從「LIVAC共時語料庫」看現代漢語的演變

過去兩星期內，在香港、台灣及北京三地最高見報率的人物是那幾位？最常用的詞語是甚麼？你可能以為這些問題並沒有一定的答案，只能憑個人主觀印象的臆測。事實上，只要進入一個由香港城市大學語言資訊科學研究中心開發的「LIVAC共時語料庫」網址(www.rcl.cityu.edu.hk/livac/sample)，便不難找到答案，而且這是建基於統計數據的精準

答案。 

 

語言資訊科學研究中心的「新聞名人榜」、「常用地名榜」及「常用詞語榜」均是從「LIVAC共時語料庫」統計整理而來的。「LIVAC共時語料庫」自1994年起由語言資訊科學研究中心主任鄒嘉彥教授主持開發，是特區政府研究資助局的角逐撥款資助項目之一。

 

橫跨十年的研究計劃

語料庫自1995年7月起定期收集香港、台灣、北京、上海、澳門及新加坡六地主要報刊及電子媒介的語料，由電腦自動切詞，再經人工校對分詞，建立了以字、詞條、文句、全文等不同層次的語料庫，供從事語言學研究的學者

及對語言現象、華人社會組織、文化及動態發展有意探討者使用。

 

至2001年初，語料庫已收集了7,000多萬字、超過40萬個詞條，並在不斷擴充中。目前上網可供檢索的為1995年7月至1997年6月間上述六地中文報章的語料，約1,600多萬字、近19萬詞條。計劃中，語料庫將一直收集及更新至2005年6月，預計完成後所收集的字超過一億或詞達60萬個。

 

漢語的時間錦囊

鄒教授說：「語料庫好像是一個時間錦囊，記錄了六個華人地區十年間的社會、文化以及語言特色上的變化，是語言學學者及對研究華人社會組織有興趣人士的珍貴原始材料。」語料庫有多個重要目標，其中之一是為了深入探討現代漢語的語言及詞彙發展動態，包括新概念詞的由來與延伸、詞義的發展、舊詞的轉移和具地方特色的詞語。

 

你可知"Internet"在上述六個華人地區有多少個常用的中文譯名？根據「LIVAC共時語料庫」自1995至2000年的記錄，最少有13個常用的中文譯名。每個地區的最常用譯名並不相同：香港是「互聯網」，台灣是「網際網路」，新加坡是「網際網絡」，澳門是「互聯網絡」，上海和北京是「因特網」。

 

鄒教授說：「中文不是一個單一的語言，不同地區的中文有不同的地方色彩。很多人認為香港年青人的中文不好，夾雜著粵語，其實是帶有價值觀的看法。即使是同一地區的語言，經過一段時間後，也會有差異，語言是不斷發展的。我們可從語料庫看出，現代漢語在這10年間，在不同華人社會的發展與差異。」

 

應用潛質無限

鄒教授又形容建造語料庫的過程有如開荒，漫長而艱辛，只要有「差之毫釐」的過錯，也會造成「失之千里」的謬誤。例如「李鵬飛抵北京」這句子，究竟是指「李鵬」或是「李鵬飛」*到北京，電腦很難分辨出來。即使是人工校對，稍不留神都會直接影響到統計的準確性。而且，整個研究計劃跨時十年，涉及語料近億字，甚至以「愚公移山」來形容整項工程，實不為過。「不過，當成果成為一頓盛宴，可以讓有興趣的人士分享時，身為『開荒牛』的研究者，也會忘記多年的艱難困苦，而感到心滿意足了。」

 

除了學術研究外，具備龐大字庫、檢索及統計功能的語料庫，還有無限的應用潛質。香港法庭以廣東話進行訴訟愈來愈普及，LIVAC語料庫可應用於法庭以廣東話輸入記錄的程序。可輸入中文的流動電話，亦需要龐大的詞庫作支援。而事實上，鄒教授說，語料庫已在資訊產品的開發研究上漸露頭角，開始被一些網絡及資訊科技產品開發公司如日本NTT、香港tom.com及美國AOL的附屬公司採用。

 

*註：前者為中國人大委員長，後者為香港商人、政治評論員及前政界名人。