走近COCA，在线语料库的翘楚 | 语言学午餐

美国当代英语语料库（Corpus of Contemporary American English，简称COCA）是目前最大的免费英语语料库，也是第一个大型的语料平衡的美国英语语料库。语料库由包含4.5亿词的文本构成，文本分为口语、小说、流行杂志、报纸以及学术文章五种不同的文体，各占库容的20%。

它不仅是一个简单的在线词典，而且从建立之初就体现了其作为检索语料库的特征，能够协助研究者追溯语言发展中的变迁（Davies，2010）。该语料库由美国杨百翰大学的Mark Davies教授主持创立并在2008年正式上线。其除了强大的文本检索功能外，由于将语料按照年份进行了细致的划分，使得研究者追溯语言发展中的变迁成为可能。

下面小编就来简要介绍一下COCA的主要功能和使用注意事项

这就是COCA的网站封面，看起来还是很有设计感的吧

封面过后，终于进入主界面了，看起来不是很繁琐，但实际上功能多多

这里就是最主要的操作处，也就是输入查询词的地方，先来个最简单的单词查询看看，直接输入cause（注：此处直接输入仅显示cause本身的搜索结果，不包括causes,caused等等，如需检索单词的全部形式，检索时需加[]，下同），下图则是检索的结果，右上是检索概要，右下是索引行信息。

COCA的一大特点是将文本分成了不同的语体，我们可以比较同一个词在不同语体中的出现状况，还是以上文的搜索词cause为例，我们试图对比其在人文类学术文章和科技类学术文章的分布差异，下图是其具体的检索结果，小编先解释一下，几个数据分别的含义，tokens1指检索词在第一部分语体中的出现频次（即图例中的人文类学术文章），tokens2指检索词在第二部分语体中的出现频次（即图例中的科技类学术文章），PM1和PM2则分别指两个语体中的百万词词频，RATIO则是二者的比值；下图中检索词在两种语体中差异还是相对明显的，科技类学术文章中的使用明显多于人文类学术文章。

就这点内容似乎还不够精彩，COCA还支持检索词的搭配关系搜索，看到图中的POST LIST选项了嘛，从中可以选出想要的搭配词类，比如说小编搜索与reflect后面出现的名词，并按相关度排序（见下图），便得到了reflect后面关联度最高的名词成分。

COCA同样可以让检索者方便的进行文本细读，比如说想知道检索词有哪些左邻词和右邻词，选择KWIC检索，便可以得到下图的索引行检索结果，索引行信息中完整的包含了语体、出处和年份信息，还对节点词附近的邻词按照不同的词类用不同颜色进行高亮表示。

除了列表显示（list），COCA还支持图标显示检索词在各语体中的分布情况，下图便是cause在语料库各语体中的分布情况。

更令人感到欣喜的是，COCA还支持不同语料库检索词语体分布信息的比较，如下图所示，可以与BNC、COHA、TIME等众多语料库的词语语体分布或历时变化特征比较（视对比语料库而定）

不仅如此，COCA还可以进行同义词辨析，比如说smart和clever,中国学生可能会分不清二者的区别，而借助语料库，可以轻松发现两者的常用搭配完全不同。

以上只是对COCA的功能的大致介绍，点击阅读原文可以直接进入美国当代英语语料库，除此之外，语料库还具有其他强大的功能，比如说检索特定词类（caugh.[v*],检索caugh做动词的使用情况），比如说检索同义词（[=cell],查找cell的同义词），以上介绍的也只是语料库众多功能中的几项而已，还需要大家继续探索和应用。

参考文献

汪兴富,Mark Davies,刘国辉. 美国当代英语语料库(COCA)——英语教学与研究的良好平台[J]. 外语电化教学,2008,05:27-33.

本文为语言学午餐原创文章，转载请注明出处。

责任编辑：田作宇

审核校订：金卫锋

© 语言学午餐Ling-Lunch丨Beijing

#[e-mail]#