Paper 3 语言分析：理解 N-Gram（N元语法）图表
嘿，未来的语言学家！欢迎来到语言分析中最令人兴奋、最注重数据的领域之一。在 Paper 3 的 Section A（语言演变）中，你不仅需要分析历史文本，还需要解读能证明这些变化真实存在的硬数据。这就是 N-gram（N元语法）图表大显身手的地方！
本章将为你提供解读这些语言学图表的技能。别担心“N-gram”听起来很复杂——它其实就是一种统计词语的巧妙方法，用来观察我们的语言在几百年间是如何发生演变的。这项技能对于实现 AO4（理解研究方法）和 AO5（分析数据）至关重要。
什么是语料库数据，为什么我们需要它？
数字图书馆：语言语料库
为了研究语言随时间的变化（即历时语言学，Diachronic Linguistics），我们需要海量且可靠的文本。我们不能仅仅依赖几封信件或几首诗。
-
核心术语：语料库 (Corpus，复数：Corpora)
语料库是一个规模庞大、结构化的数字化文本集合（书面或口语），旨在代表特定的语言或语言变体（例如美式英语，或 18 世纪的医学文本）。
- 类比：你可以把语料库想象成世界上最大的数字图书馆，按照日期和体裁完美地分类整理。计算机无需翻页，就能瞬间统计出某个特定词语或短语出现的每一个次数。
用于生成这些图表最著名的语料库是 Google 图书语料库 (Google Books Corpus)，其中包含了自 1500 年至今出版的数十亿册书籍中扫描的词汇。
剖析 N-Gram（N元语法）
术语“N-gram”指的是在文本语料库中发现的由“N”个项目（通常是单词或字母）组成的序列。
- N = 数字。这个数字告诉你正在统计的序列中有多少个单词。
-
1-gram (Unigram，一元语法)：单个单词。
例子：“bicycle”（自行车），“internet”（互联网），“thou”（古英语：你） -
2-gram (Bigram，二元语法)：由两个单词组成的序列。
例子：“shall not”（不应），“social media”（社交媒体），“I am”（我是） -
3-gram (Trigram，三元语法)：由三个单词组成的序列。
例子：“at the end”（最后），“if you like”（如果你喜欢）
快速回顾：N-gram 是我们要统计的对象，而语料库是我们进行统计的海量源材料。
解读 N-Gram 图表：变化的视觉化呈现
N-gram 图表（或查看器）将语料库中的原始计数数据提取出来，绘制成图表。这使我们能够观察到频率（单词/短语使用的频繁程度）随时间的变化。
理解图表坐标轴
N-gram 图表通常被设计用来展示随时间的变化：
-
X 轴（横轴）：时间/年份
该轴通常从较早的年份（例如 1700 年）延伸至现代（例如 2000 年）。它展示了你正在分析的历史时期。
-
Y 轴（纵轴）：频率或百分比
这是最关键的坐标轴。它显示了 N-gram 的相对频率。频率通常表示为该年出版的所有单词中的百分比。这一点非常重要，因为它对数据进行了标准化——它考虑到了 1950 年出版的书籍数量远多于 1750 年这一事实。
关键点：线条的斜率讲述了故事。急剧上升意味着快速普及；稳步下降则意味着逐渐被淘汰。
Paper 3 中分析 N-Gram 图表的技能
当你在考试中面对 N-gram 图表时，你的任务不仅仅是描述线条，而是要分析它们并将它们与语言学概念联系起来 (AO5)。
1. 识别关键趋势（基础）
-
上升的线条：表明单词/短语的使用率增加或受欢迎程度提升。这通常暗示了词汇习得 (Lexical Acquisition)（词汇进入语言）或意义的词义扩大 (Broadening)。
例子：“technology”（技术）的使用率在 1940 年后急剧上升。 -
下降的线条：表明使用率下降，可能导致词汇丧失 (Lexical Loss)或古语化 (Archaism)（词汇变得过时）。
例子：“whilst”的使用率随着“while”的增加而下降。 - 平坦的线条：暗示使用稳定，通常代表基础性的语法项或常用词汇（如“the”或“water”）。
2. 分析竞争与替代
通常，图表会比较两个或多个功能相同的术语。这种分析揭示了词汇替代 (Lexical Replacement)。
-
交叉点：仔细观察两条线相交的地方。该点标志着一个术语正式变得比另一个术语更常用的时间。
例子：“radio”的曲线可能在 20 世纪 30 年代左右与“wireless”的曲线相交，显示出新词在词汇竞赛中胜出。 - 发散：如果两个词起初使用情况一致，随后一个迅速上升而另一个迅速下降，则说明它们的含义可能已经发散 (Diverged)（分化），或者其中一个正在取代另一个。
3. 语境化异常值（探究“原因”）
如果你看到突发的急剧上升或下降，你必须将这些语言数据与现实世界的社会、政治或技术语境联系起来 (AO4)。
-
突发高峰：通常由重大的历史事件引起。
例子：1914 年至 1918 年间“trench warfare”（堑壕战）使用率的大幅激增。 -
突然习得：新发明或新概念迫使新词汇的产生。
例子：“internet”或“email”在 1990 年前后从零使用量开始急剧上升。
💡 避免常见的错误
- 错误 1：混淆计数与频率。你必须记住 Y 轴显示的是相对频率（该词在当年所有词汇中的占比），而不是它出现的绝对次数。这避免了因某年出版书籍数量差异而导致的分析偏差。
- 错误 2：忽视日期。在分析中务必提及特定的时间段（例如：“该词在 1880 年至 1910 年间使用达到顶峰，随后开始急剧下降”）。
- 错误 3：仅仅描述线条。考官需要的是分析。不要只说“线条上升了”。应该说：“1960 年后‘astronaut’（宇航员）使用率的显著上升趋势，反映了在全球‘太空竞赛’背景下产生的词汇习得现象。”
由图表展示的现实语言演变概念
N-gram 图表是你在 Paper 3 中学习的许多核心语言演变概念的完美视觉证明。
A. 语义演变（意义偏移）
图表可以显示与词义变化相关的频率偏移。
-
褒义化 vs. 贬义化：如果一个词的频率急剧下降，可能是因为发生了贬义化 (Pejoration)（它获得了负面含义），导致说话者寻求替代词。
你知道吗？“gay”一词在 1960 年后因语义偏移，其频率和语境发生了巨大变化。 - 词义缩小 vs. 词义扩大：如果一个词的使用率在几个世纪里缓慢而稳定地增长，可能是因为词义扩大 (Broadening)（其含义涵盖了更多概念）。如果一个词急剧下降，它可能已经词义缩小 (Narrowed)到非常具体、小众的语境中。
B. 语法和正字法（拼写）演变
N-gram 不仅适用于单个单词；它们也是发现语法结构变化或拼写转移的绝佳工具。
- 正字法（拼写）：比较“colour”与“color”（如果搜索“the colour”与“the color”，它们就是二元语法），可以显示正字法在地理上的差异以及这些变体何时固定下来。
- 语法/句法：分析“hath”与“has”的使用，揭示了在早期现代英语时期，旧的屈折变化逐渐消亡并向现代句法过渡的过程。
C. 词汇竞争
图表清晰地展示了同义词或替代短语之间的竞争，这通常导致其中一个术语占据主导地位。
例子：一张比较“cannot help but”和“can't help but”的图表显示了随着时间推移，书面英语中正式程度的变化，缩略的、更口语化的版本频率在不断上升。
N-Gram 分析快速检查清单
- 正在追踪的是哪个特定的 N-gram（单词/短语）？
- 图表涵盖了什么时间段？
- 总体趋势是什么（上升/下降/平坦）？
- 是否存在显示词汇替代的交叉点？（正在竞争的两个术语是什么？）
- 是否有突发的上升或下降（异常值）？（什么历史语境可以解释它？）
- 该图表展示了哪个具体的语言演变概念（例如：词汇丧失、褒义化、词汇习得）？
如果你能回答这六个问题，你就已经成功解读了数据，并准备好将其整合进你的 Paper 3 论文中了！