關(guān)于英語語篇結(jié)構(gòu)標(biāo)注研究綜述

1、關(guān)于英語語篇構(gòu)造標(biāo)注研究綜述論文關(guān)鍵詞：修辭構(gòu)造理論篇章構(gòu)造標(biāo)注論文摘要：語篇構(gòu)造標(biāo)注起步較晚，但以修辭構(gòu)造理論rst為指導(dǎo)的篇章修辭構(gòu)造標(biāo)注最近獲得了令人矚目的成績。目前，已經(jīng)建成并公布的篇章構(gòu)造標(biāo)注語料庫是由美國南加州大學(xué)信息科學(xué)學(xué)院的一個(gè)課題小組完成的，由385篇文章組成，是一個(gè)大規(guī)模、高質(zhì)量、高一致性的帶多層語言學(xué)標(biāo)注信息的參照篇章語料庫。語料庫建立的主要成就為：確立了如何將語篇切分為根本語篇單位的理論，擴(kuò)展了修辭關(guān)系集，為rst理論的運(yùn)用提供了廣闊的前景。本文綜述該語料庫建立的研究成果。0.概述隨著計(jì)算機(jī)技術(shù)的普及和開展，語料為機(jī)器可讀成為語料庫建立的最根本的要求之一。要到達(dá)語料機(jī)讀

2、化這一目的，關(guān)鍵在于語料的標(biāo)注。所謂標(biāo)注，就是對(duì)語料庫中的原始語料進(jìn)展加工，把各種表示語言特征的附碼標(biāo)注在相應(yīng)的語言成分上，以便計(jì)算機(jī)的識(shí)讀。語料標(biāo)注的類型主要包括語篇背景信息、詞性、詞形、句法分析、語義、語篇構(gòu)造等。從當(dāng)前的研究現(xiàn)狀來看，雖然語篇構(gòu)造標(biāo)注起步較晚，但以修辭構(gòu)造理論rst為指導(dǎo)的篇章修辭構(gòu)造標(biāo)注最近獲得了令人矚目的成績。目前，已經(jīng)建成并已公布的篇章構(gòu)造標(biāo)注語料庫是由美國南加州大學(xué)信息科學(xué)學(xué)院的一個(gè)課題小組完成的，由385篇文章組成，是一個(gè)大規(guī)模、高質(zhì)量、高一致性的帶多層語言學(xué)標(biāo)注信息的參照篇章語料庫。在這根底上研究小組還進(jìn)展了自動(dòng)篇章標(biāo)注算法、自動(dòng)文摘、機(jī)器翻譯等詳細(xì)應(yīng)用工程方

3、面的研究。該參照篇章語料庫的建成不但為篇章構(gòu)造標(biāo)注建立了理論體系，而且為語篇構(gòu)造的應(yīng)用研究開拓了新的領(lǐng)域。本文將綜述該參照篇章語料庫建立的研究成果。1.理論支撐的建立根據(jù)arlsn2001的介紹，用于話語分析的理論有很多，如grz和sidner(1986)ann和thpsn(1987)等都提出了自己的篇章分析理論，但這些理論主要用于單個(gè)的文本分析，往往著眼于語篇的某一個(gè)方面，如指代關(guān)系、語篇的風(fēng)格、語篇的多維性以及某一理論在語篇中的表達(dá)等，很少被用于大規(guī)模的語料分析或語料標(biāo)注。在建立參照語料庫時(shí)，arlsn2001等研究者將ann和thpsn(1987)提出的修辭構(gòu)造理論rst用于大批量的語篇

4、標(biāo)注和語篇分析。他們認(rèn)為用修辭構(gòu)造理論rst對(duì)語篇進(jìn)展標(biāo)注有三點(diǎn)優(yōu)勢：可以同時(shí)捕捉到特定文本的交際意圖、語義信息和文本本身的特征；先前的研究說明該理論可以使不同的標(biāo)注者在標(biāo)注不同的文本時(shí)到達(dá)一定的統(tǒng)一；用該理論標(biāo)注的語篇樹形圖對(duì)構(gòu)建自然語篇生成系統(tǒng)、自動(dòng)文摘系統(tǒng)、文本測評(píng)系統(tǒng)起著關(guān)鍵的作用，也可以用來增強(qiáng)機(jī)器翻譯的自然性。參照篇章語料庫的建成確立了篇章構(gòu)造標(biāo)注的理論基矗2.根本語篇單位確實(shí)定語篇構(gòu)造標(biāo)注的另一成就是確定了英語根本語篇單位。在確定根本語篇單位時(shí)，不同的研究者往往運(yùn)用不同的理論。givn1983認(rèn)為從句應(yīng)該成為語篇的根本單位，saks1974認(rèn)為談話的話輪應(yīng)該成為語篇的根本單位，p

5、lanyi1988堅(jiān)持語篇應(yīng)該以自然句為切分單位，grsz和sindner1986認(rèn)為語篇的根本單位應(yīng)該從語篇的上下文中獲取，它是由一定的符號(hào)所反映的信息載體，能反映事物的單個(gè)狀態(tài)或部分狀態(tài)，最有影響的修辭構(gòu)造理論認(rèn)為從句應(yīng)該是語篇的根本單位，不管從句有沒有語法標(biāo)記或詞匯標(biāo)記。然而，在詳細(xì)標(biāo)注時(shí)，aru等研究者對(duì)根本語篇單位有了新的規(guī)定：所有有詞匯或句法標(biāo)記的起狀語作用的從句都屬于根本語篇單位，包括起狀語作用的非謂語動(dòng)詞詞組；充當(dāng)主語、賓語、補(bǔ)語的從句不屬于根本語篇單位；定語從句、后置的名詞修飾短語或?qū)⑵渌菊Z篇單位割裂開的從句或非謂語動(dòng)詞短語為內(nèi)置語篇單位；除此而外，還有一定數(shù)量的有明顯語

6、篇標(biāo)記的短語作為根本語篇單位，如由inspitef盡管,ardingt根據(jù)等引導(dǎo)的短語。aru的切分方法綜合了grsz和sindner1986和ann(1987)和thpsn1987的理論，在確定根本語篇單位時(shí)考慮到詞匯、句法、語義和在句中的位置等因素。3.修辭關(guān)系的擴(kuò)展當(dāng)初，ann和thpsn1987提出修辭構(gòu)造理論時(shí)只給出20多種修辭關(guān)系，但他們明確指出這是一個(gè)開放關(guān)系集，既然是開放性的，就意味著讀者在給定話語的內(nèi)部可以定義出其他的關(guān)系類型。aru2000根據(jù)標(biāo)注的語料庫總結(jié)出53種單層核心關(guān)系和25種多層核心關(guān)系，78種定義關(guān)系又分成16個(gè)組別，每組都具有一樣的修辭功能。就如同當(dāng)初的定義

7、關(guān)系集一樣，這些關(guān)系覆蓋了根本語篇單位、語段乃至整個(gè)語篇。通過這些關(guān)系，不同層級(jí)的語言片段被連接起來，構(gòu)成一定的抽象形式。4.標(biāo)注標(biāo)準(zhǔn)和方法的制定為了建立高質(zhì)量的前后一致的標(biāo)注標(biāo)準(zhǔn)和方法，arlsn2001等研究者采用人工標(biāo)注的方法。他們所選用的標(biāo)注者都是有過標(biāo)注經(jīng)歷的、從事語篇分析和新聞報(bào)道的專業(yè)人員。在正式標(biāo)注之前，他們都承受專門的語篇構(gòu)造標(biāo)注培訓(xùn)，培訓(xùn)包括3個(gè)階段。在第一階段，向標(biāo)注者介紹修辭構(gòu)造理論和語篇分析工具。在培訓(xùn)的第二階段，標(biāo)注者開場探究語篇構(gòu)造的特征。在培訓(xùn)的最后一個(gè)階段，標(biāo)注小組謀求在構(gòu)建語篇總構(gòu)造圖時(shí)保持一致，盡量減少分歧。最終，標(biāo)注小組研制出兩個(gè)根本策略用于文獻(xiàn)分析并建

8、立相關(guān)的語篇構(gòu)造圖。策略之一是對(duì)文本的直接分析，可以在頁邊空白處標(biāo)出記號(hào)，也可以將文獻(xiàn)切分成一定的語段并標(biāo)出記號(hào)，根據(jù)這些標(biāo)注建立語篇構(gòu)造圖。以這種方式建立樹型構(gòu)造圖，標(biāo)注者必須預(yù)測到隨后的語篇構(gòu)造。然而，其后語段的修辭關(guān)系，尤其是較大的語段，可能不是太明顯，這就是為什么這一標(biāo)注策略更適用于短篇文獻(xiàn)的標(biāo)注。另一策略是將文本分析與建立語篇構(gòu)造兩項(xiàng)任務(wù)同時(shí)進(jìn)展，很可能是成塊地標(biāo)注而不是循序漸進(jìn)地一步一步地增加。以這種策略進(jìn)展標(biāo)注，標(biāo)注者一次可以切分很多語篇單位，并為每個(gè)自然句建立構(gòu)造圖，然后將相鄰的自然句連接起來，構(gòu)成較大的語段構(gòu)造樹。最終的語篇構(gòu)造樹是通過連接語篇構(gòu)造中主要語塊而建成的。5.標(biāo)注

9、質(zhì)量的檢驗(yàn)標(biāo)注質(zhì)量的控制是通過標(biāo)注者對(duì)標(biāo)注結(jié)果的反復(fù)修改和部分隨機(jī)的自動(dòng)穿插核實(shí)來實(shí)現(xiàn)的。為了確保標(biāo)注語料庫的質(zhì)量，研究小組采取了很多措施，這些措施主要涉及到兩個(gè)方面，即檢驗(yàn)語篇構(gòu)造樹的效度和保持標(biāo)注者內(nèi)部的一致性。5.1效度檢驗(yàn)效度檢驗(yàn)從兩個(gè)方面進(jìn)展，即句法和語義。句法檢驗(yàn)確保每棵樹只有一個(gè)根結(jié)，并將樹與文獻(xiàn)進(jìn)展比照以防句子或語段被遺漏。語義檢驗(yàn)主要是關(guān)系到核心語段的指派、修辭關(guān)系的選擇以及語篇構(gòu)造樹的層次。為了保證檢驗(yàn)質(zhì)量，研究小組研制出語篇分析器以及圖形掃描儀。所謂圖形掃描儀，就是指，在圖形環(huán)境下，自左而右漸進(jìn)地為各個(gè)篇章單元給出一種最有可能的修辭關(guān)系和篇章構(gòu)造地位。分析器和圖形掃描儀經(jīng)

10、?？梢源_認(rèn)出人工檢驗(yàn)無法覺察的錯(cuò)誤，都可以成功地作用于所有語篇構(gòu)造樹。5.2標(biāo)注一致性在整個(gè)語料庫的建立過程中，研究者一直設(shè)法保證標(biāo)注者之間內(nèi)部的一致性。首先，他們研制出一種算法，該算法可以計(jì)算出語篇層級(jí)構(gòu)造的kappa數(shù)據(jù)。kappa算法曾被廣泛地運(yùn)用于語篇實(shí)證研究中，該算法可以測算出研究者在作出分類決策、預(yù)測可能性方面的一致性。6.標(biāo)注語料庫的挖掘借助于以rst理論為支撐的語篇標(biāo)注語料庫，研究者可以對(duì)語篇進(jìn)展三個(gè)層次的分析，即語篇標(biāo)記詞功能的分析、不同類型的語篇構(gòu)造圖的描繪和比擬、語篇中從句間修辭關(guān)系的描繪和比擬。6.1篇章連詞的研究篇章連詞功能研究一直是理論語言學(xué)和計(jì)算機(jī)語言學(xué)研究的主題

11、，而且網(wǎng)絡(luò)語料庫方便了研究者對(duì)關(guān)聯(lián)詞語的研究，但利用豐富的標(biāo)注語料庫資源進(jìn)展分析的研究不多。語篇構(gòu)造標(biāo)注語料庫可以使研究者在多種語境中對(duì)關(guān)聯(lián)詞進(jìn)展元語言分析，使人們能理解到它們?cè)谡Z篇中出現(xiàn)的頻數(shù)、在句中的位置、所發(fā)揮的篇章修辭作用、核心性、輔助性等方面信息。例如，研究小組總結(jié)了sine和as在語篇中的功能。經(jīng)研究發(fā)現(xiàn)，就這兩個(gè)詞在語篇中出現(xiàn)的頻率而言，在語篇中起連接兩個(gè)根本語篇單位修辭作用的情況只有1/3，因?yàn)樗鼈兺诿}層面上發(fā)揮作用而不是在語篇層面上。就它們?cè)谡Z篇中發(fā)揮的修辭作用而言，as涉及到的關(guān)系類型遠(yuǎn)遠(yuǎn)地多于sine，但兩者所引導(dǎo)的語篇單位往往都處于輔助位置而非核心位置。6.2語篇

12、構(gòu)造圖的描繪和比擬除了lanaster大學(xué)的b語料庫garside等，1987；biber等，1998，轉(zhuǎn)自arlsn，2001提供的語體或語域研究，以及tdt語料庫ayne，2000，轉(zhuǎn)自arlsn，2001提供的話題確認(rèn)研究之外，能幫助研究者對(duì)語篇進(jìn)展全面分析的語言資源不多。然而，以rst理論為支撐的語篇構(gòu)造標(biāo)注語料庫，勾畫出每一份文獻(xiàn)的多層次的語篇修辭構(gòu)造圖，據(jù)此可以對(duì)構(gòu)造樹的各個(gè)層次進(jìn)展分析。例如，構(gòu)造樹的抽象層面，對(duì)修辭關(guān)系和文獻(xiàn)的內(nèi)容進(jìn)展非詞匯化的概括，為研究交際意圖帶來很多方便。又如，語篇研究結(jié)果說明在文本的總體框架上新聞?lì)愓Z篇不同于故事類，因?yàn)樾侣勵(lì)愓Z篇的構(gòu)造多呈倒三角形，但這

13、些研究很難解釋產(chǎn)生差異的根本性原因。語篇構(gòu)造樹可以彌補(bǔ)這一缺陷，這些樹使研究者清楚地看到在實(shí)現(xiàn)作者的交際意圖時(shí)、在表達(dá)篇章的互文性時(shí)，同樣的句式在不同的文本中發(fā)揮的作用是不同的，在有的文獻(xiàn)中起核心作用，而在有的文獻(xiàn)中起輔助作用。事實(shí)上，這些構(gòu)造樹很清楚地反映出，即使是同一類型的語篇，隨著語境的改變、主題的變化，文本的構(gòu)造也會(huì)發(fā)生相應(yīng)的變化。6.3語篇內(nèi)修辭關(guān)系的研究通過對(duì)標(biāo)注語料庫的分析和挖掘，研究者發(fā)現(xiàn)從句間的修辭關(guān)系在文本中發(fā)揮作用的頻率是很不一樣的。例如，研究者發(fā)現(xiàn)“詳述-補(bǔ)充修辭關(guān)系使用的頻率最高，因?yàn)樽髡咴诒磉_(dá)過程中往往要借助于前面的背景，通過對(duì)前面的背景補(bǔ)充說明來闡發(fā)新的觀點(diǎn)。與此

14、類似的還有列舉關(guān)系和解析關(guān)系。修辭關(guān)系的元語言分析使人們能理解到它們?cè)谡Z篇中出現(xiàn)的頻數(shù)、在句中的位置、核心性、輔助性等方面信息。除此之外，語篇構(gòu)造樹還勾畫了修辭關(guān)系如何發(fā)揮語篇銜接與連接的功能。例如，研究者通過對(duì)篇章標(biāo)注語料庫的分析發(fā)現(xiàn)，“列舉關(guān)系不但起到舉例的作用，而且在連接平行語篇單位、平行語段和平行語篇時(shí)發(fā)揮宏大的作用。事實(shí)上，這一研究結(jié)果驗(yàn)證了halliday和hasan1976的觀點(diǎn)，即平行構(gòu)造是一種語篇銜接手段。6.4應(yīng)用性研究語篇構(gòu)造標(biāo)注語料庫為文獻(xiàn)檢索、自動(dòng)剖析、自動(dòng)文摘、自動(dòng)翻譯等提供相關(guān)數(shù)據(jù)，例如，研究小組所設(shè)計(jì)的在線文件剪接系統(tǒng)。借助于篇章構(gòu)造標(biāo)注語料庫，研究者發(fā)現(xiàn)并非所有的句子都是根本語篇單位，也不是所有的語篇單位都具有一樣的作用，有的屬于核心的，有的屬于輔助的，有的在實(shí)現(xiàn)作者的交際意圖時(shí)、在表達(dá)篇章的互文性時(shí)發(fā)揮關(guān)鍵作用，有的并沒有。以此類推，篇章中的詞匯、短語也有核心與輔助之別。篇章構(gòu)造標(biāo)注語料庫可以幫助創(chuàng)立一個(gè)以篇章構(gòu)造為指導(dǎo)、以詞匯短語有界和無界合并為手段的文件剪接系統(tǒng)。同時(shí)，篇章構(gòu)造標(biāo)注語料庫幫助創(chuàng)立了一個(gè)以篇章構(gòu)造為指導(dǎo)、以機(jī)械文摘為根本手段、再配合消除冗余、可讀性加工的綜合