|
如何确定词语与其他某个成分是否构成搭配？如何决定词语之间搭配性的强弱？我们只能根据“系统中的对立”来回答这些问题。首先，我们确定系统的范围，可以是包含各种文本的综合语料库，也可以根据时间、地域、体裁、作者、内容等等划出有关文本的特定范围；呈对立的成分，一是词语 a 和词语 x 从单纯概率分布来看应该在一定间距内共同出现的次数，二是它们在文本中实际共现的次数。为了举例说明，我利用英国 Lancaster 大学的汉语语料库（Lancaster Corpus of Mandarin Chinese），研究“吃”和“粥”这两个词与其他词语的搭配关系。该语料库目前开放给公众使用的部分共有100万字，由500篇文本组成，每篇文本约2000字。“吃”在这100万字的语料库中一共出现了478次，“粥”出现了18次，我将共现间距定在前三个字或后三个字，结果请看下面的表格：  先看表中给出的词频，“吃”在100万字中一共出现了478次，“饭”出现了100次；接着是预期搭配频次，指的是如果单纯根据概率，“饭”在“吃”前三个字和后三个字间距内出现的预期次数应该是0.286，一次都不到；再接着给出的是实际出现次数，高达45次，LL 是390.42，说明预期出现次数和实际出现次数的差异绝对不是偶然现象，这组数据就是“吃”和“饭”构成搭配的坚实证据。正是文本中预期同现频次与实际同现频次的对立，决定了两个词语是否构成搭配，决定了它们搭配性的强弱。同理，“亏”在100万字的语料库中一共出现了20次，根据概率分布，“亏”在“吃”的前三个和后三个字以内出现的次数应该是0.057次，0.1次都不到，但实际上出现了10次，LL为89.47，可见“吃”和“亏”也是搭配性很强的组合。其他三个与“吃“实际搭配次数最多的词分别是“粥”、“面条”和“药”。 (责任编辑：admin) |