關于英語語篇結構標注研究綜述

1、關于英語語篇構造標注研究綜述論文關鍵詞：修辭構造理論篇章構造標注論文摘要：語篇構造標注起步較晚，但以修辭構造理論rst為指導的篇章修辭構造標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造標注語料庫是由美國南加州大學信息科學學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標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，關鍵在于語料的標注。所謂標注，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注在相應的語言成分上，以便計算機的識讀。語料標注的類型主要包括語篇背景信息、詞性、詞形、句法分析、語義、語篇構造等。從當前的研究現(xiàn)狀來看，雖然語篇構造標注起步較晚，但以修辭構造理論rst為指導的篇章修辭構造標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造標注語料庫是由美國南加州大學信息科學學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標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注算法、自動文摘、機器翻譯等詳細應用工程方

3、面的研究。該參照篇章語料庫的建成不但為篇章構造標注建立了理論體系，而且為語篇構造的應用研究開拓了新的領域。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，如指代關系、語篇的風格、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)提出的修辭構造理論rst用于大批量的語篇

4、標注和語篇分析。他們認為用修辭構造理論rst對語篇進展標注有三點優(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注者在標注不同的文本時到達一定的統(tǒng)一；用該理論標注的語篇樹形圖對構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造標注的理論基矗2.根本語篇單位確實定語篇構造標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認為從句應該成為語篇的根本單位，saks1974認為談話的話輪應該成為語篇的根本單位，p

5、lanyi1988堅持語篇應該以自然句為切分單位，grsz和sindner1986認為語篇的根本單位應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)，最有影響的修辭構造理論認為從句應該是語篇的根本單位，不管從句有沒有語法標記或詞匯標記。然而，在詳細標注時，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、篇標記的短語作為根本語篇單位，如由inspitef盡管,ardingt根據(jù)等引導的短語。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.修辭關系的擴展當初，ann和thpsn1987提出修辭構造理論時只給出20多種修辭關系，但他們明確指出這是一個開放關系集，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系類型。aru2000根據(jù)標注的語料庫總結出53種單層核心關系和25種多層核心關系，78種定義關系又分成16個組別，每組都具有一樣的修辭功能。就如同當初的定義

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

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

9、質(zhì)量的檢驗標注質(zhì)量的控制是通過標注者對標注結果的反復修改和部分隨機的自動穿插核實來實現(xiàn)的。為了確保標注語料庫的質(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，即檢驗語篇構造樹的效度和保持標注者內(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，并將樹與文獻進展比照以防句子或語段被遺漏。語義檢驗主要是關系到核心語段的指派、修辭關系的選擇以及語篇構造樹的層次。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系和篇章構造地位。分析器和圖形掃描儀經(jīng)

10、?？梢源_認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造樹。5.2標注一致性在整個語料庫的建立過程中，研究者一直設法保證標注者之間內(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、預測可能性方面的一致性。6.標注語料庫的挖掘借助于以rst理論為支撐的語篇標注語料庫，研究者可以對語篇進展三個層次的分析，即語篇標記詞功能的分析、不同類型的語篇構造圖的描繪和比擬、語篇中從句間修辭關系的描繪和比擬。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和計算機語言學研究的主題

11、，而且網(wǎng)絡語料庫方便了研究者對關聯(lián)詞語的研究，但利用豐富的標注語料庫資源進展分析的研究不多。語篇構造標注語料庫可以使研究者在多種語境中對關聯(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涉及到的關系類型遠遠地多于sine，但兩者所引導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、構造圖的描繪和比擬除了lanaster大學的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造標注語料庫，勾畫出每一份文獻的多層次的語篇修辭構造圖，據(jù)此可以對構造樹的各個層次進展分析。例如，構造樹的抽象層面，對修辭關系和文獻的內(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，文本的構造也會發(fā)生相應的變化。6.3語篇內(nèi)修辭關系的研究通過對標注語料庫的分析和挖掘，研究者發(fā)現(xiàn)從句間的修辭關系在文本中發(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、類似的還有列舉關系和解析關系。修辭關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，語篇構造樹還勾畫了修辭關系如何發(fā)揮語篇銜接與連接的功能。例如，研究者通過對篇章標注語料庫的分析發(fā)現(xiàn)，“列舉關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，這一研究結果驗證了halliday和hasan1976的觀點，即平行構造是一種語篇銜接手段。6.4應用性研究語篇構造標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數(shù)據(jù)，例如，研究小組所設計的在線文件剪接系統(tǒng)。借助于篇章構造標注語料庫，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。篇章構造標注語料庫可以幫助創(chuàng)立一個以篇章構造為指導、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，篇章構造標注語料庫幫助創(chuàng)立了一個以篇章構造為指導、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