本文轉(zhuǎn)載自：漢語(yǔ)堂

從19世紀(jì)末的洋務(wù)運(yùn)動(dòng)到21世紀(jì)初，中國(guó)的社會(huì)和語(yǔ)言經(jīng)歷了劇變。連續(xù)發(fā)行的報(bào)紙，是從內(nèi)容和語(yǔ)言上觀測(cè)社會(huì)變遷的重要切口。北京語(yǔ)言大學(xué)基于《申報(bào)》和《人民日?qǐng)?bào)》數(shù)據(jù)建立了自1872年至2015年的中國(guó)歷時(shí)報(bào)刊語(yǔ)料庫(kù)（BCC歷時(shí)語(yǔ)料庫(kù)，http://bcc.blcu.edu.cn/hc，或點(diǎn)擊閱讀原文）。該時(shí)段覆蓋了現(xiàn)代漢語(yǔ)書面語(yǔ)由孕育到成熟的關(guān)鍵階段。其中《申報(bào)》語(yǔ)料庫(kù)包含1872年到1945年，共77年跨度，共8600萬(wàn)詞?！度嗣袢?qǐng)?bào)》為1946年到2015年。語(yǔ)料庫(kù)經(jīng)過數(shù)據(jù)清洗、分詞規(guī)范制定、標(biāo)注平臺(tái)構(gòu)建、命名實(shí)體識(shí)別等語(yǔ)料準(zhǔn)備工作后，進(jìn)行了全文檢索和格式化檢索索引構(gòu)建，形成了近代中文報(bào)紙語(yǔ)料庫(kù)，并提供在線開放查詢服務(wù)。語(yǔ)料庫(kù)立足語(yǔ)言數(shù)據(jù)和語(yǔ)言學(xué)標(biāo)注，以探索現(xiàn)代漢語(yǔ)書面語(yǔ)形成的路徑為直接目標(biāo)，并將進(jìn)一步服務(wù)歷史學(xué)、新聞學(xué)和數(shù)字人文研究。

相比于之前BCC歷時(shí)檢索僅采用《人民日?qǐng)?bào)》二戰(zhàn)后數(shù)據(jù)，新版擴(kuò)容的BCC納入了中國(guó)最早發(fā)行的現(xiàn)代商業(yè)報(bào)紙《申報(bào)》。《申報(bào)》語(yǔ)料庫(kù)規(guī)模如下圖所示：

基于《申報(bào)》時(shí)間長(zhǎng)、內(nèi)部特征復(fù)雜的特點(diǎn)，參考了現(xiàn)有的一些分詞規(guī)范，分詞規(guī)范采用初步方案盡量適應(yīng)不同時(shí)期漢語(yǔ)的特點(diǎn)，適用于近代漢語(yǔ)、近代漢語(yǔ)向現(xiàn)代漢語(yǔ)逐漸演變以及最終現(xiàn)代漢語(yǔ)成型這所有的時(shí)期。出于對(duì)人文研究的兼容性，在分詞上在確?！耙?guī)范內(nèi)部一致”的前提下，突出了“大詞”的觀念，切分細(xì)化同時(shí)保證意義完整，并依此制定了相應(yīng)的分詞規(guī)范。突出“大詞”是指人名、地名、組織機(jī)構(gòu)名、科學(xué)術(shù)語(yǔ)和專名等一般劃為一個(gè)分詞單元?！耙?guī)范內(nèi)部一致”是指將由音節(jié)數(shù)造成的分詞處理方式不一致的地方全部歸一。如代詞和后接成分均分開，不受后接成分音節(jié)影響（“每/天”“每/分鐘”均分開），而“所”字后加動(dòng)詞需要切分?！按笤~”以外的詞語(yǔ)切分充分考慮不同時(shí)期的不同詞語(yǔ)的特點(diǎn)，在保證意義完整的前提下，進(jìn)行細(xì)致地切分。如數(shù)詞不進(jìn)行切分，“三分之二”等，保證其意義完整；而副詞后接動(dòng)詞的狀中結(jié)構(gòu)以及述賓、動(dòng)結(jié)、動(dòng)趨式離合詞等則要進(jìn)行切分，是盡量保證切分精細(xì)，更加全面體現(xiàn)詞語(yǔ)的變化。分詞規(guī)范的具體內(nèi)容則包括了命名實(shí)體（人名、地名、組織機(jī)構(gòu)名）、術(shù)語(yǔ)和專名、數(shù)詞和數(shù)量短語(yǔ)、時(shí)間詞、代詞、附加、復(fù)合、虛詞、離合詞、成語(yǔ)和熟語(yǔ)這十個(gè)方面，從詞語(yǔ)的意義、構(gòu)詞方式以及詞匯的分類方式多個(gè)角度出發(fā)，確定了適應(yīng)于《申報(bào)》的分詞規(guī)范。

擴(kuò)容后的BCC歷時(shí)檢索繼續(xù)支持通配符和字符串混合檢索，對(duì)比檢索等。由于《申報(bào)》沒有詞性，因此只能查到1946年后通配符帶詞性的話，1872-1946年內(nèi)只能用字符串來(lái)查。

“人民”（藍(lán)色）和“群眾”的對(duì)比

“生產(chǎn)”（紅色）和“建設(shè)”的對(duì)比

“學(xué)堂”和“學(xué)?！保t色）的對(duì)比

“嘿”（藍(lán)色）和“嗨”的對(duì)比

語(yǔ)料中它們作為嘆詞出現(xiàn)大概分別在1931年和1933年左右，年代相當(dāng)，之前都是其他含義。

外來(lái)詞“沙發(fā)”

出現(xiàn)于1882年，發(fā)展變化顯著。

金觀濤先生曾討論過的著名例子“天下”（紅色）與“世界”

使用通配符檢索“吃.*飯”（紅色）和“用.*餐”

如果你對(duì)其中一者感興趣，還可以點(diǎn)擊折線或立柱查看當(dāng)年的具體語(yǔ)料。

注：當(dāng)然，在兩個(gè)表達(dá)式進(jìn)行對(duì)比檢索的時(shí)候，點(diǎn)擊折線這能顯示其中一者的具體語(yǔ)料，如需查看請(qǐng)對(duì)兩者分別進(jìn)行檢索。

-END-

關(guān)注VX公眾號(hào)“翻譯技術(shù)教育與研究”、“語(yǔ)言服務(wù)行業(yè)”，了解更多語(yǔ)言服務(wù)行業(yè)與翻譯技術(shù)相關(guān)的資訊和洞察~