关键词： 广义话题结构   认知   计算模型   标点句   话题自足句  

摘要： 广义话题结构是汉语篇章中客观存在的结构形式。依据有限状态机的思想设计了识别广义话题结构的计算模型,在较大规模语料中初步检验了它的有效性,分析了该模型的空间复杂度和时间复杂度。该模型的特点是:递推控制,输出和输入以标点句为单位同步进行,无长距离回溯,有限回填,有限存储,保持词序。这些特点正是人在"话题—说明"信息的认知过程中所遵循的准则,因此该计算模型可以看作人完成这一认知过程的机械模型。

关键词： 事件结构隐喻   位置版本   汉语  

摘要： 本文基于Lakeoff提出的事件结构隐喻理论,根据其"位置版本"来分析和解释汉语意义建构的认知过程,并得出以下结论:"位置版本"的隐喻表达在汉语中极为普遍,隐喻式的思维方式已成为人们认识世界和赖以生存的基本方式。

关键词： 零形回指   《中华人民共和国行政许可法》   认知参照点模型   识解机制  

摘要： 零形回指是现代汉语中非常普遍的一种语言现象,被认为是汉语回指的标准模式。目前,针对这一语言现象的研究已经取得了丰硕的成果。然而,以往的研究大多集中在英、汉叙事语篇等文艺语体上,甚少有学者涉足法律语体中的零形回指。鉴于此,在前人研究的基础之上,基于认知参照点模型这一理论,以《中华人民共和国行政许可法》(以下简称《行政许可法》)为语料来源,采用定量与定性相结合的研究方法,本文探究了所选立法文本中零形回指的表征形式以及零形回指回指语的识解机制。本文有以下三方面的发现:第一,《行政许可法》中的零形回指主要可以分为三类:零形上指(话题凸显)、零形下指和特殊零形回指(话题隐含)。其中,零形上指(话题凸显)出现的频率最高,在所选文本中占有较大的比重,因此成为本文重点研究的内容。第二,零形回指在《行政许可法》中主要具有以下三方面的功能:(1)增强立法语篇的连贯性;(2)保证立法语言的经济性;(3)强调立法信息的焦点性。第三,基于认知参照点模型,本文提出了汉语立法文本中零形回指的识解机制。该识解机制对零形回指的回指语的识解具有强大的解释力。此外,本文还探讨了该识解机制对汉语规范性立法文本的翻译以及对汉语法律语篇的分析所具有的重要意义。本研究一方面是对传统回指研究的一种补充与发展,另一方面对汉语立法文本的翻译也带来了一定的启示。

关键词： “X风”构式   认知-社会语言学   AD+模型  

摘要： 本文以现代汉语新词"X风"构式为研究对象,将自主-依存理论、隐转喻理论和认知社会语言学理论加以整合,建构AD+分析模型,对"X风"构式形成的认知机制作出详细阐释。研究表明,"X风"构式的能产性既受制于构式内部各成分的特征,也受词语产生时社会现实因素的制约。同时满足以上两点时,"X风"的新语式才能产生,反之,则不能产生新的表达。社会现实因素是限制"X风"能产性的重要因素。

关键词： 问答构式   对话句法   共振   EDS模型  

摘要： 问答构式是日常生活中很常见的信息交流形式,也是人们在日常对话活动中获取信息的有效渠道,人们在这一基本交流过程中还构建了人际关系。汉语的“哪-”和“谁-”问答对话构式包含在汉语的特殊疑问问答构式中。在前人的研究中,几乎都将相关研究定位于英语的WH-问答构式上,如以who,what,when,where,how,which,why,whom等为疑问词的问答构式,对于汉语的“哪-”和“谁-”问答构式却没有专门的研究。就以往的研究而言,学者们主要从句法结构、语义和语用功能的视角探究了WH-问句,但这些研究都是横向的,而不是纵向的,也就是说,目前很少有关于对话中的WH-问句的研究。近年来,随着对话句法学(Dialogic Syntax)的出现,一些学者开始从认知的视角,并结合前面的三种方法,将WH-问句置于对话的语境中来进行分析。本文基于“事件域认知模型、对话句法和激活扩散模型”建构了“基于事件域的对话句法和激活扩散模型(“Event Domain-based Dialogic Syntax and Spreading Activation Model”,简称EDS)”,揭示了问答构式背后不同的共振的认知机制。笔者从北京语言大学语料库中心(BCC)穷尽性地收集到约60800对包含“什么”或“怎么”疑问代词的问答语对,采用每一百条选一条的方法共获得798对语料,并将其作为封闭语料进行RED分析,在语料描写的基础上,运用RED框架详细分析汉语问答对话构式的各部分特征,并统计频率以揭示汉民族的问答规律(详见第54页表格)。本文从北语语料库BCC中收集了60800条“哪-”和“谁-”问答语对,采用每一百条中任选一条的方法,最后得到一个含有608条相关语料的封闭语料库。通过对数据的描述和分析,揭示了汉语中的“哪-”和“谁-”问答构式的特征,并解释其不同程度的语义、句法和语用共振,数据统计结果详见56-57页。本文的主要贡献如下:第一,本文基于过往三个理论(对话句法,事件域认知模型和激活扩散模型)之不足,建构EDS模型,用于分析汉语“哪-”和“谁-”问答构式的生成机制,主要以“哪里”、“谁”和“谁的”为例。第二,一般研究都把重心放在单独的疑问句的句法结构和语义上,但本研究认为应该把问句和答语放在一起研究,把疑问句置于语境中,来研究问答构式在句法、语义和语用方面的共振,以便更全面地分析汉语“哪”和“谁”问答构式。第三,通过数据统计,发现汉语“哪-”和“谁-”问答构式在句法和语义层面的显著和活跃共振的比例都远远大于怠惰共振的比例,说明说话人双方对彼此的ECM一般都是比较了解的,因此一般都会被相互激活。

关键词： 事件域认知模型   反义复合词   语义变化  

摘要： 反义复合词是指由两个意义相反或相对的单音节语素构成的并列式复合词。本文将其分为并义类、偏义类和变义类,并运用王寅(2005)提出的事件域认知模型(ECM)对反义复合词语义的演变机制做出认知解释。从ECM理论看,并义类反义复合词语义的形成是因为观察主体突显了事件域内的任意层级的要素;偏义类的语义形成是因为用事件域中上层概念来表示下层的概念;变义类的语义形成是因为其超越字面意义而形成了概况义或比喻义。概括义的形成理据是用事件域中的下层意义来表示上层意义,而比喻义的形成理据是用另外的事件域E'来代替原来的事件域E,两者通过相似性进行投射。在现代汉语中,大多数反义复合词都是兼义的。

关键词： 现代汉语   把字句   认知组配   语义建构   相互依存模型  

摘要： 把字句属于现代汉语特殊句式，其独特的表达方式吸引了不少研究者的关注。从1924年黎锦熙先生提出“提宾说”至今，历经九十余年的发展，不同学者从不同角度分析该种句式的特征，产生了丰硕的研究成果，不断深化我们对这一表述的认识。但在把字句语义建构的解释方面，已有主要研究的观点存在相互冲突的情况，难以形成统一解释。\n 基于已有研究不足，本文以认知语言学中的广义认知构式理论以及认知心理中的力量理论为融合视角，建构相互依存模型，分析把字句的动态组配过程，以期更进一步认识这一句式的成因。通过分析语料，本文发现：\n 1）成分构式“把+NP2”（C1）和VP（C2）通过相互依存关系，而非自主依存关系，组配为把字构式（C0）。C1和C2基于各自的凸显义精细化描写对方概念结构中的详述位，由此组配为把字构式C0。\n 2）压制机制可促成相互依存关系的实现。当成分构式C2不具备组配为C0的概念次结构时，C1单向压制C2,选择性凸显后者概念结构中的潜在结果等义项，该潜在义项得到临时凸显后产生一个表原因的详述位。如此，C1概念结构中的凸显义和C2概念结构中的详述位相对应；C2概念结构中的凸显义也和C1概念结构中的详述位相对应，C1和C2形成相互依存关系。\n 3）可根据压制运作方式的不同，将组配过程分为2类：无压制的组配和基于单向压制的组配。当成分构式C2不能形成独立叙述时，C1和C2都具备了组配为C0的概念次结构，因此两者都无需压制过程，可直接通过相互依存模型组配为把字构式C0；而当成分构式C2能形成独立叙述时，C2不具备组配为C0的概念次结构，因此需要C1对C2进行单向压制来使其在概念结构上作出调变，然后通过相互依存模型组配为把字构式C0。\n 4）本文也通过语料分析尝试性的进一步修补、发展了构式和力量理论，拓宽了力量理论，以及压制和相互依存现象所涉范围。在分析语料的过程中发现，不同成分构式C1和C2之间存在相互依存关系，而非自主依存关系；在分析把字构式中C1和C2之间的力量关系时发现，力量理论中主要探讨的因果关系应扩大为日常生活中的基本力量关系。

关键词： 现代汉语新词语   理想认知模型理论   对外汉语教学  

摘要： 本文以现代汉语新词语为研究目标,以认知语言学中理想认知模型理论为理论依据,尝试用该理论分析新词语构词的认知理据,并希望将这一分析成果应用到对外汉语教学当中。我们分析了现代汉语新词语的构词类型,并以2010和2014年的911个新词语为封闭语料,用定量和定性相结合的方法概括出了新词语构词类型的特点,即偏正型构词仍然是新词语构词的最主要方式,但与传统词语构词法相比,动宾型构词法的数量大大上升,联合构词法的数量有所下降。随后,本文从认知模型理论出发,对联合型、偏正型、述补型、述宾型、主谓型五种用词根复合法构词的合成词进行了解释,五种类型的构词方法在理想认知模型中既有相同点,也各有各的特点。最后,本文尝试在对外汉语教学中应用认知模型理论进行新词语词汇教学,在实验对象中取得了良好效果,并以此为基础提出了相应的新词语教学意见。

关键词： EM算法   汉语分词认知   收敛性优化   极大似然估计规则   归-化处理  

摘要： 针对标准EM算法在汉语分词的应用中还存在收敛性能不好、分词准确性不高的问题,本文提出了一种基于极大似然估计规则优化EM算法的汉语分词认知模型,首先使用当前词的概率值计算每个可能切分的可能性,对切分可能性进行"归一化"处理,并对每种切分进行词计数,然后针对标准EM算法得到的估计值只能保证收敛到似然函数的一个稳定点,并不能使其保证收敛到全局最大值点或者局部最大值点的问题,采用极大似然估计规则对其进行优化,从而可以使用非线性最优化中的有效方法进行求解达到加速收敛的目的。仿真试验结果表明,本文提出的基于极大似然估计规则优化EM算法的汉语分词认知模型收敛性能更好,且在汉语分词的精确性较高。