8、网络文本语料库：特性、挑战与应对策略

网络文本语料库：特性、挑战与应对策略

1. 网络文本的语域、体裁与类型

从语言学家的角度来看，仅靠语言和主题只能部分有意义地呈现网络内容，因此人们越发关注语域和体裁问题。技术发展催生了诸如聊天室、博客和主页等新的文本形式，同时传统体裁也经历了重新媒介化，这使得书面/口语、正式/非正式语域之间的旧有界限变得模糊，需要新的分类方法。

在传统语料库中，文本通常按主题/领域和体裁进行分类，但这种方法在网络上难以复制，因为传统语料库和网络都缺乏普遍接受的文本分类类型学。从语料库语言学的角度，区分文本的体裁、语域和类型一直是核心问题，识别网络体裁和语域将有助于更科学地将网络用作语料库。然而，由于网络文档比纸质文档更复杂、更不可预测，且体裁概念正在经历民主化过程，传统的文本分类标准难以适用于网络语料库。此外，体裁、语域以及相关的文本类型、领域和风格等概念本身就比较模糊，这进一步增加了为网络绘制体裁和语域图谱的难度。

在处理网络的体裁和语域时，还需克服一些固有偏见。人们常认为网络是一个以临时写作为主的写作空间，但实际上多样性才是其关键特征。网络上既有实时创作且未经编辑的文本，也有历史或文学文本的忠实再现；既有传统体裁适应新电子环境的形式，也有新出现的电子媒介交流体裁；语域范围从最正式的法律文件到非常非正式的博客和聊天室都有。因此，网络的问题不在于其实际内容，而在于如何区分和利用其庞大的内容。

目前，研究人员已认识到需要新的分类方法。Santini（2007）基于网络体裁的进化模式，结合早期分类，提出了五种可识别的体裁类型：
1. 复制/重复体裁
2. 改编/变体体裁
3. 新兴/新颖体裁
4. 自发体裁
5. 未分类网页 </