莱比锡标注法

莱比锡标注法(Leipzig Glossing Rules)是以语素为单位,标注语料形态的体系。本文简单翻译其规则,方便查阅。

简介

莱比锡标注法是由马普所进化人类学所的 Bernard Comrie 和 Martin Haspelmath 与莱比锡大学的 Balthasar Bickel 共同编写,副标题 Conventions for interlinear morpheme-by-morpheme glosses(逐语素行间标注惯例)既说明了它的基本格式,也表明了它在语言学研究中的重要地位。

本文基于 2015/05/31 的修订稿。原稿参考文献如下:

@article{comrie2008leipzig,
  title   = {The Leipzig Glossing Rules: Conventions for interlinear morpheme-by-morpheme glosses},
  author  = {Comrie, Bernard and Haspelmath, Martin and Bickel, Balthasar},
  journal = {Department of Linguistics of the Max Planck Institute for Evolutionary Anthropology \& the Department of Linguistics of the University of Leipzig},
  volume  = {28},
  pages   = {2010},
  year    = {2008}
}

规则索引

莱比锡标注法主要有如下十条规则:

  1. 逐词对齐:语料和元语言逐词对齐。
  2. 逐语素对齐:语料切分语素后,与元语言逐语素对齐,用连字符连接。
  3. 语法标注:语法标注使用缩写、大写字母表示。
  4. 标注连写:同一个语素对应多个标注,用点连接。
  5. 人称和数的连写:人称和数之间的连写省略。
  6. 零形式标注:零形式承载的语法义包裹在中括号里。
  7. 固有语法范畴标注:语素固有的语法范畴包裹在小括号里。
  8. 非连续结构标注:非连续的结构,每个片段简单重复标注。
  9. 中缀标注:中缀的标注包裹在尖括号里。
  10. 重复成分标注:重复的成分与词根之间用波浪号代替连字符连接。

符号

符号含义
-连接两个语素
.连接两个语义或语法标注
=连接词根和黏着语素
_连接标注中元语言的多个语素
;连接形式上不可分的语义或语法标注
:连接形式上可分但省略切分的语义或语法标注
\连接词根和其上音变构词的标注
>连接主体和客体论元的语法标注
~连接重复成分和词根
[]零形式
()固有语法范畴
<>中缀

规则

规则 1

语料和元语言逐词对齐。第一行是语料,第二行是用元语言描述的语义标注及语法标注。个人认为,语料 按音位转写成国际音标 比较好,能更准确地表示语素(尤其是日语、印地语这样文字系统不是全音素文字的,至少需要转写,才方便在词内部切分语素)。

Indonesian (Sneddon 1996:237) Mereka 3pl di in Jakarta Jakarta sekarang. now 'They are in Jakarta now.'

规则 2

逐语素对齐是指将语料切分到语素,用连字符 - 相连。

Lezgian (Haspelmath 1993:207) Gila now abur-u-n they-OBL-GEN ferma farm hamišaluǧ forever güǧüna behind amuq’-da-č. stay-FUT-NEG 'Now their farm will not stay behind forever.'

特别地,若为黏着语素(clitic),则用 = 相连。

West Greenlandic (Fortescue 1984:127) palasi=lu priest=and niuirtur=lu shopkeeper=and 'both the priest and the shopkeeper'

(规则 2-A)若语料中两语素在语音或韵律上分属不同片段,但同属一个词,可以在语料行添加半角空格(个人认为如果应用国际音标记录语料,则可避免应用这条规则,两行的空格数将保持相同)。

Hakha Lai a-nii -láay 3SG-laugh-FUT 'He/She will laugh'

规则 3

表语法义的语素,用语法范畴的缩写表示,使用大写字母,一般是小型大写字母。根据标注的实际情况,也可以直接选用元语言的对应词汇。

规则 4

若一个语素包含多重词汇或语法意义,不同意义的标注之间用点号 . 连接。顺序自便。

French aux to.ART.PL chevaux horse.PL 'to the horses'

(规则 4-A)若是出于元语言的限制,调查的语言中某个语素必须由多个元语言语素表示,可用下划线 _ 替代点号。
(规则 4-B)若多重的词汇或语法意义在形式上不可分,但又属于不同范畴(比如,多种语法功能的屈折词缀),可用分号 ; 替代点号。
(规则 4-C)若多重意义在形式上还可切分(即,未切分到语素层面),但为简便起见不再切分,可用冒号 : 替代点号。
(规则 4-D)若存在音变构词(morphophonological change),可用反斜杠 \ 替代发生音变的语素中的点号。
(规则 4-E)若同时存在主体和客体的语法范畴标记,可用大于号 > 简写。

4-A: Turkish çık-mak come_out-INF 'to come out'
4-B: Latin insul-arum island-GEN;PL 'of the islands'
4-C: Hittite (Lehmann 1982:211) n=an CONN=him apedani that:DAT;SG mehuni time:DAT;SG essandu. eat:they:shall 'They shall celebrate him on that date.' (CONN = connective)
4-D: German unser-n our-DAT.PL Väter-n father\PL-DAT.PL 'to our fathers'
4-E: Jaminjung (Schultze-Berndt 2000:92) nanggayan who guny-bi-yarluga? 2DU>3SG-FUT-poke 'Who do you two want to spear?' (2DU>3SG = 2DU.A.3SG.P)

规则 5

人称和数的语法标记连写时,点号省略。
(规则 5-A)对于人称、数、性等语法范畴绑定紧密的语言,其间点号皆可省略,标注也可用小写。

Italian and-iamo go-PRS.1PL 'we go'

规则 6

通过零形式表示的语法范畴,用中括号 [] 包裹,或在语料行中插入空记号 Ø

Latin puer boy[NOM.SG] puer-Ø boy-NOM.SG 'boy'

规则 7

某个语素固有的语法范畴(比如性),用小括号 () 包裹。

Hunzib (van den Berg 1995:46) oz#-di-g boy-OBL-AD xõxe tree(G4) m-uq'e-r G4-bend-PRET 'Because of the boy the tree bent.' (G4 = 4th gender, AD = adessive, PRET = preterite)

规则 8

二部(bipartite,或者多部分) 的不连续的结构(比如阿拉伯语的词根),简单重复标记即可,或使用 STEM 代替词汇语义标记,CIRC(circumflex) 代替语法标记。

Lakhota na-wíčha-wa-xʔu̧ hear-3PL.UND-1SG.ACT-hear na-wíčha-wa-xʔu̧ hear-3PL.UND-1SG.ACT-STEM 'I hear them' (UND = undergoer, ACT = actor)
German ge-seh-en PTCP-see-PTCP ge-seh-en PTCP-see-CIRC 'seen'

规则 9

中缀在语料和标注中同时用尖括号 <> 包裹。左结合(left-peripheral)则在标注中出现在词干左侧,右结合则在右。

Tagalog b<um>ili <ACTFOC>buy 'buy'
Latin reli<n>qu-ere leave<PRS>-INF 'to leave'

规则 10

重复的成分与本体间用波浪符 ~ 代替连字符。

Tagalog bi~bili IPFV~buy 'is buying'

扩展链接

Wikipedia - List of Glossing Abbreviation 介绍了 Wikimedia 使用的扩展语法,并提供了一个详尽的语法范畴缩写速查表。

也可参考知乎文章 - 怎么用莱比锡缩写系统描述语言?

排版

Web

本博客中使用的布局如下:

<div class="leipzig">
  <span class="l-title">
    Lezgian (Haspelmath 1993:207)
  </span>
  <span class="l-align">
    <span>
      <span>Gila</span>
      <span>now</span>
    </span>
    <span>
      <span>abur<strong>-</strong>u<strong>-</strong>n</span>
      <span>they<strong>-</strong><span class="l-abbr">OBL</span><strong>-</strong><span class="l-abbr">GEN</span></span>
    </span>
    <span>
      <span>ferma</span>
      <span>farm</span>
    </span>
    <span>
      <span>hamišaluǧ</span>
      <span>forever</span>
    </span>
    <span>
      <span>güǧüna</span>
      <span>behind</span>
    </span>
    <span>
      <span>amuq’<strong>-</strong>da<strong>-</strong>č.</span>
      <span>stay<strong>-</strong><span class="l-abbr">FUT</span><strong>-</strong><span class="l-abbr">NEG</span></span>
    </span>
  </span>
  <span class="l-trans">
    'Now their farm will not stay behind forever.'
  <span>
</div>
.leipzig {
  display: flex;
  flex-direction: column;
}

.leipzig .l-align {
  display: flex;
  flex-wrap: wrap;
}

.leipzig .l-align > * {
  display: grid;
}

.leipzig .l-title,
.leipzig .l-trans {
  display: block;
  width: 100%;
}

.leipzig .l-abbr {
  font-variant: all-small-caps;
}

可以用以下的 Python 脚本协助切分语料。

import re
import pyperclip

source = input().split()
meta = input().split()

meta = [re.sub('([A-Z]+)', '<span class="l-abbr">\g<1></span>', word) for word in meta]

template_str = '''    <span>
      <span>%s</span>
      <span>%s</span>
    </span>'''

res = '''<div class="leipzig">
  <span class="l-title">
  </span>
  <span class="l-align">
%s
  </span>
  <span class="l-trans">
  </span>
</div>
''' % '\n'.join([template_str % pair for pair in zip(source, meta)])

print(res)
pyperclip.copy(res)

排版要简便许多。使用 gb4e 宏包可以轻松获得漂亮的标注。

\begin{exe}
\ex{
\gll Gila abur-u-n ferma hamišaluǧ güǧüna amuq^{\prime}-da-č. \\
now they-\textsc{obl}-\textsc{gen} farm forever behind stay-\textsc{fut}-\textsc{neg} \\
\trans `Now their farm will not stay behind forever.'}
\end{exe}