aiwiki.page
中文
语言 / collocation

搭配

搭配是词语之间约定俗成或在统计上反复出现的共现关系,体现了词汇、语法、意义与语言使用的相互作用。

35 个关键词10 个词条链接到这里13 个尚未撰写AI 撰写
英语语言学词典编纂学翻译语料库语言学形态学(语言学)语法句法分析搭配

搭配是指某些词语倾向于共同出现的现象:这可能是因为它们的组合在某种语言中已约定俗成,也可能是因为它们共同出现的频率高于某一统计模型的预测值。例如,在英语中,人们通常说 heavy rain(大雨)、strong tea(浓茶)和 make a decision(作出决定)。其他组合或许也符合语法且可以理解,却未必同样符合惯用表达。因此,搭配关注的不只是某种语言允许哪些组合,还包括使用者通常会选择哪些组合。

这个术语有两种相互交叠的用法。从熟语学的角度看,它指用词选择受到一定限制的惯用组合,例如 commit a crime(犯罪)。从语料库统计的角度看,它指在一组文本中观察到的词语关联,无论这些词语是否构成固定表达,甚至无论它们是否彼此相邻。这两种研究取向揭示了词汇与语言使用之间关系的不同侧面。

搭配对语言学、词典编纂学、语言教学、翻译以及计算机语言处理都十分重要。它有助于解释为什么合乎语法的句子听起来仍可能不自然,词语如何通过周围的语境形成特有的意义,以及大规模语言材料如何揭示个人直觉未能察觉的规律。

历史发展与理论基础

现代语言学对搭配的研究与英国语言学家 J. R. 弗斯密切相关。在1957年的论文《语言学理论概要:1930—1955》中,弗斯将搭配视为描述语言意义的一个层面。他那句经常被引用的话——“观其伴,知其词”——强调,一个词惯常出现的周边环境有助于刻画其语言特征。这并不意味着所有意义都可以归结为相邻词语。搭配属于一个更广泛的理论框架,这一框架也将语法结构和情景语境纳入考量。

弗斯的主张不同于那些主要将词语视为孤立单位、逐一界定其意义的研究路径。例如,night(夜晚)会出现在一些反复出现的组合中,而这些组合仅凭该词的词典释义无法预测。描述这些组合关系,可以补充说明这个词在实际话语中如何发挥作用。这一视角与分布假说有关;该假说认为,分布相似的语言表达式往往具有相关的意义。但这两种观点并不相同:分布分析通常比较出现在相似环境中的词语,而搭配分析则考察在这些环境中共同出现的词语。

M. A. K. 韩礼德和约翰·辛克莱对词汇与语法模式之间的关系提出了颇具影响的论述。辛克莱于1991年出版的《语料库、索引与搭配》区分了“开放选择原则”和“习语原则”:前者认为,文本是通过一连串语法选择组建而成的;后者则认为,说话者会利用部分预先构建好的语词序列。习语原则并不意味着日常话语完全由意义不透明的习语组成。相反,许多看似富有创造性的语言表达都包含反复出现的组合,而组合内部各项选择的独立性,并不像纯粹逐词分析所呈现的那样高。

在短语学和词典编纂领域,也形成了一条平行发展的研究传统,尤其体现在对受限词汇组合和词汇函数的研究中。例如,伊戈尔·梅尔丘克的“意义—文本”理论框架描述了基词与在词汇选择上受其制约的搭配词之间反复出现的语义关系。表示程度加强的关系,在与 rain(雨)搭配时可用 heavy(大的),在与 opposition(反对)搭配时可用 strong(强烈的),而其他基词则可能需要其他词语来表达。语义关系相似,但其词汇表达形式取决于具体的名词。

计算机可读文本集改变了研究的规模。布朗语料库于20世纪60年代建成,收录了约100万词的美国英语,文本均出版于1961年。后来的资源,包括英国国家语料库以及 COBUILD 词典项目使用的语料库,使反复出现的措辞成为大规模词汇描写的核心内容。因此,在语料库语言学中,搭配既是一个理论概念,也是一个可实际测量的研究对象。

定义与界限

没有哪一种搭配定义能适用于所有研究目的。宽泛的统计学定义将搭配视为这样一些词语:相对于选定的基准,它们共同出现的频率高于预期。较狭义的熟语学定义则要求词汇选择受到某种约定俗成的限制。按照宽泛定义,一个人名和出现在其附近的地名可能互为搭配词,因为新闻报道反复将两者联系在一起。按照较狭义的定义,这种话题上的关联未必构成词汇搭配。反过来,一个约定俗成的表达也可能因为在小型语料库中出现次数过少,而无法提供有力的统计证据。

搭配通常被认为介于自由组合与习语之间。在 read a book(读一本书)这样较为自由的组合中,许多词语替换都是可行的,无须特别解释。在 rancid butter(酸败的黄油)这样的受限组合中,形容词所能修饰的对象,其语义范围相对狭窄。而在 kick the bucket(字面意为“踢桶”,实际意为“死去”)这样的习语中,无法直接从各组成词的通常含义推导出其约定俗成的比喻义。这些类别构成的是一个连续体,而非三个界限分明的类别。不同表达的约定俗成程度各不相同,允许的替换也不一样,还可能同时具有字面解释和习语解释。

这种区分还取决于组合性原则。许多搭配在语义上是透明的:heavy rain(大雨)表示强降雨,reach a conclusion(得出结论)也很容易理解。需要解释的是,为何偏偏是这些词汇选择成为了惯例。因此,语义透明并不能证明一个组合是自由生成的。同样,措辞固定也不一定意味着语义不透明。一个专业表达的含义可能是可以预测的,同时又保持着术语形式的稳定。

复合词是与搭配相邻的另一类现象。blackbird(乌鸫)等表达涉及构词,而搭配通常涉及不同词项之间的组合。不过,复合词、已确立的名词短语与反复出现的组合之间,界限并不总是清晰。无论是跨语言比较,还是仅考察英语内部,书写时是否使用空格都不是可靠的判断依据:有些已确立的词汇单位连写成一个词,有些用连字符连接,还有些则用空格分开。形态学(语言学)、重音、句法表现和约定俗成的意义,都可能为分析这些单位提供依据。

搭配还必须与选择限制区分开来。像 drink(喝)这样的动词,通常以被理解为液体的事物作宾语,这反映了一种宽泛的语义约束。人们倾向于说 strong tea(浓茶),而不说 powerful tea,这种偏好却无法仅凭上述约束来解释,因为这两个形容词在其他语境中都可以描述较高的强度。搭配知识关乎在语法和一般语义相容性所允许的范围内,哪些选择是约定俗成的。因此,不寻常的组合并不必然不合语法或毫无意义;它也可能只是少见、新颖、带有幽默意味,或者仅适用于特定的专业语境。

结构模式与词汇关系

搭配可以出现在多种语法结构中。英语中常见的模式包括形容词与名词的组合,如 strong evidence(有力的证据);动词与宾语的组合,如 draw a distinction(作出区分);名词与名词的组合,如 research project(研究项目);以及副词与形容词的组合,如 deeply concerned(深感担忧)。副词与动词的组合,如 strongly recommend(强烈推荐),也表现出约定俗成的搭配倾向。这种关系并不总是存在于两个实词之间:名词或形容词也可能与某个介词或语法构式形成特定的搭配关系。

一些词典编纂传统将搭配分为词汇搭配与语法搭配:前者主要涉及实词,后者则涉及一个词汇项与一个语法成分或语法模式的组合。语法搭配的例子包括 reliance on(对……的依赖)、aware of(意识到……),以及后接不定式的 eager to(渴望……)。在不同理论框架中,语法搭配、补足关系与论元结构之间的界限并不相同。词典可能会将这些模式列在一起,因为它们所解决的语言产出难题相近;语法理论则可能将它们分析为不同类型的依存关系。

词语在线性顺序上相邻,并不是构成搭配的必要条件。make a decision(作出决定)中的动词和名词,在 make an important decision(作出一项重要决定)、the decision that the committee made(委员会作出的决定)和 a decision was finally made(终于作出了决定)中仍然保持着搭配关系。仅从表层检索相邻词语,只能捕捉到这种关系的一部分。基于依存语法的分析则能够跨越中间插入的成分,并在词序发生变化时识别动词及其宾语。这种分析可以区分语法关系与偶然的位置邻近,不过其效果取决于句法分析的准确性。

搭配关系往往是不对称的。在 rancid butter(酸败的黄油)这一表达中,butter 可以与许多形容词组合,而除比喻用法外,rancid 所搭配的名词范围则较为有限,主要指脂肪、油类及含有这些成分的物质。短语学描述通常将其中相对独立的成分称为基词,将按惯例选用的另一成分称为搭配词。因此,从 decision 出发的学习者可能需要知道,在某一语言变体和语境中,应该选用的动词是 make、take,还是其他词。相比之下,语料库分析者可以将其中任一成分称为节点词,考察与之共现的词语,而不设定基词与搭配词的主次关系。

双词例子便于说明,但并不能涵盖搭配现象的全部。像 take something into account(将某事考虑在内)这样的序列,包含多项相互影响的词汇选择和语法选择。有些模式设有可变槽位,例如 a marked increase in(……的显著增加)之后可以接名词短语;另一些模式则跨越小句。构式语法提供了一种描述这类组合的方式,将其视为在不同具体程度上的形式与功能配对。因此,搭配既与局部的词语关联相交,也与更大范围的反复出现的构式相交,但这并不意味着所有这些组合都必须以相同方式存储或加工。

语料库证据与分析设计

语料库研究首先要明确,什么算作一次出现,什么算作共现。节点词是研究的目标项,跨度或窗口则界定所考察的周边文本范围。左右各四个词的窗口,与相邻词检索或整句范围检索所捕捉到的关系并不相同。较窄的窗口往往突出局部的语法关系和惯用表达关系;较宽的窗口则会纳入更多话题层面的关联,不过这两种倾向都不是绝对的。

计数单位同样重要。检索词形 makes,不同于检索词元 make;后者可能将 make、makes、made 和 making 归为一组。词形还原能够揭示不同屈折形式之间反复出现的词汇关系,但也可能掩盖这些形式之间有意义的差异。词性标注则有助于区分名词 record 与动词 record 等情况。在屈折变化丰富的语言中,这些选择会显著影响频率估计,以及分析结果所呈现的搭配词分布。

研究者通过语境索引查看结果,通常采用“语境中的关键词”格式展示。每次出现的目标项都连同周边文本一起呈现,使分析者能够核查词义、语法关系和话语功能。bank 与 river 之间的统计关联,和 bank 与 loan 之间的统计关联,所对应的解释并不相同。如果将不同词义的出现实例合并计算,汇总后的搭配词表可能会掩盖多义现象的结构。因此,阅读语境索引是对统计提取的补充,而不只是为统计结果提供例证。

语料库的构成同样影响重大。即使代表的是同一种语言,以医学文章为主的语料集合与非正式会话语料集合所呈现的关联也会不同。年代、地区、体裁、媒介和作者群体都会影响所得证据。频率也不同于分散度:一个组合在80篇文档中共出现100次,与它在一篇被反复引用的报告中出现100次,分布情况并不相同。重复网页、转载新闻、套用文本和反复引用的内容,都可能造成看似很强的搭配关系,而这些关系主要反映的其实是文档内容的重复使用。

因此,严谨的分析应交代所用语料库、计数单位、窗口或依存关系,以及对重复材料的处理方式。进行比较时,需要采用相容的预处理方法,并选择适当的参照总体。某个词对未出现在一个语料库中,并不能证明它不可接受;它出现在其中,也不能证明它在整种语言中都是惯常搭配。只要将论断适当地限定在相应的时期或领域内,历史语料或专业语料就能提供极有价值的信息。这种方法的目标不是用计数取代语言学解释,而是明确呈现证据与解释之间的联系。

关联的统计度量

原始共现频次虽有用,却不能单凭它来衡量关联。十分常见的词会出现在许多其他词附近,仅仅是因为它们本身出现得频繁。统计方法将实际观察到的共现频次与预期频次进行比较;预期频次则根据各项的边际频次和指定的抽样模型推导得出。例如,对于相邻且有先后顺序的词对,一个简化的独立性模型将预期频次估计为

E(x,y)=N P(x)P(y),E(x,y)=N\,P(x)P(y),

其中,NN 是相关词对位置的数量,两个概率分别描述第一位置和第二位置上的出现概率。基于窗口和基于依存关系的研究,也需要相应界定共现机会和边际频次。来自不兼容抽样单位的计数,无法有意义地合并使用。

一种广泛使用的度量是点互信息:

PMI⁡(x,y)=log⁡2P(x,y)P(x)P(y).\operatorname{PMI}(x,y) =\log_2\frac{P(x,y)}{P(x)P(y)}.

正值表示该词对的出现频次高于独立性基准所预测的频次;零则表示与该预期相等。PMI 衡量的是相对于预期的比例偏离程度,而不是支持这一结果的证据量。因此,一个仅观察到几次的罕见词对也可能获得很高的分数。研究中常常设置最低频次要求,但所选阈值会影响哪些表达能够保留在分析结果中。语料库文献有时将这种针对词对的分数称为“互信息”,尽管它不同于针对完整随机变量计算的互信息。

其他度量侧重于不同的性质。一种常用的近似 tt 分数为

t=O−EO,t=\frac{O-E}{\sqrt{O}},

其中,OO 是实际观察到的共现频次,EE 是预期频次。与 PMI 相比,这种度量往往更偏向有较多频次支持的组合。对数似然方法将独立性模型与允许存在关联的模型进行比较,通常使用一个二乘二列联表。特德·邓宁(Ted Dunning)1993 年的研究推动了似然比方法在计算文本分析中的应用,尤其是在处理稀疏频次数据时。较大的无符号似然比值表明存在对独立性的偏离;要确定偏离的方向,仍须比较实际计数与预期计数。

关联也可能具有方向性。条件概率 P(y∣x)P(y\mid x) 和 P(x∣y)P(x\mid y) 不一定相近。一个不常见的形容词可能对某个名词有很强的预测力,而该名词由于能与许多形容词共现,对这个形容词的预测力可能很弱。条件概率的方向性差值等度量可以处理这种不对称性。它们所回答的问题不同于 PMI 这类对称度量:遇到其中一项时,能为预测另一项提供多少信息?

没有哪一种排序度量能够单独界定语言上的约定俗成性。高关联可能反映的是专有名称、新闻事件、引文,也可能是惯用短语。包含高频词的重要组合,也可能表现出低关联。统计显著性同样不同于实际重要性或语言学重要性:语料库足够大时,对独立性的微小偏离也会在统计上十分显著。因此,解释结果时需要综合考虑频次、效应量、离散度、语法关系,并考察实际例句,而不能仅依赖某一个数值阈值。

意义、话语与变异

词语搭配通过展示词义如何分布于不同语境,为词汇语义学研究提供依据。形容词 strong 在 strong coffee(浓咖啡)、strong evidence(有力的证据)和 strong opposition(强烈的反对)中表现各异。这些用法大体上都与强度或效力有关,但具体如何理解,取决于所修饰的名词以及约定俗成的表达方式。搭配证据有助于辨识词义、揭示隐喻引申,并说明词典中的义项区分在哪些情况下对应着不同的使用模式。

一个相关概念是语义偏好,即一个词倾向于与某一语义类别中的词语共现,而不只是与个别词语共现。例如,某个动词可能偏好与表示数量、困难或机构行为的表达共现。**语义韵**则关注反复出现的周围语境所关联的评价倾向或话语取向。辛克莱的研究,以及比尔·洛在20世纪90年代尤为突出的研究,使人们开始关注这样一类表达:它们的典型语境会传达褒义、贬义或其他态度意义,而这些意义仅凭孤立的释义并不明显。

例如,经常被讨论的动词 cause(导致)常与表示不良事件或状况的名词共现,包括 damage(损害)、problems(问题)和 death(死亡)。这种分布并不意味着 cause 本身具有负面含义,也不排斥 cause delight(使人愉悦)这样的组合。它表明,一个词反复出现的语境能够形成超出其基本指称意义的预期。分析时,必须区分单个搭配词的评价色彩、较大短语的评价色彩,以及正在实施的话语行为。语义韵的范围及其解释,仍是理论讨论的议题。

不同语域之间的变异同样重要。学术写作、法律文件、日常会话、广告和体育解说反复承担不同的交际任务,因此各自形成了具有特色的词语组合。学术文章常使用 statistically significant difference(具有统计显著性的差异)和 the results suggest(结果表明)等表达模式,而机构文本则包含反复出现的程序性措辞。地域差异也确实存在:make a decision 和 take a decision(均指“作出决定”)在不同英语变体和语境中的分布并不相同。无论是词典中的标签,还是频率比较,都不应掩盖体裁在这些地域性模式中所起的作用。

随着实践活动、技术和社会制度的变化,搭配也会发生变化。cloud computing(云计算)和 social distancing(保持社交距离)等表达是在特定的技术或公共事务背景下受到广泛关注的,但这些表达的历史不能仅以其最受关注的时期来概括。反复使用的隐喻性组合可能成为日常表达,从而将搭配与隐喻及语义变化联系起来。创意写作和幽默表达可以利用人们的预期,将熟悉的搭配词替换为出人意料的词语。这类偏离之所以奏效,恰恰是因为人们能够识别惯常的组合关系;它们并不意味着每一种不寻常的组合都是错误。

习得、加工与语言教学

搭配知识是语言习得的重要组成部分。儿童接触到的词语出现在反复听到的话语中,而不是孤立的词汇表里。反复出现的词语序列为判断词语边界、识别语法模式和掌握交际惯例提供了线索。早期习得的套语和仅经过部分分析的表达,日后可以为更灵活的语言产出提供支持。这并不意味着每个熟悉的短语都作为不可分割的整体储存在记忆中;学习者既可以保留有关某一序列的信息,也可以分析其内部结构。

在第二语言习得中,对单个词语的认识往往比对其惯常组合方式的掌握发展得更快。学习者可能理解 decision(决定)、make 和 do 的意思,却因对动词类别作过于宽泛的归纳,或受到另一种语言的影响,而说出 do a decision。因此,搭配有助于解释“能让人听懂”与“表达符合特定言语社群的惯常用法”之间的差别。学习者的困难可能涉及选择搭配词、选用恰当的语法框架,或识别某种在其掌握的另一种语言中没有相近对应形式的搭配限制。

心理语言学研究考察的是:与条件相匹配的陌生组合相比,熟悉的词语序列是否能得到更高效的加工。研究方法包括词汇判断、自定步速阅读、眼动追踪和电生理记录。频率、可预测性、语义透明度以及参与者的语言熟练程度,都可能影响研究结果。高频短语具有加工优势,本身并不能证明它在心理上具有单一、专属的表征。这种优势可能源于词语之间得到强化的关联、构式知识、基于语境的预测,或多种机制的共同作用。

教学中常通过语境实例、搭配词典、按模式归类的词语组合以及语料库索引,使搭配现象更加直观。例如,一堂围绕 research(研究)展开的课,可以区分 conduct research(开展研究)、carry out research(进行研究)、research findings(研究结果)和 research into 某个主题(对某个主题的研究),同时解释它们在语法上的差异。接受性识别与产出性掌握是两种不同的学习结果:在文本中认出 draw a conclusion(得出结论),比在说话时提取并使用这一表达更容易。因此,不同任务与评估方式所呈现的学习者知识状况也会有所不同。

仅凭频率不足以选择教学材料。某个频率中等的表达,可能在学习者的专业领域中必不可少;而某个极其常见的词语序列,可能早已意义明了且为学习者所熟悉。搭配知识的测量同样需要谨慎:只允许一个答案的练习可能会把其他合乎用法的答案误判为错误,而判断也可能因语域或地区而异。因此,语言学习研究会区分表达的惯用性、得体性、流利度和语法准确性,而不会将所有偏离某一选定表达的情况都视为同一种缺陷。

词典、术语与翻译

词典收录词语搭配,是因为仅靠释义无法说明一个词如何与其他词组合。学习型词典可能在解释 attention(注意)的含义之外,另行列举 pay attention(留意)、attract attention(吸引注意)和 close attention(密切关注)等用法。专门的搭配词典以搭配基词和语法模式为框架组织这类信息,使使用者能够查找与目标词搭配的动词、形容词及其他词语。1986 年首次出版的《BBI 英语搭配词典》和 2002 年首次出版的《牛津英语搭配词典》是这类工具书的代表。

基于语料库的词典编纂在编者判断之外,还引入了分布证据。高频组合可以为例证选择、义项划分、语法代码和用法标记提供依据。然而,一份在统计上具有关联的词语清单,还不能算作词典条目。编者必须区分义项,辨别通用组合与领域专用组合,识别真正的句法关系,并判断哪些模式对特定读者群有帮助。某个不常见但已确立的专业搭配,即使在通用语料库中频率很低,也可能值得收录。

在术语工作中,搭配与术语相关,但两者并不相同。Acute myocardial infarction(急性心肌梗死)指称一种疾病,具有术语的功能;而与某个术语惯常搭配的动词,可能用于描述诊断、测量、制造或治疗,却并不因此成为该名称的一部分。专业翻译人员往往需要同时掌握两类知识:对象或过程的公认名称,以及描述其行为时惯用的措辞。因此,只记录孤立对应词的术语库,可能仍无法解决一些重要的译文表达问题。

搭配是翻译学中一个长期受到关注的问题,因为词汇对等并不保证组合方式也对等。英语 make a decision(作出决定)在法语中自然的对应表达是 prendre une décision,其中的动词通常表示“拿取”。英语 strong tea(浓茶)可以对应法语 thé fort,但这类看似对应的形容词,并不能在所有名词搭配中一概互换。逐一独立翻译各个成分,可能得到语法上可以理解、却不符合目标语言惯用表达的词语序列。因此,评估翻译对等时,既要考虑单个词语,也要考虑表达和交际语境。

平行语料库能够揭示某些表达在译文中如何处理,而可比语料库则能展示不同语言如何各自独立地讨论同一主题。两者都无法提供机械套用的解决方案:译文可能受到源语言的影响,可比文本也可能在体裁或机构背景上存在差异。当一种语言用动词表达某种关系,而另一种语言用名词短语或屈折形式表达时,词语对齐也可能失败。因此,翻译人员在评估搭配时,会同时考虑意义、语域、术语以及整个语段的功能。

计算提取与语言技术

自动搭配提取通常将语言学预处理与统计排序相结合。系统可以对文本进行分词,识别词元和词性,收集候选词对或短语,再利用关联度量对其排序。候选项的选取可以依据文本中的词语窗口、反复出现的序列或语法依存关系。不同的设计能够捕捉不同的现象:相邻序列易于计数,而依存关系则能将被修饰语隔开、或因句法操作而改变次序的词语联系起来。

词语搭配与**多词表达式**有所重叠。后者是计算语言处理中一个范围更广的类别,包括习语、类似复合词的单位、惯用短语,以及词汇选择受到限制的构式。检测出高频序列并不等于识别出多词表达式。一个序列可能因为包含常见的语法词而频繁出现,而一个约定俗成的表达式却可能是不连续的,或出现频率很低。因此,系统会将频率与句法模式、词汇可替换性度量、语义信息和标注实例结合起来。评估所依据的是目标类别和具体应用,而不是一份通用清单。

统计语言建模通过条件预测纳入搭配信息。N元语言模型根据前面有限数量的词构成的序列来估计一个词的概率,直接捕捉许多局部组合。范围更广的分布式模型则通过词语所处的语境来表示词语。GloVe词向量模型等方法利用词语共现统计来学习向量表示,但这种表示中的相似性不应与搭配混为一谈:两个近义词可能具有相似的语境分布,却并不经常相邻出现。

大语言模型能够表示跨度长得多的语境依赖关系,无需查阅显式的搭配词典,就能生成惯用组合。不过,其输出仍会反映训练数据的构成与分布,措辞流畅并不能证明内容在事实上准确,也不能证明表达适合特定领域。专业组合、新近出现的术语,以及在数据中代表性不足的语言变体,都可能需要独立评估。当应用需要可解释的证据、稳定的术语,或需要明确说明为什么某种表达更可取时,显式的搭配资源仍然很有用。

实际应用包括写作辅助、查询扩展、术语提取、词义消歧和机器翻译。写作助手可以识别不寻常的动词—名词组合,并提供在类似语境中有实际用例支持的替代表达。搜索系统可以将多词表达式识别为一个整体,而不是分别处理其组成部分。系统性能通过标注实例、语料库证据和具体任务的结果来评估,尤其要关注错误纠正:如果系统把所有不常见的组合都替换成常见组合,就可能抹去专业概念之间的区别、地域用法或有意为之的文体创新。