- 相關(guān)推薦
關(guān)于英語語篇結(jié)構(gòu)標(biāo)注研究綜述的論文
論文摘要：語篇結(jié)構(gòu)標(biāo)注起步較晚，但以修辭結(jié)構(gòu)理論（RST）為指導(dǎo)的篇章修辭結(jié)構(gòu)標(biāo)注最近取得了令人矚目的成績。目前，已經(jīng)建成并公布的篇章結(jié)構(gòu)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。語料庫建設(shè)的主要成就為：確立了如何將語篇切分為基本語篇單位的理論，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設(shè)的研究成果。
論文關(guān)鍵詞：修辭結(jié)構(gòu)理論 篇章結(jié)構(gòu) 標(biāo)注
0.概述
隨著計算機技術(shù)的普及和發(fā)展，語料為機器可讀成為語料庫建設(shè)的最基本的要求之一。要達到語料機讀化這一目的，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行加工，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、語篇結(jié)構(gòu)等。從當(dāng)前的研究現(xiàn)狀來看，雖然語篇結(jié)構(gòu)標(biāo)注起步較晚，但以修辭結(jié)構(gòu)理論（RST）為指導(dǎo)的篇章修辭結(jié)構(gòu)標(biāo)注最近取得了令人矚目的成績。目前，已經(jīng)建成并已公布的篇章結(jié)構(gòu)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。在這基礎(chǔ)上研究小組還進行了自動篇章標(biāo)注算法、自動文摘、機器翻譯等具體應(yīng)用工程方面的研究。
該參照篇章語料庫的建成不但為篇章結(jié)構(gòu)標(biāo)注建立了理論體系，而且為語篇結(jié)構(gòu)的應(yīng)用研究開辟了新的領(lǐng)域。本文將綜述該參照篇章語料庫建設(shè)的研究成果。
1.理論支撐的建立
根據(jù)Carlson（2001）的介紹，用于話語分析的理論有很多，如Groz和Sidner(1986)Mann和Thompson(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體現(xiàn)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，Carlson（2001）等研究者將Mann和 Thompson (1987)提出的修辭結(jié)構(gòu)理論（RST）用于大批量的語篇標(biāo)注和語篇分析。他們認(rèn)為用修辭結(jié)構(gòu)理論（RST）對語篇進行標(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；先前的研究表明該理論可以使不同的標(biāo)注者在標(biāo)注不同的文本時達到一定的統(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結(jié)構(gòu)標(biāo)注的理論基礎(chǔ)。
2.基本語篇單位的確定
語篇結(jié)構(gòu)標(biāo)注的另一成就是確定了英語基本語篇單位。在確定基本語篇單位時，不同的研究者往往運用不同的理論。Givon（1983）認(rèn)為從句應(yīng)該成為語篇的基本單位，Sacks（1974）認(rèn)為談話的話輪應(yīng)該成為語篇的基本單位，Polanyi（1988）堅持語篇應(yīng)該以自然句為切分單位，Grosz 和Sindner（1986）認(rèn)為語篇的基本單位應(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)，最有影響的修辭結(jié)構(gòu)理論認(rèn)為從句應(yīng)該是語篇的基本單位，不管從句有沒有語法標(biāo)記或詞匯標(biāo)記。
然而，在具體標(biāo)注時，Marcu等研究者對基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基本語篇單位，包括起狀語作用的非謂語動詞詞組；充當(dāng)主語、賓語、補語的從句不屬于基本語篇單位；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)量的有明顯語篇標(biāo)記的短語作為基本語篇單位，如 由in spite of（盡管）,according to（根據(jù)）等引導(dǎo)的短語。
Marcu的切分方法綜合了Grosz和Sindner（1986）和Mann(1987)和Thompson（1987）的理論，在確定基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，Mann和Thompson（1987）提出修辭結(jié)構(gòu)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。Marcu（2000）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，每組都具有相同的修辭功能。
就如同當(dāng)初的定義關(guān)系集一樣，這些關(guān)系覆蓋了基本語篇單位、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，Carlson（2001）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，他們都接受專門的語篇結(jié)構(gòu)標(biāo)注培訓(xùn)，培訓(xùn)包括3個階段。
在第一階段，向標(biāo)注者介紹修辭結(jié)構(gòu)理論和語篇分析工具。在培訓(xùn)的第二階段，標(biāo)注者開始探索語篇結(jié)構(gòu)的特征。在培訓(xùn)的最后一個階段，標(biāo)注小組謀求在構(gòu)建語篇總結(jié)構(gòu)圖時保持一致，盡量減少分歧。
最終，標(biāo)注小組研制出兩個基本策略用于文獻分析并建立相關(guān)的語篇結(jié)構(gòu)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)注建立語篇結(jié)構(gòu)圖。以這種方式建立樹型結(jié)構(gòu)圖，標(biāo)注者必須預(yù)測到隨后的語篇結(jié)構(gòu)。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結(jié)構(gòu)兩項任務(wù)同時進行，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。以這種策略進行標(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結(jié)構(gòu)圖，然后將相鄰的自然句連接起來，構(gòu)成較大的語段結(jié)構(gòu)樹。最終的語篇結(jié)構(gòu)樹是通過連接語篇結(jié)構(gòu)中主要語塊而建成的。
5.標(biāo)注質(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)修改和局部隨機的自動交叉核實來實現(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，即檢驗語篇結(jié)構(gòu)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行，即句法和語義。句法檢驗確保每棵樹只有一個根結(jié)，并將樹與文獻進行對比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)系的選擇以及語篇結(jié)構(gòu)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)系和篇章結(jié)構(gòu)地位。分析器和圖形掃描儀經(jīng)常可以確認(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結(jié)構(gòu)樹。
5.2 標(biāo)注一致性
在整個語料庫的建設(shè)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結(jié)構(gòu)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。）如果Kappa數(shù)據(jù)大于0.8，就意味著具有較高的一致性；如果數(shù)據(jù)值在0.6和0.8之間，就意味著較好的一致性。
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行三個層次的分析，即語篇標(biāo)記詞功能的分析、不同類型的語篇結(jié)構(gòu)圖的描述和比較、語篇中從句間修辭關(guān)系的描述和比較。
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，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)注語料庫資源進行分析的研究不多。語篇結(jié)構(gòu)標(biāo)注語料庫可以使研究者在多種語境中對關(guān)聯(lián)詞進行元語言分析，使人們能了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since 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基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since，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 語篇結(jié)構(gòu)圖的描述和比較
除了Lancaster大學(xué)的OBC語料庫（Garside等，1987；Biber等，1998，轉(zhuǎn)自Carlson，2001）提供的語體或語域研究，以及TDT語料庫（Wayne，2000，轉(zhuǎn)自Carlson，2001）提供的話題確認(rèn)研究之外，能幫助研究者對語篇進行全面分析的語言資源不多。然而，以RST理論為支撐的語篇結(jié)構(gòu)標(biāo)注語料庫，勾畫出每一份文獻的多層次的語篇修辭結(jié)構(gòu)圖，據(jù)此可以對結(jié)構(gòu)樹的各個層次進行分析。例如，結(jié)構(gòu)樹的抽象層面，對修辭關(guān)系和文獻的內(nèi)容進行非詞匯化的概括，為研究交際意圖帶來很多方便。
又如，語篇研究結(jié)果表明在文本的總體框架上新聞類語篇不同于故事類，因為新聞類語篇的結(jié)構(gòu)多呈倒三角形，但這些研究很難解釋產(chǎn)生差異的根本性原因。語篇結(jié)構(gòu)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、在體現(xiàn)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，這些結(jié)構(gòu)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，文本的結(jié)構(gòu)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了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，語篇結(jié)構(gòu)樹還勾畫了修辭關(guān)系如何發(fā)揮語篇銜接與連貫的功能。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)揮巨大的作用。事實上，這一研究結(jié)果驗證了Halliday 和Hasan（1976）的觀點，即平行結(jié)構(gòu)是一種語篇銜接手段。
6.4 應(yīng)用性研究
語篇結(jié)構(gòu)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)。借助于篇章結(jié)構(gòu)標(biāo)注語料庫，研究者發(fā)現(xiàn)并非所有的句子都是基本語篇單位，也不是所有的語篇單位都具有相同的作用，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、在體現(xiàn)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。篇章結(jié)構(gòu)標(biāo)注語料庫可以幫助創(chuàng)建一個以篇章結(jié)構(gòu)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，篇章結(jié)構(gòu)標(biāo)注語料庫幫助創(chuàng)建了一個以篇章結(jié)構(gòu)為指導(dǎo)、以機械文摘為基本手段、再配合消除冗余、可讀性加工的綜合自動文摘系統(tǒng)。
7.結(jié)論
2001年，由Daniel Marcu博士主持的研究小組以RST理論為支撐創(chuàng)立了語篇標(biāo)注語料庫。研究小組所標(biāo)注的385篇華爾街報文章皆取自賓州樹庫，篇幅長度不等，從31個詞到2，124個詞，總詞數(shù)達到176，000，平均每篇文章458個詞。文章的內(nèi)容涉及到各種話題，如財政報道、商業(yè)新聞、文化點評、編者按、讀者來信等。語料庫建設(shè)的主要成就為：確立了如何將語篇切分為基本語篇單位的理論、擴展了修辭關(guān)系集、為RST理論的運用提供了廣闊的前景。
參考文獻：
�。�1］ [ZK(#]Carlson,L.,Marcu.D.& Okurowski M.Building a Discourse_tagged Corpus in the Framework of Rhetorical Structure Theory.Proceedings of the First Annual Meeting of the North American Chapter of the Association for Computational Linguistics,Seattle,WA,2001:9-17.
�。�2］ Grosz,B.& Sidner,C.Attentions,Intentions,and the Structure of Discourse［J］.獵omputational Linguistics,12(3):175-204.Talmy Givon,1983/1986.
［3］ Halliday,M.A.K.& R.Hasan.獵ohesion in English［M］.London:Longman,1976.
�。�4］ Mann.W.& S.Thompson.Rhetorical Structure Theory:A Theory of Text Organization.USC Information Science Institute.Technical Report I (SI/ RS-87-190),1987.
［5］ Marcu,D.玊he Theory and Practice of Discourse Parsing and Summarization［M］.Cambridge,Massachusetts:MIT Press,2000.
【英語語篇結(jié)構(gòu)標(biāo)注研究綜述的論文】相關(guān)文章：
語篇結(jié)構(gòu)標(biāo)注研究的綜述07-08
綜述論文結(jié)構(gòu)寫作解析08-20
對于職業(yè)決策困難結(jié)構(gòu)的研究綜述10-27
淺論資本結(jié)構(gòu)對投資行為的影響-對相關(guān)文獻的研究綜述10-21
小兒高熱驚厥的護理進展的綜述研究論文06-26
舞蹈音樂結(jié)構(gòu)與舞蹈表演研究論文08-18
論文綜述的格式12-20