话语标记与衔接:数一数因为和但是能看出什么
【因为】【但是】【不仅如此】把句子接起来,自己却不带内容。这篇讲语言学怎样界定和归类这些词,计算机怎样数它们,数出来的结果能说明什么、说明不了什么,各学科怎么用,想深入该读哪几篇论文。
假设你在比较一个旧城更新项目的两份材料,一份是规划说明,一份是居民座谈会的记录。两份谈的是同一片街区,读起来味道很不一样。规划说明里一句接一句是【同时】【此外】【因此】,座谈记录里反复出现的是【但是】【可是】【因为】。这些词自己不带内容,只交代下一句和上一句是什么关系,是接着补充,是掉头反驳,还是给出原因。
语言学把这类词叫 discourse markers(话语标记)。让一句句话连成一篇的那些联系,叫 cohesion(衔接),这类词是衔接的一种手段。把这些词按关系分成几类,在一篇文字里一处处数出来,看哪一类多,多在开头还是结尾,能看出这篇文字习惯怎样把话接下去。上面例子里的用词是假设的,真实材料要数过才知道。
这些词怎样被分类,又怎样交给计算机去数
Halliday 和 Hasan 1976 年出版了 Cohesion in English(英语中的衔接),研究句与句之间的语义关系怎样形成衔接。书分五章讲五种衔接手段,连接是其中一章,专门讨论【but】【so】【then】这类词的连接作用。书里还给了一套分析和编码句子的办法,用在样例文本上(Halliday 与 Hasan,1976;Routledge 2014 年重新出版)。
Schiffrin 1987 年的 Discourse Markers 研究口头交谈,分析【oh】【well】【you know】这样的小词,也分析【so】【because】【but】这样的连接词。材料是作者做社会语言学田野调查时收集的谈话。书的结论是,这些词为说话和听话提供了上下文的坐标,帮人在局部和整体两个层面上产出并理解连贯的谈话(Schiffrin,1987)。
第二年,Mann 和 Thompson 发表了 Rhetorical Structure Theory(修辞结构理论,简称 RST),题目说它要走向一种关于篇章组织的功能理论(Mann 与 Thompson,1988)。
这类词的叫法并不统一。Fraser 1999 年的文章列出了六种叫法,并说研究者大多同意它们连接前后两段话,却在怎样定义、怎样起作用上没有共识。文章给的定义是,这类词主要来自连词、副词和介词短语,除少数例外,都表明它引出的那段话和前一段话之间的关系。它们的核心意义是程序性的,不表示概念,具体怎样理解要由上下文来商定。文章最后按功能列出了几个主要的类(Fraser,1999)。
2004 年,Graesser 等四位作者介绍了他们开发的 Coh-Metrix。用户输入一段英文,它给出 200 多项衔接、语言和可读性方面的指标。论文说,常见的可读性公式只看词长和句长,Coh-Metrix 还能反映衔接关系(Graesser 等,2004)。同一年,Hyland 和 Tse 重新梳理 metadiscourse(元话语),即文字里指向这段文字本身的话,以及指向作者和设想中读者的话。他们分析了二语研究生写的 240 篇学位论文,共 400 万词,提出一个他们希望更稳妥的模型(Hyland 与 Tse,2004)。
RST 提出以后,关系该分多少种一直有争论,其中一种主张是按标记词来定。Taboada 2006 年拿两份语料检验这个思路,一份是对话,一份是报纸文章。先标出修辞关系,再看每个关系有没有外在的信号。两份语料的结论相同,平均有 60% 到 70% 的关系没有信号。两者对比还显示,哪些关系会被标出来,可能和文体有关(Taboada,2006)。
Prasad 等人 2008 年发布 Penn Discourse TreeBank 2.0(宾州语篇树库第二版,简称 PDTB),在 100 万词的《华尔街日报》语料上把语篇关系一条条标出来。有连接词的是显性关系,连接词取自从属连词、并列连词和语篇副词,共 100 种。没有连接词、要读者自己推断的,标注员补上一个最贴切的连接词,叫隐性连接词。全库标了 40600 处关系,显性 18459 处,隐性 16224 处。关系的意思最上层分四类:时间,因果和条件,比较,扩展(Prasad 等,2008)。
中文里没有连接词的关系更多。Zhou 和 Xue 2012 年照 PDTB 的思路设计中文的标注方案,从中文树库里随机抽了 20 个文件粗数,82% 的关系没有显性连接词,PDTB 2.0 是 54.5%。论文举了一句讲东莞海关试点的报道,中文用逗号把两件事放在一句里,中间没有连接词,译成英文却更适合拆成两句或用分号隔开。论文说这种情况非常普遍,和中文惯常的写法有关(Zhou 与 Xue,2012)。两人 2015 年发表了 Chinese Discourse TreeBank(中文语篇树库),一个标注了语篇关系的中文语料库(Zhou 与 Xue,2015)。
| 年份 | 谁 | 留下了什么 |
|---|---|---|
| 1976 | Halliday 与 Hasan | 把连接列为衔接手段之一 |
| 1987 | Schiffrin | 口头交谈里的话语标记 |
| 1988 | Mann 与 Thompson | 修辞结构理论 |
| 1999 | Fraser | 话语标记的定义和按功能分类 |
| 2004 | Graesser 等 | 让计算机算衔接指标的 Coh-Metrix |
| 2004 | Hyland 与 Tse | 重新梳理的元话语模型 |
| 2006 | Taboada | 六到七成的关系没有信号 |
| 2008 | Prasad 等 | 区分显性和隐性关系的 PDTB 2.0 |
| 2012 | Zhou 与 Xue | 中文里 82% 的关系没有显性连接词 |
一个词出现了,未必在起连接作用。Pitler 和 Nenkova 2009 年指出两种歧义。一种是同一个词可能用作连接,也可能不是,英文的 once 可以是表示时间的连接词,也可以只表示【从前】。另一种是一个连接词能标出不止一种关系,since 可以表示时间,也可以表示原因。他们用句法特征改进了这两种判别(Pitler 与 Nenkova,2009)。衔接指标的高低也未必对得上文章好坏。McNamara、Crossley 和 McCarthy 2010 年用 Coh-Metrix 分析一批由专家按统一标准评分的作文,用到的 26 项衔接指标涵盖同指和连接词,没有一项在高分和低分作文之间有差别,也没有一项和分数相关(McNamara 等,2010)。Crossley、Kyle 和 McNamara 2016 年发布了免费工具 TAACO,有 150 多项衔接指标,分成 local(局部)、global(全局)和 overall(整篇)三组。验证结果是,专家给的连贯分和质量分,与局部和整篇两组指标要么负相关,要么预测不了,能正向预测它们的是全局一组(Crossley 等,2016)。
现在谁在用,拿它做什么
旅游点评网站 Tripadvisor 推出了用人工智能概括酒店点评的功能。Radovanović 和 Dimitrovski 分析了这些摘要,样本是全球三个热门目的地的 358 家酒店。他们按 Hyland 的元话语模型统计,最常见的是 transitions(过渡标记)和 hedges(模糊限制语)两类。他们还发现同样的元话语句式反复出现,用词单一,可能削弱摘要想要的说服效果(Radovanović 与 Dimitrovski,2026)。
公共政策方面,Ho 2016 年用语料库方法分析香港特区政府两项教育改革的政策文件,看政府怎样劝说市民接受改革。结论是政府借元话语诉诸理性、可信度和情感(Ho,2016)。Hyland 更早研究过企业年报,1998 年的文章分析了国际公司和香港公司的 137 封总裁致辞,拿它们和同一份年报里的董事报告比较元话语的频率和分布,以此说明总裁致辞的修辞本质(Hyland,1998)。
写作研究里,Field 和 Yip Lee Mee Oi 1992 年依据 Halliday 和 Hasan 讲连接的部分,比较中六学生的英文作文。母语是粤语的三组学生用连接手段的频率显著高于母语是英语的一组,放的位置和选的词也不一样(Field 与 Yip,1992)。Granger 和 Tyson 1996 年用 ICLE(国际学习者英语语料库)检验学习者是否普遍多用连接词,结果总体上并没有多用,问题出在个别词的多用、少用和误用(Granger 与 Tyson,1996)。
想深入可以读这几篇
- Fraser(1999)What are discourse markers?,想弄清这类词怎样定义、怎样分类,先读这篇。
- Taboada(2006)Discourse markers as signals (or not) of rhetorical relations,讲有多少关系没有标记词,读数之前该知道。
- Prasad 等(2008)The Penn Discourse TreeBank 2.0,讲显性和隐性关系怎样标注,全文免费。
- Zhou 与 Xue(2012)PDTB-style Discourse Annotation of Chinese Text,讲中文的隐性关系为什么多,标注方案要怎样改,全文免费。
- Crossley、Kyle 与 McNamara(2016)The tool for the automatic analysis of text cohesion (TAACO): Automatic assessment of local, global, and text cohesion,想知道衔接指标和连贯评分是什么关系,读这篇。
TATOOLS 里的话语标记词分析
TATOOLS 的【话语标记词分析】内置中英文标记词表,按因果、转折等八类数一篇文字里的标记词。交给它的可以是政策文件和规划说明,也可以是访谈稿或游客评论。报告先给出总命中数和每段平均几处,再画出八类各占多少,沿段落从头到尾怎样起伏,每一类在句首和句中各出现几次;每个词列出次数和所在的前后文。几份材料一起交,报告还用雷达图并排对照各份的类别占比。