基于Sketch Engine检索工具的日语近义词辨析——以「願う」「祈る」为例
Identifying Japanese Synonyms Based on Sketch Engine Search Retrieval Tool—Taking “Negau” and “Inoru” as Examples
DOI: 10.12677/ml.2024.1211990, PDF, HTML, XML,   
作者: 单 轶:黑龙江大学外国语言文学学院,黑龙江 哈尔滨
关键词: 近义动词Sketch Engine词汇搭配Synonymous Verbs Sketch Engine Collocation
摘要: 基于在线语料库检索工具Sketch Engine,利用其目标语料库Japanese Web 2011 (jaTenTen11)中的词语索引功能与词汇素描差异功能,考察了近义词「願う」「祈る」的词语搭配规律及语义特征。通过考察「願う」与「祈る」这两个动词与宾格名词的共现显著性,并通过分布图直观清晰地呈现它们的分布情况,发现「願う」与物质性名词或动作性名词搭配,表“希望对方给予建议”或“请求某人做某事”之义;「祈る」多与状态性名词搭配,如与身体状况和农业生产丰收相关的名词搭配,带有宗教色彩。这种研究方法不仅克服了传统近义词辨析中可能存在的主观性和片面性,还使得研究结果更加客观、直观且具有说服力。
Abstract: Based on the online corpus retrieval tool Sketch Engine, the word indexing function and vocabulary sketching difference function of its target corpus Japanese Web 2011 (jaTenTen11) were used to investigate the word collocation rules and semantic features of synonyms “Negau” and “Inoru”. By examining the co-occurrence significance of the verbs “Negau” and “Inoru” with objective nouns, and presenting their distribution clearly and intuitively through a distribution map, it was found that “Negau” is paired with material or action nouns to express the meaning of “hoping for advice from the other party” or “requesting someone to do something”; “Inoru” is often paired with situa-tional nouns, such as those related to physical condition and agricultural production, with religious connotations. This research method not only overcomes the subjectivity and one sidedness that may exist in traditional synonym analysis, but also makes the research results more objective, in-tuitive, and persuasive.
文章引用:单轶. 基于Sketch Engine检索工具的日语近义词辨析——以「願う」「祈る」为例[J]. 现代语言学, 2024, 12(11): 116-123. https://doi.org/10.12677/ml.2024.1211990

1. 引言

日语「願う」「祈る」这两个动词,均含有“祈祷、祝愿”的语义,但是汉语为母语的日语学习者在表达“祈祷、祝愿”的语义时,会出现搭配不当的错误。对于日语学习者而言,近义词的辨析与习得确实构成了一个显著的挑战。传统的日语近义词教学方法往往依赖于辞典的详尽释义辅以少量例句,然而,这种方法虽有其基础性作用,却难以全面而深刻地揭示出近义词之间微妙的差异、不同的使用语境及典型的搭配特征。辞典的释义往往侧重于词汇的基本意义,而在实际应用中,近义词之间的差异往往体现在它们所蕴含的细微情感色彩、使用场合的特定性、以及对不同语体的适应性等方面。因此,仅凭辞典的简单释义进行辨析,容易让学习者陷入概念上的模糊与混淆。通过查阅日本「大辞林」(第三版)我们发现,词典中对「願う」「祈る」这两个动词的解释存在重叠部分,在「願う」的释义中使用了「祈願する」「希望する」等词汇来描述,而对「祈る」的释义使用了「祈願する」「希望する」「望む」等词汇。仅仅依赖辞典的简单释义来辨析日语近义词,往往无法充分满足外语学习者的需求,因为这种方式容易忽视词汇之间的微妙差异、语用区别以及在实际语境中的灵活应用。

利用Sketch Engine (以下简称SkE)语料库检索工具,能够更有效地帮助学习者辨析日语近义词。SkE的词语索引功能能够显示出近义词的共同搭配词,词汇素描差异功能可以得出同一搭配词与两个近义词各自的搭配值大小,通过对搭配值大小进行分析能够总结出各自的语义特征与搭配规律。这种方法不仅增强了学习者对近义词之间差异的理解,还促进了他们对词汇在实际语境中应用的掌握,从而满足了外语学习者对于精准、深入学习的需求。使用SkE检索工具,对近义词「願う」「祈る」进行搭配分析,以期找出各自独有的搭配规律与特点。

2. 相关文献回顾

在当代日语平衡语料库(BCCWJ)建立之前,基于语料库的近义词搭配的主要国内研究者有郜枫(2006) [1],赵恩英(2010) [2],国外研究者大曾美惠子和泷泽直宏(2003) [3]等人。郜枫(2006)利用中日新闻语料深入探索了「しんみり」「しみじみ」与动词的搭配[1];大曾、泷泽(2003)基于名古屋大学自建语料库深入考察了近义词「みたいだ」「ようだ」的误用情况[3]。然而,这些研究受限于语料库的规模较小及缺乏数据驱动的分析方法,导致分析过程相对繁琐,效率不高。

现代日语书面语平衡语料库(BCCWJ)问世之后中沟朋子等(2011) [4],王华伟和曹亚辉(2012) [5]等学者率先利用这一语料库开展了一系列研究。利用日本NLB语料库词语搭配检索系统研究近义词的有赵圣花等(2021, 2023) [6]-[8],赵圣花和刘艳伟(2020) [9],刘艳伟和刘玉琴(2015) [10],郜枫(2016) [11]等。这些研究不仅克服了以往语料库规模小、分析方法不便捷的局限,还借助先进的数据驱动方法,使得近义词的搭配特征和语用差异得以更加精确和全面地揭示。

现今,可以利用SkE检索系统对近义词进行辨析。SkE不仅能够迅速找到两个近义词之间的共同搭配词,帮助研究者揭示这些词汇在语境中的共现规律,还通过计算搭配显著值,深入剖析每个近义词所独有的搭配特点和偏好词汇。SkE具备直观呈现搭配词分布图的功能使得研究者能够一目了然地观察到近义词搭配词在不同语境中的分布情况,进而深入理解其语用差异和表达效果。分布图的展示不仅增强了研究的可视化效果,也为后续的数据分析和理论探讨提供了有力的支持[12]

3. 研究设计

本研究以日语中的「願う」「祈る」这两个近义动词为研究对象,利用SkE词语搭配检索工具分别对比分析了「願う」「祈る」的搭配特点、规律。首先,通过使用SkE平台的词语索引功能,提炼出「願う」与「祈る」这两个动词的典型搭配模式及其所体现的语义倾向。其次,利用SkE的词汇素描及其差异对比功能,将这些搭配词的分布情况以直观的图形化方式展现出来,以便更清晰地洞察其分布特点。最后,借助词汇素描差异功能找出「願う」与「祈る」共享的搭配词汇,并分别揭示出这两个动词各自独特的搭配规律。

3.1. 语料库检索结果与分析

传统的词语搭配研究需要研究者手动统计搭配节点词与其他关联词汇之间的共现信息例如共现频数、互信息值(MI值)、T值或logDice系数(LD值)等,而SkE平台极大地简化了这一过程,它不仅能够自动检索和统计搭配信息,而且能够对搭配词的搭配频数、MI值等信息进行排序。共现词显著性的测量通常采用MI值和T值作为标准,通常将MI值 ≥ 3或T值 ≥ 2的词视为显著搭配词。LD值作为另一种重要的统计量,其优势在于能够更平衡地考虑共现频数、节点词频数和搭配词频数这三个变量。综上所述,SkE平台通过其强大的自动化功能和先进的统计方法,为词语搭配研究提供了极大的便利。它不仅简化了繁琐的统计过程,还通过提供多种统计量(如LD值)来帮助研究者更全面地理解词汇之间的搭配关系和语义特征。

下面本研究将围绕「願う」「祈る」这两个近义动词的宾格名词进行分析研究。

3.2. 考察「願う」搭配的宾格名词

在检索平台中输入关键词「願う」,显示「願う」频数为393,213。在平台自动呈现的宾格名词中,剔除不属于「名词を願う」的组合形式,经过处理后,与「願う」搭配的宾格名词的前15位(按LD值降序排序)的搭配信息见表1

Table 1. Collocation information of the top 15 accusative nouns in “名詞を願う”

1. 「名詞を願う」排在前15位的宾格名词的搭配信息

顺序

願う

共现名词

T-score

MI值

LogDice

1

アドバイス

101

9.70

8.86

2

協力

101

8.88

8.45

3

幸せ

83

7.84

7.58

4

平和

62

8.22

7.44

5

入札

51

8.96

7.34

6

回答

62

7.74

7.20

7

連絡

66

7.21

6.93

8

復興

45

8.18

6.84

9

賜り

36

11.56

6.69

10

確認

73

6.44

6.45

11

記入

37

7.90

6.39

12

クリック

48

6.84

6.36

13

繁栄

33

9.17

6.31

14

意見

52

6.51

6.25

15

注文

49

6.59

6.23

注:不包含形式名词「こと」「の」及指示代词。

通过观察表1可以将与「願う」搭配的宾格名词归纳为3类[11]

1) 动作性名词,这类语义搭配的名词有「協力」「回答」「連絡」「復興」「確認」「記入」「クリック」「注文」等,表示期待对方做出动作、行为。

2) 状态性名词,搭配名词主要有「幸せ」「平和」「繁栄」,此时描述事物所处的某种状态和结果。

3) 物质性名词,包括具体或抽象的概念,搭配名词有「アドバイス」「入札」「賜り」「意見」,「願う」此时表示“希望、祝愿”或“祈求”。

图1为使用SkE平台词汇素描差异功能得出的与「願う」搭配的宾格名词的分布图。

Figure 1. Distribution of accusative nouns paired with “願う”

1. 与「願う」搭配的宾格名词的分布图

图1可以看出在「名詞を願う」组合中,「アドバイス」是搭配显著性最高的名词,「協力」「回答」「連絡」等动作性名词是搭配显著性较为显著的名词。在学习动词「願う」时,建议首先掌握分布图中椭圆较大的搭配词,如以下组合:「アドバイスを願う」「協力を願う」「連絡を願う」「確認を願う」「幸せを願う」。

3.3. 考察「祈る」搭配的宾格名词

在词语索引功能的搜索框中输入关键词「祈る」,平台会显示出与「祈る」搭配频数,排除掉不属于「名词を祈る」类的成分,得出前15位与「祈る」搭配的宾格名词信息,见表2

Table 2. Collocation information of the top 15 accusative nouns in “名詞を祈る”

2. 「名詞を祈る」排在前15位的宾格名词的搭配信息

顺序

祈る

共现名词

T-score

MI值

LogDice

1

冥福

121

15.97

11.62

2

健闘

67

13.53

9.80

3

無事

78

9.91

8.34

4

幸運

42

10.67

8.06

5

息災

28

13.28

7.51

6

無病

26

13.31

7.29

7

豊穣

26

12.25

7.21

8

豊作

26

11.88

7.19

9

武運

24

14.31

7.06

10

復興

35

8.96

6.95

11

成功

57

8.38

6.93

12

多幸

23

13.36

6.91

13

平和

41

8.51

6.82

14

繁栄

25

9.93

6.80

15

幸せ

55

8.20

6.76

仔细观察表2「名詞を祈る」的组合可知,「祈る」的宾格名词中,除了「息災」「復興」及「成功」3个词外,其余均为「冥福」「健闘」等状态性词,这些状态名词与身体健康和农业收成相关,由「祈る」的MI值和LD差可以得知它们都是「祈る」的显著搭配。此现象不仅能够说明「祈る」相比「願う」使用范围窄,对宾格名词在语义上也有一定的制约,「祈る」这一动词往往与身体健康、农业生产收成等超越人类主观能力控制的事物相关联,表达了一种带有宗教或超自然色彩的祈盼。这种祈盼通常是对某种不可控因素或外部力量的祈求,希望能够得到它们的眷顾或保佑[11]

图2为使用SkE平台词汇素描差异功能得出的与「祈る」搭配的宾格名词的分布图。

根据图2可知,「冥福」「健闘」「無事」「成功」「幸せ」等词与「祈る」搭配的显著性较高,在学习动词「祈る」时,可以建议学习者首先记忆这些词组的搭配使用。

Figure 2. Distribution of accusative nouns paired with “祈る”

2. 与「祈る」搭配的宾格名词的分布图

3.4. 「願う」与「祈る」的词汇素描对比分析

利用SkE平台的词汇素描差异功能考察这两个近义动词与宾格名词的搭配规律,如图3

Figure 3. The distribution of accusative nouns with “願う” and “祈る”

3. 分别与「願う」「祈る」搭配的宾格名词的分布图

观察图3,像「幸せ」「成功」「活躍」「幸運」「無事」等词似乎是「願う」「祈る」的共同搭配词(系统会以两种不同颜色的圆圈来呈现,两个圆圈贴在一起即表示可以同时与两个不同的动词搭配)。SkE平台的词汇素描差异功能能够考察这些与「願う」「祈る」同时搭配的宾格名词的搭配显著性,即对两个动词进行词汇素描差异对比。图4为「願う」和「祈る」的词汇素描差异信息,其中第一列是与二个动词搭配的宾格名词列表,第四列的数字表示与「願う」搭配的LD值,第五列数字表示与「祈る」搭配的LD值。

Figure 4. Differences in the vocabulary sketches of “願う” and “祈る”

4. 「願う」和「祈る」的词汇素描差异

图4可以看出,与「願う」搭配的LD值最高两个宾格名词为「協力」「アドバイス」,这两个名词不与「祈る」组合,因此,这些词与「願う」搭配较为恰当。「幸せ」与「名詞を願う」类组合里LD值为8.7,而与「祈る」搭配的LD值仅为8.5,因此,「幸せ」与「願う」搭配更为恰当。「活躍」与「名詞を願う」类组合LD值为5.7,而与「祈る」搭配的LD值为8.3,因此,「活躍」与「祈る」搭配更恰当。

4. 结语

本文基于SkE检索平台,考察了近义动词「願う」「祈る」的语义区别,并根据每个动词的显著宾格名词的搭配特点和规律:

願う:物质性名词「アドバイス」为显著搭配词,表达“希望对方给予建议”之义;与「協力」「回答」「連絡」等动作性名词的搭配较为显著,辨析度较高,此时表达“请求某人做某事”。

祈る:状态性名词「冥福」「健闘」为显著搭配词,这些词多与身体状况和农业生产丰收有关,表示带有宗教色彩的“祈祷、祝愿”。

基于SkE检索平台对「願う」与「祈る」进行对比,这两个近义动词相同的显著搭配词有「幸せ」「成功」「活躍」「幸運」「無事」;在词汇素描差异上,相较「祈る」,「協力」「アドバイス」「確認」「回答」与「願う」搭配更恰当。

今后笔者将进一步对「望む」「祈願する」等与「願う」和「祈る」同样具有近义关系的动词群进行考察,继续深入探究它们在词汇搭配及语义上的异同所在。

参考文献

[1] 郜楓. コーハスを利用した類義語のコロケーション分析: 擬態語「しんみり、しみじみ」と動詞の共起から[J]. ことばの科学, 2006(19): 129-140.
[2] 趙恩英. 毎日新聞データからみた複文における「ついに」「とうとう」の差について: 共起表現を中心に[J]. 日本語研究, 2010(30): 13-29.
[3] 大曽美恵子, 滝沢直宏. コーハスによる日本語教育の研究: コロケーション及びその誤用を中心に[J]. 日語学, 2003(5): 234-244.
[4] 中溝朋子, 等. 漢語名詞「進歩」と「向上」のコロケーションの異同について[J]. 大学教育, 2011(8): 88-95.
[5] 王华伟, 曹亚辉. 日语教学中基于语料库的词语搭配研究: 以一组动词近义词为例[J]. 解放军外国语学院学报, 2012, 35(2): 71-75, 91.
[6] 赵圣花, 刘莉, 邹善军. 基于语料库的词语搭配研究: 以“素直”“正直”“率直”为例[J]. 沈阳建筑大学学报(社会科学版), 2021, 23(4): 413-419.
[7] 赵圣花, 赵秀云, 江波. 基于Sketch Engine检索工具的日语近义词辨析: 以「積む」「蓄える」「重ねる」为例[J]. 外语教育研究, 2023(1): 41-48.
[8] 赵圣花, 赵秀云, 刘玉琴. 基于Sketch Engine检索工具的日语近义词辨析——以「探す」「探る」「見付ける」为例[J]. 东北亚外语研究, 2023, 11(3): 71-85.
[9] 赵圣花, 刘艳伟. 基于语料库的词语搭配研究: 以副词「いきなり」「突然」「急に」为例[J]. 外语教育研究, 2020(1): 22-30.
[10] 刘艳伟, 刘玉琴. 基于NLB检索系统词语搭配统计值的日语近义词词典编纂构想[J]. 东北亚外语研究, 2015(2): 70-75.
[11] 郜枫. 词汇搭配视阙下「願う」和「祈る」的语义特征研究[J]. 日语学习与研究, 2016(2): 23-30.
[12] 葛晓华. Sketch Engine的核心功能和应用前景[J]. 外语电化教学, 2017(4): 23-30.