英汉词库中的元音频率比较

      

      二、英语元音统计

      本节先介绍英语语料，然后介绍初步统计结果。接下来讨论双元音是否应该切分、国际音标的选择问题、轻读元音的音标、介音的处理以及最后结果。

      2.1 英语语料

      我们使用的英语语料是CELEX电子词典（Baayen et al 1995）。该词典记录的是英式英语。CELEX有两个词库，分别是“词形词库”（word-form lexicon）和“基本词库”（lemma lexicon）。前者有词条160595项，包括了复数、时态及所有格，因此，每个名词可能出现四次，每个动词也可能出现四次。比如名词“银行”可以有bank（单数）、banks（复数）、bank’s（单数所有格）、banks’（复数所有格）；动词“考虑”可以有consider（无时态）、considered（过去式）、considers（第三人称现在时）、considering（进行时）。“基本词库”不包括复数、时态、所有格，减少了重复，共有词条52447项。由于汉语词库不包括复数和时态，我们选择了CELEX的基本词库，这样更加便于两个语言的比较。

      CELEX的基本词库中有相当一部分是复合词、短语或缩略语，可以通过词条中的空格、横线、句点、省略号来辨认，我们将其一律排除。同音词我们则一律保留，如hide（隐藏，动词）和hide（皮革，名词）。语义语音相同但词类不同的词条我们也一律保留，如face（脸，名词）、face（面向，动词）。最终的有效语料共计41798词条，其中的音节共计109930个。

      2.2 初步结果

      CELEX共分24个元音，其中的四个鼻化元音只见于外来词。它们的出现频率从高到低排序见表1。根据这个结果，频率最高的元音是[I]。

      

      2.3 双元音是否应该切分？

      传统文献习惯将每个双元音当作一个音。主要理由有两条。第一，每个音节只有一个元音，而每个双元音只属于一个音节。第二，双元音当中没有明显的界限，语音上划分起来有困难。根据这两条理由，常常还有人把三元音，如[iau]、[uai]等，也作为一个音处理，如Lee & Zee（2003）。不过，从音系学的角度来看，双元音、三元音都应该进一步切分成单元音。

      首先，从押韵的规则来看，三元音的第一部分不属于押韵的要求，应该跟后面的双元音分开。比如，汉语的“要”和“到”押韵，其中的相同部分是[au]，英语称为thyme（韵母）（不包括介音，下同），说明[iau]应该切分成[i][au]。又如，汉语的“外”和“派”押韵，其中韵母的相同部分是[ai]，说明[uai]应该切分成[u][ai]。所以，“每个音节只有一个元音”“双元音、三元音当中没有明显的界限”这两条理由都没有根据，都不成立。

      下面我们考虑双元音是否也应该切分。首先，英语的双元音比短元音（经常称为“松元音”，如等）长几乎一倍，说明双元音在长度上可以算两个音。第二，英语的非轻读单音节词，韵母可以是VC（短元音加辅音），也可以是VV（双元音或长元音），但不能是V（短元音）。这个事实说明，在韵母中，VC相当于VV。由于VC显然是两个音位，所以VV实际上相当于两个音位，也应该一分为二。

      下面我们考虑长元音（经常称为“紧元音”，如[i：]、[u：]等）。长元音跟双元音类似，在长度上比短元音长，在韵母中也相当于VC，占了两个韵母位置。那么，每个长元音是否应该算两次呢？这个问题有两种观点，区别在于长元音的结构如何表达。我们先考虑图1所示的几种韵母结构。

      

      以上四个韵母分别都有两个韵位，根据习惯用XX表示。在图1中，a和b每个音位占一个韵位。至于长元音，学界的共识是，元音本身没有长度，它们的长度来自于所占韵位的数量。c和d是对长元音[i：]的两种分析。c认为i：]来自于两个[i]，它们分别占了一个韵位。d认为[i：]来自于一个[i]，不过这个[i]同时占了两个韵位。c和d哪个更合理呢？首先，c和d没有对立功能，所以，我们只能选其中之一。有理由认为，d的分析更为合理。

      其他的调整还有，我们将四个鼻化韵母排除了，因为它们只见于外来词，而且数量极少，频率处于末尾，不影响对其他元音的统计。

      根据以上讨论，我们将双元音一律切分成两个单元音，而且，每个长元音的出现只算一次，不算两次。再次统计的结果见表2。