基于計量語言學指標的漢英文本特征比較研究.pdf

1、計量語言學是以真實語料為基礎、用精確的方法來研究語言結構與發(fā)展規(guī)律的語言學分支學科。近年來用于文本特征研究的計量語言學指標不斷涌現(xiàn)，我們不僅可以使用這些指標來驗證傳統(tǒng)定性研究的某些結論，而且還可以借此發(fā)現(xiàn)其它研究方法難以發(fā)現(xiàn)或不能很好解釋的文本特征規(guī)律。本文選取的是綜合反映語言系統(tǒng)性特征的計量語言學指標，選用“漢英對比研究”語料庫中代表性語體的文本特征，展開跨語體、跨語言的共時和語言類型學比較。研究語料庫為蘭卡斯特漢語語料庫（LCMC）

2、和弗瑞伯格-布朗美式英語語料庫（Frown）。我們首先將文本特征進行量化，然后對文本特征的使用頻率和分布頻率等數(shù)據(jù)進行統(tǒng)計學處理，尋找這些語言現(xiàn)象背后的數(shù)理規(guī)律，并從語言學角度解讀其成因，為語言研究提供思路。
　　全文共分為六章。第一章為引言，首先對國內(nèi)外有關文本特征的質(zhì)性研究、量化研究、以及漢英對比研究的成果進行梳理，在此基礎上提出本文的研究問題。第二章為語料和研究方法的介紹，包括LCMC和Frown兩個語料庫、重要的計量語言學

3、指標（熵、h點和主題集中度）、計量工具等。第三、四、五章是結合具體的計量語言學指標進行的實證研究，分別對漢英不同語體在句法變化性、詞匯豐富性、以及主題集中程度方面的差異進行比較。第六章為全文結論，總結論文的主要發(fā)現(xiàn)及不足，并指出未來的研究方向。
　　第三章“基于‘熵’的漢英句法變化性及體標記差異考察”。熵是反映語言數(shù)學面貌的一個重要信息論參數(shù)，用以對語言的信息量進行量化描寫。我們研究的“詞位置相對熵”、“詞性位置相對熵”和“體標記

4、語言結構相對熵”這3個指標都具有一定揭示句法變化程度的意義?！霸~位置熵”和“詞性位置熵”用于研究不同語體的句法差異，其最顯著的特點是考慮了句中相繼出現(xiàn)的詞、詞性之間的相互影響以及相互關聯(lián)強度，這是其它研究方法都不太可能做到的。使用“詞性位置相對熵”的均值作為衡量不同語體的句法靈活度可能更為可靠。統(tǒng)計檢驗表明：“詞性位置相對熵”和“體標記語言結構相對熵”在漢英的不同語體之間存在差異，尤其是“敘述性Vs.說明性”語體之間差異顯著。
　

5、　第四章“基于‘熵’的漢英不同語體詞匯豐富性比較”?？疾觳煌Z體詞匯豐富性的差異，實際是研究不同語體“詞匯類型概率分布”存在的差異。本章把詞匯豐富性放入和“詞匯類型概率分布”具有關聯(lián)的三個分布函數(shù)中進行考察：“型例比分布”、“型例比-熵分布”和“詞匯頻率概貌分布”。經(jīng)研究，“型例比分布”和“型例比-熵分布”可以作為漢英不同語體的區(qū)別性參數(shù)。
　　由于“型例比-熵分布”可以看成是洛倫茲曲線的一種，即“無標度網(wǎng)絡洛倫茲曲線”，我們借鑒

6、“無標度網(wǎng)絡洛倫茲曲線”中的“α”（表示冪函數(shù)曲線的上凸程度）來比較不同語體“型例比”（TTR）的差異，是對不同語體詞匯豐富性最直接地比較。詞匯豐富性在漢英中皆表現(xiàn)為政府公文最低，小說最高，新聞間于兩者之間。
　　第五章“漢英不同語體‘主題集中度’的差異”。本章使用主題集中度（TC）、第二主題集中度（STC）和比例主題集中度（PTC）這三個指標，從語義層面上對政府公文、新聞和小說三種語體的差異進行量化比較。該方法有別于眾多“內(nèi)容分

7、析”范式的一點在于：可以經(jīng)由“主題詞”來進一步精確量化整個文本主題集中的程度，從而為后續(xù)的統(tǒng)計假設檢驗奠定基礎。我們將三種語體的三種主題集中度的數(shù)值作為特征向量，使用“圍繞中心點聚類”（PAM）和“層次聚類”（HA）進行分析，發(fā)現(xiàn)這些特征向量大都能正確聚集到自己的語體簇。聚類結果較為理想的原因有二：第一，每一種主題集中度的數(shù)值在每一種語體中都呈現(xiàn)出“層級式”差異，且三種主題集中度的數(shù)值在三種語體之間也呈現(xiàn)出“層級式”差異；第二，三種語體