基于语料库的小说文体学研究

基于语料库的小说文体学研究

基于语料库的小说文体学研究^[1]

马广惠

摘要：基于语料库的小说文体学研究是利用文学作品语料库和语料库分析工具，以文学语言和文学结构作为研究对象，或者对文学作品进行更翔实更深入的描述，或者用文体特征的统计数据和检索数据验证、说明读者对作品解读的合理性。本文用《喧哗与骚动》的第一章为例，介绍如何进行基于语料库的小说文体分析。

关键词：语料库、小说、文学语言、文体分析

现代文学研究，借用王一川（2004）对卡勒文学理论的阐释，“（1）不再像过去那样主要服从于哲学学科的统领，而是面向更多的、相互异质的学科开放，如社会学、政治学、人类学、语言学、传播学等；（2）不再从现成哲学概念中推演出自身的原则或命题，而是从具体的和个别的现象的分析中去归纳出答案。”

文学研究的开放性，使它可以面向众多学科开放，也包括对语料库语言学开放。语料库语言学可以为文学研究提供一套行之有效的方法及工具，使人们可以对文学作品进行更翔实、更深入的描述。基于语料库的文学研究不仅仅可以从个别的现象中归纳出答案，还更重视从众多的现象和现象之间的联系中归纳答案。此外，理论的真实性和概括性可以通过实证研究得以验证。文学理论也不例外。由于文学语料库可以容纳几百万、几千万，甚至上亿词的文学作品语料，人们可以从中得到充分的例证，验证或说明某些文学理论。

基于语料库的小说文体学研究是利用文学作品语料库和语料库分析工具，以文学语言和文学结构作为研究对象，通过用词分布分析、文体特征分析、情节分析等计算机统计分析技术，拓展传统的文学研究，提炼文学修辞、文学叙事的规则，考察作者的写作风格，甚至鉴别作品的真实作者（Oakes，1998）。这属于新文体学研究的范畴，即“运用现代语言学的技术和概念，研究文学作品”（Leech，2001：p．1），研究作品的语言特征与艺术功能或审美效果之间的关系。

基于语料库的小说文体学研究可以进行词频分析、词汇分布分析、句法分析、主题词分析和以主题词分析为基础的情节分析（plot analysis）。文学作品的主题词分析可以使人们明了作品究竟要表达哪些主题。

下面以福克纳的小说《喧哗与骚动》的第一章为例，说明如何进行基于语料库的文学研究。《喧哗与骚动》的第一章是一个33岁的痴呆者班吉的叙述。王振昌等（1997）对第一章的评论是，“一开始就让读者进入由一个白痴所理解的令人困惑、支离破碎的世界”（p．90）。班吉没有时间和空间的概念，现在的任何事情都可以随时把他带到过去的时间和空间。那么支离破碎的世界是如何通过语言的运用体现出来的？在班吉语无伦次的言语中，能否找出一条主线？对于这个问题的答案应该是肯定的，因为故事的叙述者虽然是个痴呆者，但作者是清醒的，用王振昌等人的话说，“读者可以看出作者对小说结构的安排是经过深思熟虑的”（p．91）。另外，几乎所有的评论者都认为，凯蒂即使不是小说的主角，也是小说的关键人物。那么她有多么的关键，是人们需要关注和证实的问题。此外，人们对《喧哗与骚动》第一章的语言评价是，语言简单、句子简短、词汇常见。那么，语言有多么简单，句子有多么简短，词汇有多么常见，这些都可以通过语料库语言学方法进行详尽的考察和描述。

为了回答上述问题，本文的作者采用了语料库语言学分析方法。作者首先建立了一个1000多万字的英语名著语料库，包括了19世纪到20世纪中叶的254部英语文学作品。当然，在时间和资料允许的情况下，可以将这个语料库做得更大，语料范围更广。语料收集完毕后，用语言分析软件Wordsmith制作出这1000多万字符语料库的词表和《喧哗与骚动》第一章的词表。两个词表制作完以后，用名著语料库的词表做参照词表（reference list），统计出第一章的主题词（keywords）。最后，借助主题词表，做出第一章的情节分布图。

表1：《喧哗与骚动》第一章的前20个主题词

续　表

主题词统计是语料库研究常用的文本分析方法。主题词指的是，与某个参照语料库中的词汇分布相比，某个特定文本中出现频率明显性高的那些词。例如，the在某个文本中的出现率最高，在设定的语料库中the的出现率也最高，那么the在文本和参照语料库中的出现率没有差别，它不成为主题词。假如Caddy一词与参照语料库相比，出现的频率明显性高，那么它就是主题词。主题词不一定是最常用词，而是在一个文本中相对出现频率不同寻常高的词。

主题词分析的结果给人们提供了很多可以深入探讨和解释的现象。统计结果显示，第一章共有226个关键词。前20个主题词（表1）包括12个人名，3个缩略否定词——dont、aint、cant，一个said，一个hush，一个go的两个形式，以及一个第二人称代词you。排在主题词词表前十位的词分别是，Caddy、said、Dilsey、Luster、Versh、Quentin、Dont、T．P、aint和Jason。这表明第一章的故事主体是康普生家里的孩子们，故事事件是发生在这些孩子身上的事，尤其是发生在凯蒂身上的事件。尽管Caddy一词在第一章中出现的频数只有280次，低于许多词，但它的关键性却高居榜首，说明凯蒂确实是作品中的关键人物，也说明和突出了凯蒂在班吉心中和记忆中的中心地位。凯蒂是家中唯一真正爱护、处处呵护班吉的人，她的一举一动和一言一行都影响着班吉的思维和行为，影响着他的喜怒哀乐。因此，班吉的记忆焦点自然集中在与凯蒂有关的一系列事情上，如凯蒂放假回来便带班吉出去玩，凯蒂为班吉的玩具和杰生发生冲突，凯蒂第一次用香水，凯蒂失去贞操，凯蒂结婚等等。凯蒂的一系列事件表现出一个女孩在特定环境中的成长历程和矛盾冲突。

Said一词在第一章中共出现907次，高居频数榜首，关键性第二，说明第一章的文体属于口语体，小说中的人物有大量的言语交流和互动。人们还可以进一步观察和解释为什么几个否定词语以及hush的关键性很强，它们的意义是什么，说明哪些问题。

第一章的情节分布图第一眼看上去似乎杂乱无章，但仔细观察，有规律可循。在班吉的眼里，人们不停地你来我往，不停地告诉别人不要这样，不要那样，不做这个，不做那个，不要出声。这是因为像人称代词、went／go、come／came、here、up／down、don’t、ain’t、can’t、hush这样的词贯穿全章。由此反映出康普生一家生活的不稳定状态和对人性的压抑。

为了分析第一章的用词情况，采用了Nation的“词汇分布分析软件”。该软件共有四个词表。第一个是最常用词表，第二个是次常用词表，第三个是学校教育常用词表，第四个是前三个词表以外的词。词汇分布分析结果显示，班吉一共用了1020个词项（lexeme），其中最常用词项466个，次常用词项209个，学校词项5个，其他词项340个。词符（type）1415个，其中最常用词符753个，次常用词符265个，学校词符5个，其他词符392个。总共用词20895个，其中最常用词17311个，次常用词1019个，学校用词5个，其他词2560个。词项指一个根词（base word）与它所有曲折形式和派生形式的集合。词符指文中每一个不重复的词。

第一章词汇分布的情况分析表明，班吉的词法知识比较少，因为每个词项只对应1．4个词符。用词变化很小，重复率很高，1415个词符使用了20895次。用词变化小说明班吉的词汇水平较低，或者解释为作者希望借班吉之口，反反复复说同样的事情，以引起读者的注意和重视。班吉的校园用词极少，说明班吉可能没有接受过任何正规的教育，或者他的生活中没有太多书本上的东西。但也不能完全说班吉使用的全是常见词，因为毕竟他还使用了390个非常用词。

当然，人们还可以利用赋码软件，对文学作品进行语法标注，研究文学作品的句子结构等众多语言特征，帮助解读作品。由于篇幅的限制，这里不再做进一步的讨论。

基于语料库的文学研究有助于人们更理性地观察、分析、描述和解释文学作品中的客观世界和主观世界，使文学研究和欣赏不仅仅局限于“读者须凭自己独特的理解能力、情感、价值取向、审美经验和生活阅历，积极参与小说的再创造……从书中纷繁杂乱的生活镜头和支离破碎的语言片段中挖掘和推测出故事的来龙去脉”（刘波，1998：39）。

参考文献

刘洊波，1998，论《喧哗与骚动》的复调结构［J］。《外语教学与研究》，第2期。

刘洊波，2004，《喧哗与骚动》的文体特征探微［J］。《外语教学》，第4期。

王振昌等，1997，浅析福克纳《喧哗与骚动》的结构特点［J］。《解放军外国语学院学报》，第4期。

王一川，2004，文艺学专题讲座第一讲：文学与文学理论。http://202.119.104.100/wxy/cipp/forumview.asp?forum_id=16＆view＿id＝228

Leech，G．N．and Short，M．H．2001．Style in fiction：A linguistic introduction to English fictional prose．Beijing：Foreign Language Teaching and Research Press．

Oakes，M．P．1998．Statistics for corpus linguistics［M］．Edinburgh：Edinburgh University Press．

【注释】

[1]原载《常熟理工学院学报》2005年第5期。