現代漢語構詞計量研究.pdf

1、漢語構詞是漢語語言學的重要領域。針對漢語詞的內部結構及相關的構詞現象，已經進行了為數眾多的研究，并積累了豐富的認識。漢語構詞研究的傳統(tǒng)路向往往將研究視野限定在單個的漢語詞，容易忽視漢語詞所處的真實語境，對于定量方法的重視程度也有待提高。這些因素使得漢語構詞研究難以考察與語言真實使用密切相關的構詞現象，尤其是漢語詞在語言真實使用當中的形成機制和相關的構詞屬性。本研究嘗試了一種基于真實語料并采用定量方法的漢語構詞研究新路向。新路向是一種基于

2、使用的漢語構詞研究路向，作為其研究對象的詞是在漢語真實語境當中使用著的詞。由于字是漢語真實語境中能夠被直接觀察的唯一語言單位，新路向將其作為構詞的基本單位，而詞被視為字在語言真實使用中形成的固定序列。新路向充分尊重漢語詞作為隱含在表現為連續(xù)字流的真實語境之下的語言單位的事實。除了在真實語境中考察單個的詞之外，新路向也將研究視野拓展到了缺乏詞邊界的整個漢語語境。這種經過拓展的研究視野有助于探索漢語詞在語言真實使用中的形成機制和相關構詞屬性

3、。同時，新路向選擇比較簡單并且符合人類認知規(guī)律的計量指標，以便讓研究結果在語言認知方面具有說服力。
　　本研究采用這種新路向試圖解決三個問題。(1)真實語境中的字-字同現關系的統(tǒng)計特征如何反映字的自由/粘著性和定位性？(2)不同的字具有怎樣的構詞能產性定量特征，其與字-字同現關系的統(tǒng)計特征之間有何聯(lián)系？(3)字-字同現關系的統(tǒng)計特征如何反映二字詞在真實語境中的形成機制？
　　本研究以語言復雜網絡的模型和指標為主，計量語言學的

4、傳統(tǒng)方法為輔來解答第一個研究問題。一方面，基于結合面寬窄的思想，提出了同現字豐富程度的概念。給定字的同現字豐富程度越高，其結合面就越寬?；跐h語真實語料，將給定字及其與其他字形成的同現關系構建為有向有權的字同現網絡，采用平均n次累積出/入度/熵的指標來測量給定字單側的同現字豐富程度。從概率配價的角度而言，這類計量指標反映的是給定字形成字-字同現關系的效率。另一方面，通過計量語言學的傳統(tǒng)方法，對給定字單側的同現字的類符總數和熵的增長趨勢進

5、行了非線性擬合，并基于擬合曲線的計量特征來反映字在單側的同現字豐富程度。
　　結果表明，字的同現字豐富程度能夠在較大程度上反映出字的自由/粘著性和定位性。給定字單側的同現字豐富程度與其在同側的構詞概率呈現顯著的負相關。單側同現字豐富程度越高，給定字就越不傾向于與同側的同現字構詞（或者說在該側的自由性趨勢越強）;反之，給定字就越傾向于與同側的同現字構詞（或者說在該側的粘著性趨勢越強）。給定字與其單側頻數最高的同現字往往是要構詞的。這

6、一趨勢對于單側同現字豐富程度較低的字尤其明顯。給定字單側的同現字豐富程度與其在同側的構詞偏好也呈現顯著的負相關。給定字兩側的同現字豐富程度的差異能夠大致反映其定位性。統(tǒng)計結果顯示，常用字在右側的同現字豐富程度的總體水平要顯著低于左側，表明這些字可能更容易與右側的字形成詞或者短語。字的整體同現字豐富程度能大致反映字的整體自由/粘著性。整體同現字豐富程度最高的字往往具有語法化趨勢，其中也包括了用作單字虛詞的字。這些單字虛詞在真實語境中是重要

7、的分詞符，其對應字的高水平的同現字豐富程度反映著這些詞在真實語境中的形成機制。非線性擬合結果表明，字單側的同現字類符數和熵的增長趨勢在較大程度上可以用適宜的曲線方程進行描寫。方程的計量特征也能大致反映字在單側的同現字豐富程度，以及字在同側的自由/粘著性。然而，非線性擬合的方法的適用性不及基于平均n次累計度/熵的方法。
　　解答第二個研究問題，首先需要進一步明確構詞能產性的本質，并區(qū)分不同的構詞能產性計量指標的意義。構詞能產性被區(qū)分

8、為過往和當前構詞能產性兩大類。前者是指在當前的共時階段之前的構詞能產性，而后者是指當前共時階段的構詞能產性，能預測未來產生新詞的能力。
　　從同現字豐富程度的不同水平段抽取了部分字，并考察了其過往和當前構詞能產性的計量特征。結果表明，字的過往構詞能產性與同現字豐富程度之間存在一定的關系。從概率配價的角度來看，這種關系反映著字形成字-字同現關系的效率與構詞能力之間的關系。對于同現字豐富程度極高和極低的字，其過往構詞能產性一般都是極低

9、的。具有高水平的過往構詞能產性的字，其同現字豐富程度應該處于適中的水平。非線性擬合的結果顯示，字構詞的類符總數的增長趨勢可以在較大程度上使用適宜的曲線方程進行描述。曲線的統(tǒng)計特征能夠大致反映給定字的當前構詞能產性。然而，非線性擬合的方法的適用性不及基于一頻次詞的構詞能產性指標。另外，字構詞的豐富程度也能反映其當前構詞能產性。字的過往和當前構詞能產性之間具有明顯的正相關性。字在當前構詞能產性上的差異能夠反映詞庫與詞法之間的平衡關系。給定字

10、的當前構詞能產性越強，其構詞過程對于詞法的依賴程度可能就越高;反之，其構成的詞就越有可能是存儲在心理詞庫當中。
　　本研究從頻數的概念入手，研究漢語二字詞在真實語境中的形成機制。首先提出假設，認為頻數效應在二字詞形成過程中的具體作用是在其局部語境中將其突顯為一個內部結合強于外部結合的結構性整體。滿足這種條件的字-字同現對是文本對應的有向有權字同現網絡中的二節(jié)點邊島嶼。在取自兩種語類的漢語真實語料的基礎上，分別構建了兩個以字為節(jié)點、

11、有向的字-字同現關系為邊、字-字同現關系頻數為邊權重的語言網絡模型。對兩個網絡的島嶼提取與分析結果表明，基本上只有漢語二字詞才能在有向有權字同現網絡中形成二字邊島嶼（即，內部結合強于外部結合的有序字對）。而且，任何二字詞在適宜的語境中都有機會形成二字邊島嶼。這些發(fā)現表明，漢語二字詞作為結構性整體的特性能夠在缺乏詞邊界的真實語境中自行體現出來。邊島嶼的概念為漢語二字詞作為結構性整體在缺乏詞邊界標記的語境中的突顯提供了明確的機制，該機制對于

12、二字詞在漢語的真實使用當中的形成和習得具有至關重要的作用。另外，邊島嶼的提取過程還揭示了一些多字詞的形成過程及其內部的層級結構。
　　本研究從實證和定量的角度填補了漢語構詞研究領域的某些空白，并有助于加深對于相關構詞現象的認識。本研究的發(fā)現表明，漢語構詞的相關特征與機制能夠在較大程度上通過真實語境中的適宜統(tǒng)計特征體現出來。這些統(tǒng)計特征往往與相關的語言單位的相對頻數聯(lián)系密切。例如，字的同現字豐富程度是由字的同現字的相對頻數分布決定的