北京口語語料查詢系統

北京口語語料

北京1981年，北京語言學院（今北京語言大學）來華留學生一系開始實施“北京口語調查”研究課題。1984年，該課題轉由北京語言學院語言教學研究所負責。1986年和1987年，該課題先後被列入國家教委博士點基金項目和國家哲學社會科學“七五”規劃重點科研項目。1992年通過專家鑑定。該課題先後由宋孝才、呂必松、任遠、常寶儒擔任負責人，由劉傑、常寶儒主持日常研究工作。

“北京口語調查”課題採用談話和錄音的方式，按照社會語言學的抽樣原則，在北京城區和郊區共調查了近500個在北京生長的人，得到錄音磁帶共210盤。課題組經審查確定其中374人120盤錄音帶的材料為有效材料。課題組對這374人120盤錄音帶的材料進行整理加工，取得了剪輯錄音帶、轉寫文本、語料庫等一系列成果。

經過多年輾轉，課題組當年未處理的約100多人（除了374個有效說話人以外的調查對象）的90盤（210－120=90）錄音帶，除了6個說話人的錄音材料以外，下落不明。在已處理的374人120盤錄音帶中，有1盤（4個說話人）的聲音材料已經完全損壞，今存370人119盤錄音帶。精加工的102人的40萬字轉寫文本今存有電子檔案及其列印件。其餘272人的130萬字轉寫文本的電子檔案下落不明，只有列印件。帶詞性標註的檔案下落不明，帶漢語拼音標註的檔案顯示為亂碼，已無法使用。語料庫在現在的電腦系統里已無法使用。

北京語言大學語言研究所自2001年建立以來，把重建完整、科學、實用的“北京口語語料”作為一項重要工作。2004年，“當代北京話套用研究”課題（曹志耘主持）獲得北京市哲學社會科學“十五”規劃項目立項。在隨後的幾年裡，課題組開展了下列工作：清理舊資料，錄入無電子檔案的語料，聽錄音校對文字，重新統一編排，把錄音帶轉為數字形式，進行話語分析標註和語音特徵標註，建立“文本－聲音”連結，試用檢索軟體，等，最終建成完整版“北京口語語料”，並完成一批相關成果。完整版“北京口語語料”的基礎語料包括：（1）由370人119盤錄音帶轉換成的有聲語料檔案（wav格式），（2）與錄音檔案相對應的184萬字的轉寫文本（word檔案。其中有4人的語料缺錄音）。承擔上述工作的，除了曹志耘以外，還有周晨萌、李鹹菊、劉曉海、張世方、張燕來、黃曉東、解正明、王莉寧等人。