基于语料库的《警察与赞美诗》中的词汇研究

涂春梅

【摘要】计算机辅助方法能被用来研究文本中的词汇模式.数据来自欧亨利的短篇小说《警察与赞美诗》和参考数据库是LOB语料库作比较数据和Antconc3.4.4软件来学习复制验证。

【关键词】复制 频率统计 词汇模式 警察与赞美诗 类符/形符比

一、引言

讨论词汇如何在文本中分配来模仿这些程序，讨论单词序列的一些特征。可以理解的文本，它的词汇必须有衔接性：新旧信息的模式分布在文中的重复相关的词汇链。话题是用词汇表示的。单词频率列表和单词分布图可能有助于识别主题和文本边界，为解释提供依据。用的语料是O Henry的短篇小说《警察与赞美诗》仅1363字。讲述为在监狱里度过寒冬，故意违反法律.他没如他所愿蹲监狱；最后，他到教堂，被赞美诗感动，决定痛改前非，却被送进了监狱。

二、分析1：频率统计（按降序）

1.功能词频率统计 在LOB和《警察与赞美诗》中，最高频十个单词降序是：1] LOB：the of and to a in that is was it；2] ‘the Cop and the Anthem：the a and Soapy of his he to in policeman；LOB和文中最高频率的词是the.发现此词在任何文本中都占很大比例。在LOB中它的频率所占比重低于文本中：LOB 6.1%，此文本中7.3%。2]中出现的词在1]中就没有Soap，his，he，policeman.这说明此五个词在此文本的频率列表中更高。估算这些词故事中的频率比在一般语言中多多少，比较了他们在LOB和文中的频率：3] LOB：Soap0，his 0.56%，he 0.82%，policeman 0.001%；4]此文本中Soap2.8%，his2.5%，he2.4%，policeman 1.1%.相对于文本长度，he和she在文中比在LOB更频繁。his和he的频率是一样的。第三人称单数代词，he/his和定冠词the指he，指Soapy，故意做了具体的事情。

2.实词的频率统计 忽略LOB中100个最常见的词，此文本的频率列表中最高频实词umbrella， bench， island， winter， restaurant， square， cigar， street， waiter， arrest， cop， door， glittering， moved， refuge， ambitions， arrested.最高頻的实词能揭示主角Soapy的行为变化，名词代表某地方的故事情节.关于词频的适度初始事实值表明简单的词频反映此故事的中心话题。……