刘萍 吴良平
摘要：新一代网络语料库剖析体系CQPweb具有词频剖析、调配剖析、散布剖析、索引行以及主题词剖析等多种剖析功用。CQPweb于2014年初度引进国内，现在国内已建成三个CQPweb，更多语料库研讨者等待着创立自己的CQPweb。鉴于此，本文以HZAUCQPweb为例，具体介绍了CQPweb的创立流程，所要求的环境条件、技能要求、CQPweb的体系结构、办理权限等。HZAU CQPweb建成后，被运用于学术写作教育，探讨了CQPweb的三个首要剖析功用，即词频、调配、散布剖析功用在回答写作困惑方面的作用。运用研讨提醒：根据CQPweb的数据驱动学习在前进学生的言语认识、促进自动学习和常识内化等诸多方面优势凸显。本研讨旨在促进CQPweb在国内的推行运用。
要害词：CQPweb；渠道建造；数据驱动学习；学术写作教育
一、导言
近年来，跟着计算机技能的前进，语料库开发与建造迅猛开展。可是技能门槛与版权问题阻止了语料库资源的同享。最新一代网络语料库剖析体系CQPweb极大地简化了语料库检索操作，很大程度上消除了技能妨碍。一起，CQPweb将语料库文本贮存于网络服务器，用户无法仿制或重构语料库文本，使语料库版权得到维护。因此，有许多语料库研讨者等待架构自己的CQPweb，上载自建的语料库，用于教育与科研。鉴于此，本文以HZAU CQPweb为例，介绍CQPweb的建构流程及其运用。集易用性、兼容性与强壮功用于一体的CQPweb特别合适数据驱动学习（data-driven learning）。在教育中选用CQPweb，引进数字驱动学习的教育理念，将促进教育办法、教育手法的更新。CQPweb充分运用数据索引，能对大规划文本进行快速处理，契合大数据时代特征，代表着往后语料库剖析东西的开展趋势。
二、概述
1.cQPweb的开展进程
CQPweb是第四代根据网络的语料库剖析体系（McEnery&Hardie 2012：44），其首要剖析功用包含：索引行、调配、词频、要害词、散布剖析等。CQP（Corpus Query Processor）开始由德国斯图加特大学于1994年在Solaris渠道开发（Christ 1994）。1998年，StefanEvert以Linux为渠道持续开发（Evert 2008）。2006年Hoffman&Evert结合了两个独自的查询技能语料库作业渠道Corpus Workbench（CWB，CQP为其间心组件）和MySQL联络数据库，产生了新一代以CWB/CQP和MySQL为后台的语料库剖析体系BNCweb，既前进了体系的操作功用，又给予CWB/CQP一个更友爱的用户界面。可是，该体系只能检索英国国家语料库BNC，不兼容其他语料库。为了打破此限制，兰卡斯特大学Andrew Hardie用PHP言语改写了BNCweb，更全面的数据模型使其兼容简直全部类型的语料库，他将改善后的体系命名为CQPweb。2008年，首个CQPweb面世，它以开源软件办法发布，尔后不断推出新版本。
2.cQPweb的优势特征
CQPweb选用浏览器一服务器的散布式数据处理办法，能完成跨渠道检索，在功用性、易用性、灵敏性三个方面完成了重大打破。Hardie以为对语料库兼容并收的灵敏性是CQPweb的首要立异特色（Hardie 2012：380）。相对于其他语料库剖析东西，CQPweb优势突显。现在广泛运用的第三代语料库剖析东西，
如WordSmith Tools、MonoConc、AntConc等，尽管具有杰出的图形用户界面，易用性高，可是它们不支撑数据索引或杂乱检索，因此检索速度和功用大为差劲。还有一些语料库东西尽管检索功用强壮，但易用性差。例如德国斯图加特大学的CWB/CQP支撑大型语料库的快速、杂乱检索，但其检索技能门槛高，大都一般研讨者不会运用。别的一些语料库检索东西尽管易用，而且功用强壮，可是兼容性差。例如上述BNCweb仅能针对BNC检索，无法加载用户自建语料库。相比之下，CQPweb以常人熟知的浏览器为用户端，选用标准化的语料格局，能加载和检索恣意语料，在功用、易用、灵敏三者之间取得了较好平衡，成为现在功用最为全面的网络语料库剖析体系。
3.国内外cQPweb的开发与运用
在国外，CQPweb以其共同的优势遭到用户喜爱，现在，英、美、德、西班牙、加拿大等多个国家的大学和研讨机构选用了CQPweb，服务于教育和科研（许家金、吴良平2014：12），取得了杰出的作用。例如兰卡斯特大学在语料库言语学教育中选用了CQPweb，由于语料库检索操作被大大简化，学生有更多精力聚集于教育内容自身，因此学习功率得到前进（Hardie 2012：387）。另一方面，CQPweb的兼容性极大地拓宽了其适用范围，它乃至成为人文科学、社会科学范畴研讨者的研讨利器。例如Maatz（2014）运用CQPweb进行比照研讨，发现精神分裂症患者对第一人称代词“I”的运用多于正常人，这一发现有助于精神分裂症患者的病理研讨。
在国内，CQPweb作为一个新概念、新事物，2014年由许家金、吴良平（2014）宣布的专题论文初度引介。同年，国内第一个CQPweb体系“北京外国语大学多语种在线语料库检索渠道BFSU CQPweb”面世。该体系揭露发布了代表7种言语的33个不同类型的语料库，促进了语料库资源与东西的同享，一起促进了根据语料库网络渠道的言语研讨。在BFSU CQPweb演示效应的影响下，香港理工大学、华中农业大学也先后架构了各自根据校园网的CQPweb。这些前驱CQPweb体系使国内语料库研讨者体会了CQPweb的强壮功用、便当操作，以及它对语料库版权有杰出的维护，因此激发了一批语料库研讨者创立CQPweb的热心。他们纷繁在论坛、网站等学术阵地寻求创立CQPweb的技能与流程。可是，现有的相关文献少之又少，仅有的一篇中文文献（许家金、吴良平2014）未有触及CQPweb的具体创立流程及其在学科教育中的具体运用。
鉴于此，本研讨具体介绍华中农业大学CQPweb（以下简称HZAU CQPweb）的创立流程及运用研讨，旨在为同类研讨供给参阅学习。
三、H7AU GOPweb的创立流程
HZAU CQPweb为农科英语语料库网络体系渠道，选用CQPweb v3.0.7作为建构根底。建构网络型CQPweb需求两个基本条件：（1）CQPweb体系；（2）CQPweb专有格局语料库。CQPweb（自带装置阐明文档）可从其官方网站自行下载与装置。专有格局语料库装置到CQPweb体系后，用户方能检索。以HZAUCQPweb为例，咱们从环境条件、技能要求、体系结构、办理权限等方面论述CQPweb的建造流程。
1.创立cQPweb的技能参数与预备条件
CQPweb体系实为运转在Linux操作体系的一套开源程序，其首要构成元素为后台OpenCorpus Workbench 3.0+和用户界面CQPweb。软件条件为：GNU Linux 2.6+、Apache-2.0+、MySQL-5.0+、PHP5.3+、Perl-5.8+。硬件条件为：32位或64位Intel/AMD处理器、双倍于语料库巨细的闲暇硬盘空间，以及适量内存（假定1亿词次规划的语料巨细为1GB，将其架设在CQPweb渠道上所需的硬盘空间则约为2GB。依此类推）。HZAU CQPweb选用64位Linux，4GB内存，现在运转杰出。
CQPweb可处理杂乱数据类型语料，但对输入文件格局要求苛刻。在上载文本前，需求对文本进行清洁与处理，以削减犯错几率，触及多个进程：（1）删去源文本中的页眉、页脚、图表及阐明、参阅文献等言语学信息不强的部分；（2）切开与提取论文的各章节部分；（3）共同选用UTF-8编码；（4）去除空行、行首与行尾空格等空白；（5）转化全角符号至半角；（6）删去异字（如英文文本中搀杂的汉字）；（7）增加词性赋码；（8）转化语料格局为CQPweb专有格局。专有格局是CQPweb能加载恣意语料，成为通用语料库剖析体系的要害。其间论文章节部分的切开、提取需求专业布景常识。HZAU CQPweb建造中，调动了不同农科专业方向的博士生参加此项作业，以保证语料提取、加工的质量。
2.HZAU cQPweb两个数据模型与语料库的三层构架
CQPweb的检索功用的完成依托两个数据模型：语料库文本数据模型和语料库元信息模型。前者支撑一般检索，后者支撑分类检索。两个数据模型的结构描绘如下：
语料库文本数据模型选用一行一单词的竖排格局，每个单词后边可带词性、词形复原等若干标示成分（Hardie 2012：390）。在文本数据模型中，每个单词都标示了词性赋码，单词与词性赋码之间由制表符分隔，并排成CQPweb专有竖排格局。
语料库元信息指与语料相关的文本结构信息或社会言语学信息，如章节号、刊物来历等信息。语料库元信息模型分为两栏，左面为文本的ID，右边为文本的学科分类元信息。如果有一文本的ID为D01，其对应的学科元信息为DWKX，那么元信息模型中的D01DWKX解读为“动物科学（DWKX）文本库中的第1个文本”。文件ID与元信息之间由制表符分隔。元信息用于CQPweb限制条件检索（Restricted query），例如将带有DWKX（动物科学）元信息数据的全部文本可作为一个学科大类进行检索。HZAU CQP web能够完成章节部分的分类检索也是根据相同的原理。
上述两个数据模型运转在CQPweb后台的服务器上，而在HZAU CQPweb前端的浏览器网页上（http：//211.69.132.28/）呈现给用户的是语料库的三层架构：第一层是农科专业期刊论文语料库，录入英语母语者宣布的期刊论文。第二层是汉语母语学习者语料库，录入农科专业的硕士生、博士生编撰的英语学术论文。这两个语料库构架相同，均由依照章节部分和学科分类的两个子库构成：章节子库包含摘要（ABS）、导言（1NT）、办法（MET）、成果（RET）、评论（DIS）、定论（CON）6个库；学科子库包含植物科学（ZWKX）、动物科学（DWKX）、生命科学（SMKE）、园艺林学（YYLX）、农业经济（NYJJ）等9个库。第三层是比照语料库，包含经过授权的英语母语学习者语料库BAWE和文学作品语料库DICKENS，首要用于比照研讨。
3.cQPweb的体系结构与办理员权限
作为一套开源程序的调集，CQPweb体系首要分为服务器端和用户端两个部分，包含多个彼此联络的组件。检索进程开始于用户在浏览器的用户界面输入查询句子，服务器端收到查询恳求后，与CWB和MySQL两者进行交互，将终究成果经过浏览器呈现给查询用户，至此检索完毕。在检索进程中，用户的使命仅为输入恰当查询句子（参看许家金、吴良平2014：14），然后全部交由CQPweb自动运转处理。
体系办理员权限为：（1）语料库办理；（2）用户办理。在语料库办理方面，办理员可装置、修正、删去语料库，根据需求随时展现或躲藏特定语料库，还能够修正体系配置文件，对用户界面进行视觉作用调整。例如运用不同布景色彩区别不同语料库，下降认知负荷，便于同一体系上大批量布置语料库。在用户办理方面，体系办理员可创立单个用户或批量用户，并根据实践需求对用户进行分组，赋予不同拜访权限，例如仅对某一特定用户组敞开某一特定语料库。这种灵敏的用户组策略便于办理不同权限的语料库，也为同一体系布置不同权限的语料库供给了或许。
四、COPweb的多种剖析功用在学术写作教育中的运用
HZAU CQPweb建成后，咱们将其运用于农科专业博士生学术英语写作课程教育，在教育中，引进数据驱动学习（Data DrivenLearning，简称DDL）的教育理念。数据驱动学习由Tim Johns（1991）提出，其首要思想为：学习者作为研讨者，经过对很多语料数据的调查，自己概括、发现言语运用规则。教师作为引导者，为学生供给语料库资源与东西，指引学习者探求、发现。在DDL教育理念的指导下，传统上由教师教育的部分内容被转化成学生的自主学习使命，以促进学生凭借语料库，自己根究言语困惑的答案，然后掌握DDL学习办法，到达授人以渔的意图。
选用DDL的学习办法后，教师引导学生测验运用CQPweb渠道上的各种检索剖析东西，如词频、调配、散布、索引行以及主题词剖析等，回答写作实践中的疑问。限于篇幅，在此仅展现CQPweb的三个首要的剖析功用：词频剖析、调配剖析与散布剖析在写作教育中的运用状况。
1.词频剖析与调配剖析
在英语写作进程中学生常遭受选词与调配方面困惑，例如学术英语论文写作中一篇论文常要屡次用到“研讨”一词，写作者常纠结于多用research，仍是多用studV，标明“关于……的研讨”这两个名词究竟与介词of仍是on的调配更为频频？英、汉母语写作者在选词与调配上有无差异呢？CQPweb的检索成果如表1所示：
cQPweb的频数解析（Frequency breakdown）功用显现的数据标明：表达“研讨”之意时，英、汉母语者都更多地倾向运用study（studies）而不是research（es）。study of的呈现频率比study on高。相反，research on的调配比research of多。尽管英、汉母语者对这二词的选词与调配倾向整体共同，可是期刊论文语料库与学习者语料库的比照成果标明：英、汉语母语者在调配用法的频次上存在明显差异，汉语母语者运用studV on、research on以及research of这三词的调配明显高于英语母语者（p 频次与调配剖析成果显而易见地处理了学生写作中选词用语的困惑。CQPweb剖析数据呈现出英、汉母语者在言语运用上的差异，提醒出汉语母语者整体上存在对某些言语现象的过度运用或误用。该剖析有利于学生前进其言语敏感性，使其有认识地在选词用语上挨近英语母语者，然后前进言语运用的准确性和适切性，该剖析也有利于教师前进教育针对性。 2.散布剖析 本研讨中的学术英语写作首要触及科技英语论文写作。时态的运用经常困惑着科技论文的写作者。掌握不一起态在科技论文各部分的整体散布，有助于前进时态运用的准确性。现在时与过去时是科技英语论文最常用的两种时态，这两种时态在科技论文不同部分的散布状况如何呢？ 科技英语论文常用被动语态，作为被动语态标志的be动词在科技论文中运用频频，具有必定的代表性。咱们无妨以be动词的现在时和过去时为例，研讨两种时态在科技论文各部分的散布状况。咱们以is和are代表现在时（科技论文中罕见be动词的第一人称奇数办法am），以was和were代表过去时。CQPweb的散布剖析功用（distribution）以图表办法呈现出be动词的现在时与过去时在论文各部分的散布状况如下： 图1显现：be动词的现在时在评论（DIS）、导言（INT）、定论（CON）部分用得较多，在成果（RES）运用较少，办法部分（MET）运用最少。图2的显现成果与图1互补：be动词的过去时在办法部分（MET）运用最多，成果部分（RES）次之，在定论（CON）和评论（DIS）部分较少。从DDL教育理念动身，在学生调查CQPweb供给的数据及图表之后，教师应引导学生对数据进行评论剖析，以便学生自己发现时态运用的规则。评论得出以下定论：时态的运用因论文各部分写作内容的差异而不同：办法部分首要描绘试验资料的获取，陈说事情，因此多用过去式；成果部分描绘瞬时调查到的现实与数据，具有时效性，因此多用过去式；定论部分描绘对调查成果提炼后得出的一般规则，因此多用现在时。 传统教育中，时态的运用规则往往由教师教授，选用DDL学习办法后，言语运用规则经过学生自己调查、评论而发现。数据驱动的探求式、发现式的DDL学习办法比教师的僵硬灌注更能发挥学习者的主观能动性，促进学习者自动探求，有利于言语常识内化吸收。而CQPweb体系渠道为DDL学习供给了快捷条件。 根据HZAU CQPweb的学术英语写作课程完毕后，DDL学习状况的问卷调查成果标明：整体来说，师生对教育中选用CQPweb持活跃必定的情绪。师生共同认同：运用CQPweb供给的语料库资源与东西，进行数据驱动学习，有利于前进教育的针对性和学生的言语认识、促进自动学习和常识内化。可是，HZAUCQPweb的实践运用也标明：初度运用CQPweb的师生遍及以为语料库检索操作依然不行便利，对词汇层面以上言语现象的检索感觉困难。 五、结语 本文概述了新一代网络语料库剖析体系CQPweb的开展进程、功用优势、国内外CQPweb的开发与运用。整体而言，CQPweb在国外开展快，运用广，在国内处于起步阶段，需要推行。本文以HZAU CQPweb为例，介绍了CQPweb的建造流程，包含建造的环境条件、技能要求、体系结构、办理权限等。HZAUCQPweb建成后，运用于学术英语写作教育。运用研讨标明，师生遍及认同CQPweb对写作教育的促进作用，支撑根据CQPweb的数据驱动学习办法，一起，用户也反映CQPweb易用性有待进一步前进。现在，作为新生事物的CQPweb的开发与运用开展迅速，简直每月都有新版的CQPweb推出（源自CQPweb体系信息）。国内学者应该实时跟进国外的新开展，一起也测验开发一些本土化的剖析功用，以满意国内根据网络语料库剖析体系的言语教育与研讨之需。
