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)院的一個課題小組完成的，由385篇文章組成，是一個大規(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，擴展了修辭關(guān)系集，為rst理論的運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.概述隨著計算機技術(shù)的普及和開展，語料為機器可讀成為語料庫建立的最根本的要求之一。要到達語料機讀

2、化這一目的，關(guān)鍵在于語料的標(biāo)注。所謂標(biāo)注，就是對語料庫中的原始語料進展加工，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，以便計算機的識讀。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)院的一個課題小組完成的，由385篇文章組成，是一個大規(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展了自動篇章標(biāo)注算法、自動文摘、機器翻譯等詳細應(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的文本分析，往往著眼于語篇的某一個方面，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，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對語篇進展標(biāo)注有三點優(yōu)勢：可以同時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)注不同的文本時到達一定的統(tǒng)一；用該理論標(biāo)注的語篇樹形圖對構(gòu)建自然語篇生成系統(tǒng)、自動文摘系統(tǒng)、文本測評系統(tǒng)起著關(guān)鍵的作用，也可以用來增強機器翻譯的自然性。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，不同的研究者往往運用不同的理論。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，它是由一定的符號所反映的信息載體，能反映事物的單個狀態(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，在詳細標(biāo)注時，aru等研究者對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詞詞組；充當(dāng)主語、賓語、補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)系的擴展當(dāng)初，ann和thpsn1987提出修辭構(gòu)造理論時只給出20多種修辭關(guān)系，但他們明確指出這是一個開放關(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、語段乃至整個語篇。通過這些關(guān)系，不同層級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)的最后一個階段，標(biāo)注小組謀求在構(gòu)建語篇總構(gòu)造圖時保持一致，盡量減少分歧。最終，標(biāo)注小組研制出兩個根本策略用于文獻分析并建

8、立相關(guān)的語篇構(gòu)造圖。策略之一是對文本的直接分析，可以在頁邊空白處標(biāo)出記號，也可以將文獻切分成一定的語段并標(biāo)出記號，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的標(biāo)注。另一策略是將文本分析與建立語篇構(gòu)造兩項任務(wù)同時進展，很可能是成塊地標(biāo)注而不是循序漸進地一步一步地增加。以這種策略進展標(biāo)注，標(biāo)注者一次可以切分很多語篇單位，并為每個自然句建立構(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)量的檢驗標(biāo)注質(zhì)量的控制是通過標(biāo)注者對標(biāo)注結(jié)果的反復(fù)修改和部分隨機的自動穿插核實來實現(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方面，即檢驗語篇構(gòu)造樹的效度和保持標(biāo)注者內(nèi)部的一致性。5.1效度檢驗效度檢驗從兩個方面進展，即句法和語義。句法檢驗確保每棵樹只有一個根結(jié)，并將樹與文獻進展比照以防句子或語段被遺漏。語義檢驗主要是關(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，自左而右漸進地為各個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)出人工檢驗無法覺察的錯誤，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，該算法可以計算出語篇層級構(gòu)造的kappa數(shù)據(jù)。kappa算法曾被廣泛地運用于語篇實證研究中，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，研究者可以對語篇進展三個層次的分析，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)和計算機語言學(xué)研究的主題

11、，而且網(wǎng)絡(luò)語料庫方便了研究者對關(guān)聯(lián)詞語的研究，但利用豐富的標(biāo)注語料庫資源進展分析的研究不多。語篇構(gòu)造標(biāo)注語料庫可以使研究者在多種語境中對關(guān)聯(lián)詞進展元語言分析，使人們能理解到它們在語篇中出現(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)，就這兩個詞在語篇中出現(xiàn)的頻率而言，在語篇中起連接兩個根本語篇單位修辭作用的情況只有1/3，因為它們往往在命題層面上發(fā)揮作用而不是在語篇層面上。就它們在語篇中發(fā)揮的修辭作用而言，as涉及到的關(guān)系類型遠遠地多于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，能幫助研究者對語篇進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，勾畫出每一份文獻的多層次的語篇修辭構(gòu)造圖，據(jù)此可以對構(gòu)造樹的各個層次進展分析。例如，構(gòu)造樹的抽象層面，對修辭關(guān)系和文獻的內(nèi)容進展非詞匯化的概括，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類語篇不同于故事類，因為新聞類語篇的構(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)造樹可以彌補這一缺陷，這些樹使研究者清楚地看到在實現(xiàn)作者的交際意圖時、在表達篇章的互文性時，同樣的句式在不同的文本中發(fā)揮的作用是不同的，在有的文獻中起核心作用，而在有的文獻中起輔助作用。事實上，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-補充修辭關(guān)系使用的頻率最高，因為作者在表達過程中往往要借助于前面的背景，通過對前面的背景補充說明來闡發(fā)新的觀點。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在語篇中出現(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發(fā)揮宏大的作用。事實上，這一研究結(jié)果驗證了halliday和hasan1976的觀點，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)注語料庫為文獻檢索、自動剖析、自動文摘、自動翻譯等提供相關(guān)數(shù)據(jù)，例如，研究小組所設(shè)計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，有的在實現(xiàn)作者的交際意圖時、在表達篇章的互文性時發(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，篇章構(gòu)造標(biāo)注語料庫幫助創(chuàng)立了一個以篇章構(gòu)造為指導(dǎo)、以機械文摘為根本手段、再配合消除冗余、可讀性加工的綜合