漢語(yǔ)詞長(zhǎng)的計(jì)量研究.pdf

1、“詞”是構(gòu)成人類語(yǔ)言系統(tǒng)的基本單位，在詞的諸多特征中，“長(zhǎng)度”又是最基本且易于量化的詞匯結(jié)構(gòu)屬性特征之一。本文從共時(shí)和歷時(shí)兩個(gè)層面，運(yùn)用計(jì)量語(yǔ)言學(xué)的方法系統(tǒng)考察了漢語(yǔ)詞長(zhǎng)問(wèn)題。
　　本文第1、2章介紹了如何運(yùn)用計(jì)量語(yǔ)言學(xué)的理論和方法系統(tǒng)考察漢語(yǔ)詞長(zhǎng)問(wèn)題。在計(jì)量語(yǔ)言學(xué)中，對(duì)于任一種語(yǔ)言結(jié)構(gòu)屬性特征，我們一般都假設(shè)其應(yīng)該滿足如下一些文本特性:“頻率分布”、“序列分布”、“協(xié)同關(guān)系”、“層級(jí)關(guān)系”、“歷時(shí)演化”。本文中，我們以詞長(zhǎng)本身所

2、具有的“頻率分布”和“序列分布”特性為基本考察面，兼具考察其系統(tǒng)特性“協(xié)同關(guān)系”和“層級(jí)關(guān)系”，并且結(jié)合漢語(yǔ)有大量歷時(shí)文本記載的優(yōu)勢(shì)，考察了詞長(zhǎng)特性的“歷時(shí)演化”。
　　對(duì)于漢語(yǔ)詞長(zhǎng)的“頻率分布”，我們?cè)诒疚牡?、4章進(jìn)行了考察。第3章從共時(shí)層面（現(xiàn)代漢語(yǔ)）考察了漢語(yǔ)口語(yǔ)和書(shū)面語(yǔ)的詞長(zhǎng)分布問(wèn)題。在這一部分中，我們主要考察了三個(gè)問(wèn)題:漢語(yǔ)口語(yǔ)和書(shū)面語(yǔ)中的最佳詞長(zhǎng)測(cè)量單位、口語(yǔ)和書(shū)面語(yǔ)詞長(zhǎng)分布對(duì)比、詞長(zhǎng)與詞在語(yǔ)言單位層級(jí)中的位置的關(guān)系

3、?？疾旖Y(jié)果顯示，“音節(jié)”是口語(yǔ)中最佳的詞長(zhǎng)測(cè)量單位。部件是書(shū)面語(yǔ)中最佳的詞長(zhǎng)測(cè)量單位;漢語(yǔ)口語(yǔ)和書(shū)面語(yǔ)在詞長(zhǎng)分布上存在一定差異，尤其是在短詞使用頻率上;在漢語(yǔ)書(shū)面語(yǔ)中，“詞-部件-筆畫(huà)”是符合“門(mén)策拉-阿爾特曼”定律的漢語(yǔ)語(yǔ)言單位層級(jí);漢語(yǔ)口語(yǔ)和書(shū)面語(yǔ)存在交互效應(yīng)，現(xiàn)代漢語(yǔ)口語(yǔ)受到了書(shū)面語(yǔ)的較大影響。
　　本文第4章從歷時(shí)層面考察了漢語(yǔ)詞長(zhǎng)分布問(wèn)題。在這一部分中，我們運(yùn)用不同計(jì)量方法分別進(jìn)行了近一千年（分4個(gè)時(shí)段，大語(yǔ)料庫(kù)）和近兩

4、千年（分6個(gè)時(shí)段，小語(yǔ)料庫(kù)）漢語(yǔ)文本詞長(zhǎng)分布演化的考察。兩種不同考察的結(jié)果都顯示，漢語(yǔ)詞長(zhǎng)分布有著非常顯著的歷時(shí)演化規(guī)律，即詞長(zhǎng)分布越來(lái)越趨于“鐘形分布”，平均詞長(zhǎng)增加。進(jìn)一步，基于詞長(zhǎng)與其它語(yǔ)言結(jié)構(gòu)特性的“協(xié)同關(guān)系”考察顯示，漢語(yǔ)詞長(zhǎng)的演化不是孤立的，而是發(fā)生在一個(gè)自組織的語(yǔ)言系統(tǒng)中的:詞長(zhǎng)與詞頻相互依賴，協(xié)同演化;詞長(zhǎng)演化也引起了整個(gè)詞匯系統(tǒng)甚至語(yǔ)言系統(tǒng)的演化;詞長(zhǎng)的演化是在“省力原則”控制下的，詞長(zhǎng)的演化促進(jìn)了語(yǔ)言交流效率的提高。

5、
　　對(duì)于漢語(yǔ)詞長(zhǎng)的“序列分布”，本文在第5章進(jìn)行了考察?？疾旆止矔r(shí)和歷時(shí)兩部分?？偲饋?lái)說(shuō)，考察結(jié)果顯示:漢語(yǔ)口語(yǔ)和書(shū)面語(yǔ)具有相同的詞長(zhǎng)動(dòng)鏈分布模型;從詞長(zhǎng)動(dòng)鏈長(zhǎng)度分布的總體分布趨勢(shì)來(lái)看，它與詞長(zhǎng)分布的情況非常相似，所以，詞長(zhǎng)動(dòng)鏈長(zhǎng)度分布確實(shí)繼承了詞長(zhǎng)分布的一些特性。為了進(jìn)一步考察漢語(yǔ)詞長(zhǎng)序列的歷時(shí)演化，我們又使用了N-gram詞長(zhǎng)熵的方法?？疾祜@示，N-gram詞長(zhǎng)熵主要受到了詞長(zhǎng)分布的影響，且詞長(zhǎng)序列在越長(zhǎng)距離上會(huì)表現(xiàn)出越高的