注。因为人力物力有限，目前仅在 京：北京语言大学出版社，２００５． ［１３］ 中国社会科学院语言研究所词典编辑室．《现代汉语 语料上实现了部分词标注，有很多多义词并没有被 词典》（第６版）［Ｍ］．北京：商务印书馆，２０１２． 标注上；第三，在第二部的基础上，开展多义词词义 消歧研究，以节省人力，丰富现有的资源库建设维度 王敬（１９８８一），博士，主要研究领域为中文信息 杨丽姣（１９７３），副教授，主要研究领域为汉语 处理。 国际教育、词汇语义学、语料库语言学，对外汉语 Ｅ—ｍａｉｌ：ｗａｎｇｊｉｎｇｌ２０４＠ｆｏｘｍａｉｌ．ｃｏｍ 教学。 Ｅ—ｍａｉｌ：ｙａｎｇｌｉｊｉａｏ＠ｂｎｕ．ｅｄｕ．ｃｎ 蒋宏飞（１９８２）。博士后，主要研究领域为自然 语言处理、智能问答、文本挖掘、机器翻译。 Ｅ—ｍａｉｌ：ｊｉａｎｇｈｏｎｇｆｅｉ＠ｄｉｎｆｏ．ＣｌＩ ▲
