2026年10月29日下午，由广东外语外贸大学阐释与国际传播研究院主办的“语料库翻译学研究方法：理论基础、方法体系与智能化探索”系列讲座第三场在白云山校区科研楼一楼会议室举行。本场讲座以“AI时代的语料库检索与语言特征智能提取：方法、应用与挑战”为主题，特邀北京科技大学外国语学院教授、博士生导师、翻译学科带头人、当代语言科学研究中心主任赵秋荣教授担任主讲嘉宾。讲座由阐释与国际传播研究院博士后刘娜主持，研究院师生及校内外相关专业师生参加。

讲座伊始，赵秋荣教授从人工智能时代语料库语言学面临的新问题切入，围绕“AI能够直接提供地道的英语例句，为什么还要使用语料库？”这一问题展开讨论。她指出，AI生成的是“可能的语言表达”，而语料库记录的是特定样本中实际出现的语言使用，两者都具有研究价值，但不能作为同一种证据使用。在此基础上，她结合相关研究案例，进一步指出AI辅助语料库研究在检索完整性、分类准确性、语料代表性和结果可重复性等方面仍面临挑战。

随后，赵秋荣教授系统介绍了语料库检索的基本方法及其局限。她从关键词检索、词元与词形检索入手，进一步讲解正则表达式（Regex）和语料库查询语言（CQL）在复杂语言模式检索中的应用，并结合KWIC索引行与搭配分析，说明研究者如何对检索结果进行语境核验。她通过“car”“bank”等具体案例，展示了传统检索中可能出现的漏检与误检问题。例如，仅检索“car”可能遗漏vehicle、SUV、truck等相关表达，而检索“bank”则可能同时得到金融机构、地理名称等不同意义的实例。她强调，研究者设定的检索条件并不一定能够完整表达真正关心的语言现象，检索结果仍需要结合研究目的和具体语境进行判断。

围绕传统检索方法在复杂语言现象识别中的局限，赵秋荣教授进一步介绍了词向量与句向量在语料库检索中的应用。她以Word2Vec和SBERT为例，说明词向量能够借助相似语境发现潜在的相关词汇，句向量则能够通过语义相似度帮助研究者比较和组织不同索引行。她结合英国英语pavement与美国英语相关表达的检索案例，以及bank多义词的语义聚类案例，展示了词向量和句向量如何帮助研究者扩大候选表达的发现范围、组织检索结果并提高跨语料比较的效率。同时，她强调，向量相似度只能帮助研究者发现候选表达，不能自动决定这些表达是否符合研究对象的定义，最终判断仍需要回到真实语料和具体语境之中。

在语言特征的自动识别、提取与评价部分，赵秋荣教授将讨论进一步推进到AI辅助语言研究的可靠性问题。她结合人工分类与ChatGPT分类的对比案例，考察大语言模型能否复现已有的语料库语言学分析，并从语料真实性、提取准确性与完整性、语言学分类质量以及结果稳定性等维度展开分析。她通过新闻语料中的话语分析以及学术文本疑问句识别等案例，展示了AI在自动提取语言特征过程中可能出现的漏检、误检、分类错误、文本改写甚至虚构实例等问题。以疑问句识别为例，人工分析识别出41条直接疑问句和6条间接疑问句，而AI识别出的直接疑问句和间接疑问句分别为35条和7条，人工与ChatGPT共同识别的疑问句仅有28条。进一步分析发现，AI在长度和形式判断方面具有一定准确性，但在语篇功能判断方面仍存在明显不足。

在此基础上，赵秋荣教授结合自身研究案例，进一步讨论了AI辅助语料库研究的方法边界。她介绍了依存关系标注、提取与分析在翻译研究中的应用，并结合大语言模型翻译与人类译者译文的比较，考察不同译文在句法结构和信息组织方面的差异。她指出，大语言模型能够较为稳定地识别主语、宾语等核心句法关系，但在修饰、限定、连接、信息压缩以及语篇节奏等非核心句法关系方面仍可能存在不足。因此，译文表层的流畅并不意味着信息组织的充分，研究者需要借助可量化的语言特征进一步揭示文本背后的结构差异。

随后，赵秋荣教授介绍了大模型辅助学生译者修改的实证研究。通过对学生初译、大模型辅助修改以及专家译文进行词汇和句法特征比较，她指出，大模型辅助修改能够在一定程度上提升学生译文的准确性和流畅度，并显著改善词汇复杂度和词汇重复问题，但其对句法结构的影响相对有限。结合学生反思报告，她进一步指出，学生对于AI提出的句法修改建议并非全盘接受，而是会基于语义准确性和表达需求进行判断。这一研究表明，AI更适合作为翻译研究与翻译实践中的辅助工具，而非替代研究者和译者进行最终判断。

讲座最后，赵秋荣教授回到AI时代语料库翻译学研究的方法论问题，强调无论是传统语料库检索，还是词向量、句向量及大语言模型辅助的数据提取，都必须以明确的研究问题为驱动，以数据质量控制为基础，并重视结果核验和研究可复现性。她指出，AI可以帮助研究者扩大检索范围、提高数据处理效率，但语言研究中的分类、解释与理论判断仍需要研究者承担。只有将智能技术与规范的语料库研究方法结合起来，才能真正发挥AI在语言与翻译研究中的学术价值。

讲座现场

主持人刘娜博士后对赵秋荣教授的精彩讲授表示感谢。她指出，本场讲座不仅系统梳理了语料库检索、语言特征提取以及AI辅助语料库研究的基本方法，也通过多个具体案例展示了人工智能介入语言研究后所带来的方法创新与现实挑战。讲座结束后，与会师生围绕AI辅助语料检索、语言特征自动提取、检索结果核验以及大语言模型在翻译研究中的应用等问题与赵秋荣教授展开交流，进一步深化了对相关研究方法与技术边界的认识。

本次讲座是广东外语外贸大学阐释与国际传播研究院“语料库翻译学研究方法：理论基础、方法体系与智能化探索”系列学术活动的第三场。讲座从语料库数据提取这一关键研究环节出发，将传统语料库检索方法与词向量、句向量及大语言模型等智能技术相结合，不仅为师生开展语料库翻译学研究提供了更加规范、具体和可操作的方法路径，也进一步引导研究者思考AI时代语言与翻译研究中的证据意识、方法规范与学术判断问题。