以中文十亿词语料库为基础之兩岸词汇对比研究.PDF

Computational Linguistics and Chinese Language Processing Vol. 18, No. 2, June 2013, pp. 19-34 19 © The Association for Computational Linguistics and Chinese Language Processing 以中文十億詞語料庫為基礎之兩岸詞彙對比研究 Cross-Strait Lexical Differences: A Comparative Study based on Chinese Gigaword Corpus ∗ + 洪嘉馡 、黃居仁 Jia-Fei Hong and Chu-Ren Huang 摘要 近幾年來，由於兩岸交流頻繁，兩岸使用的詞彙，也因此互相影響甚重，語言 學界對於漢語詞彙的研究，不論在語音、語義或語用上的探討，發現兩岸對使 用相同漢語時的詞彙差異有著微妙性的區別。而兩岸卻又的確是使用漢字體系 的書寫系統，只有字形上有可預測的規律性對應。本文在以兩岸皆使用中文文 字的原則上，在繁體中文與簡體中文的使用狀況來比對兩岸使用詞彙的特性與 現象，以探究與語義對應與演變等相關的議題。 首先，在 Hong 和 Huang (2006) 的對應上，藉以英文 WordNet 為比對標準， 藉由比較北京大學的中文概念辭典(Chinese Concept Dictionary (CCD))與中央 研究院語言所的中文詞網(Chinese Wordnet (CWN))兩個 WordNet 中文版所使 用的詞彙，探討兩岸對於相同概念詞彙的使用狀況。本文進一步使用中文概念 辭典與中文詞網所使用的詞彙，在 Gigaword Corpus 中繁體語料與簡體語料的 相對使用率，探究兩岸對於使用相同詞彙，或使用不同詞彙的現象與分佈情 形，並以 Google 網頁中所搜尋到的繁體資料與簡體資料進行比對、驗證。 關鍵詞：CCD, CWN, WordNet, Gigaword Corpus, Google, 兩岸詞彙, 詞義, 概 念                                                         ∗ 國立臺灣師範大學 National Taiwan Normal University E-mail: jiafeihong@ + 香港理工大學 The Hong Kong Polytechnic University E-mail: churenhuang@ 20 洪嘉馡、黃居仁 Abstract Studies of cross-strait lexical differences in the use of Mandarin Chinese reveal that a divergence has become increasingly evident. This divergence is apparent in phonological, semantic, and pragmatic analyses and has become an obstacle to knowledge-sharing and information exchange. Given the wide range of divergences, it seems