回顧與展望：漢語詞和短語區分研究

饒 琪 鄭友階

(華中師范大學文學院，湖北武漢，430079/湖北科技學院人文與傳媒學院，湖北咸寧，437100；黃岡師范學院外國語學院，湖北黃岡，438000)

回顧與展望：漢語詞和短語區分研究

饒 琪 鄭友階

(華中師范大學文學院，湖北武漢，430079/湖北科技學院人文與傳媒學院，湖北咸寧，437100；黃岡師范學院外國語學院，湖北黃岡，438000)

漢語中詞和短語的邊界并不清晰，如何有效地對二者進行區分是一個長期存在的問題。文章主要對已有的相關研究進行了全景式概述，在此基礎上主要分析研究中存在的幾個難點和關鍵性的問題，指出“詞感的一致性及其閾值的確定”是問題解決的核心，也試圖對這一問題的后續研究作出展望。

詞；短語；詞感

近年來在語言歷史演變、中文信息處理及神經語言學等領域的推動下，漢語的詞和短語區分問題被重新審視。注重實證是現階段研究的特點，在王立的《漢語詞的社會語言研究》[1]、李晉霞的《詞與短語區分的理論與實踐》[2]兩本論著上有著充分體現。本文試圖對已有的相關研究進行概述，并在此基礎上分析持續存在的幾個難點問題。

一、 “詞”是什么？

在討論詞和短語如何區分的問題之前，有一個前提需要明晰：漢語的詞是什么？

(一) 作為術語的“詞”

在比附和構建漢語語法研究體系的過程中，章士釗在《中等國文典》里首次具體闡述了作為術語的“詞”，明確提出了詞和短語是不同級的語法單位[3]。但在當時這一術語并沒有得到普遍性認可，或仍使用“字”來表述詞，如劉復的《中國文法通論》[4]；或對詞有別解，如陳承澤的《國文法草創》[5]。真正意義上讓術語“詞”被廣泛接受的是黎錦熙的《新著國語文法》一書，該書首次界定了詞，即說話的時候表示思想中一個觀念的語詞，明確提出了漢語的四級語法單位是字、詞、短語和句子[6]。盡管這一觀點不無瑕疵，但該書在當時乃至此后的一段時期內影響甚廣，幾乎被當作唯一的語法教材在使用。據孫良明考證，《新著國語文法》一書先后再版24次之多[7]，作為術語的“詞”逐步成為漢語研究的基礎術語。

建國初期，由于語法教學的需求和多種語文期刊的創辦，形成了語法知識普及化的浪潮。詞是什么的問題浮出了水面，曹伯韓、傅東華、彭楚南、林漢達、史存直、鄭林曦、趙恩柱等人先后撰有專文討論。從呂叔湘的一段話里不難明白為什么討論會如此熱烈：“我們講語法是從語言出發的，詞是語法里最基本的東西之一，所以非把詞的意義弄明白不可，否則就討論不下去了。”[8]強調功能層面的“自由運用”和句法上的“最小單位”是討論的共識。1956年刊行的《暫擬漢語教學語法系統》采取了提取最大共識的辦法，將詞定義為最小的、能夠自由運用的語言單位。由于這一系統的巨大影響力和中小學語文教材的傳播效應，直到今天有關詞的基本認識在知識傳授層面上依然沒有脫離這一范圍。

(二) 多元視野下的“詞”

漢語的使用者可能不關注詞的定義，但并不妨礙他們具有詞感。這里不打算對詞進行完備定義，主要是討論有關“詞”的幾點認識。

(1)詞具有心理現實性，是心理語言的基本存儲單位。“凡被認為是一個詞的必定當作一個統一體標記在心頭”，是陳望道在《文法簡論》中的前瞻性認識[9]。有實證研究支持這一觀點。張珊珊、江火系列研究通過“學習——再認”范式，運用事件相關電位技術(ERPS)，從記憶編碼加工的角度實證了詞是大腦中的基本語言單位[10]。研究發現：短語和復合詞具有不同的加工機制，詞具有更好的通達和更有效的記憶編碼，這種差異在P2上體現明顯。同時詞的反應時長均值要小于短語，說明了詞的通達更加迅速，在準確率指標上也要優于短語。

(2)詞具有多種信息標簽。以往研究主要關注詞的形式和意義兩端，這種觀察無疑生發在靜態層面，而動態的語用通常會賦予詞幾何維度上的信息，建構起詞的整體知識圖景。詞的信息標簽以外顯或內隱的方式存在：外顯是能夠被直接感知的，如韻律、結構、高熟悉度的語義等信息；內隱是需要進一步挖掘才能獲得的信息，如頻率、情感、語體、極性等。

(3)詞感的影響因素是多方面的。語義、音節長度、結構和頻率都有可能影響詞感的強弱。這里包含了兩個層次：第一，結構與意義是詞感的基礎。一般而言，結構穩固、意義凝聚是詞的典型特征。整體義的浮現是漢語詞感知的重要方面。郭桃梅等采用了ERR手段來考察漢語詞匯產出中詞的各種信息通達過程，發現由語義信息引起的N200潛伏期要早于語音信息引起的N200潛伏期，實驗表明在漢語詞匯產出中，語義加工要早于語音加工[11]。第二，結構類型、音節長度和頻率呈現交互影響，高頻的雙音節動賓結構往往具有詞感，如“吃飯、喝水、關心、走路、跑步”等。

(4)詞是相對于某一具體的共時層面而言的。詞庫是歷時和共時交融的產物，其間有承傳，也有創新。近年來的詞匯化研究報道了漢語中不少從短語固化而來的詞，只是這種固化往往需要足夠時間或空間來獲得語用力量。因此在一個相對共時層面里面，語言單位可能存在詞和短語并置的情形。

二、 如何區分

怎樣區分詞和短語？已有研究可以分為三個階段：早期的理論探索、后續的應用研究，以及近來的實證調查。

(一) 理論探索

王力(1944)提出“插入法”和“轉換法”來處理詞和短語頗難劃分的問題。[12]陸志韋(1957)在結構主義語言學的視野下，初步運用了“擴展法”來探求漢語詞的邊界和形式特征[13]。趙元任(1968)進一步具體了詞和短語的五條鑒別原則：(1)構成成分帶輕聲的；(2)構成成分是黏著的；(3)構成成分拆不開；(4)內部結構為離心結構的；(5)整體意義不是部分的組合[14]。呂叔湘(1979)對這一問題也有相似闡述[15]。他們的看法其實是一個從形式到意義、附加上語音的多元操作框架，在具體細則上可能有差異，但基本思想趨于一致。

王洪君(1994)試圖通過排除的方法來確定詞，分析了兩字復合短語規則，認為詞是有內部結構但結構方式不符合短語規則或句子規則的多音節音義結合體[16]。邢福義(1996)從音節優選的角度出發，主張在區分兩難的狀態下，雙音節單位應該判定為詞，三音節結構劃歸為短語(如豬肉為詞，野豬肉是短語)[17]。馮勝利(2009)在對趙元任的五條原則進行檢驗的基礎上，針對古漢語中的復合詞提出了語義綜合性標準[18]。

這些研究無疑在理論層面上拓展與深化了有關詞和短語區分的認識，但都未能得到大面積的應用，主要是這些規則在面向大規模真實文本之時，均表現出了可操作性不強的特征，在詞的判定上仍然十分依賴語感。

(二) 應用研究

分詞系統的設計與實現是自然語言處理的基礎平臺，無論何種分詞軟件和方法，優秀的詞典構建是分詞系統指標優化的不變基礎，這個環節的困難主要和詞與短語的界限問題息息相關。盡管先后形成了《信息處理用現代漢語分詞規范(GB/T13715—92)》《現代漢語語料庫文本分詞規范》等綱領性文件，但仍難以在可操作層面上解決“什么是詞”的問題(參看孫茂松、鄒嘉彥，2001；黃昌寧、趙海，2007)[19][20]，以至于相關文獻中術語“分詞單位”一直在使用，人機結合、定性與定量并舉的方法在詞典構建上依然發揮著重要作用。

歧義切分和未登錄詞是影響分詞系統評測指標的兩個重要方面，詞和短語的區分對覆蓋型字串的歧義消解有重要影響。SIGHAN已經舉辦了數屆國際漢語分詞評測大賽，歷屆評測所提供的訓練語料仍需人工的介入和干預，黃昌寧、趙海(2007)報道了由于人工標注的不一致所導致的評測誤差。

(三) 實證調查

有研究者很早就提出以語感作為確認“詞”的標準(趙恩柱，1956)[21]。王立(1998)引入“公眾詞感”概念，采用問卷調查方式，對6種漢語普通話和對外漢語教材中的25個“V單+N單”動賓結構進行考察[22]。研究表明，25個雙音節動賓結構認定為“詞”的一致率高達95%，這和專家詞感差異顯著。她隨后兩次對43個雙音節定中結構進行了調查[23]，調查顯示認定為詞的概率值分別為99.47%和96.13%，結論基本趨向穩態。

據胡明揚(1999)報道，相似調查陳松岑也進行過，見于其未刊稿《詞與非詞的界限——語法專家與群眾語感的異同》[24]。研究顯示專業因素和詞感存在關聯，“藍天、白云、小鳥、湖邊、松樹”一般人認為是“詞”，可大多數語言研究者和詞典編纂專家認為這些是“短語”。王立(2002)主要研究的是“大眾詞感”，李宇明、李晉霞(2007)則集中討論了“專家詞感”，也采用“問卷調查”的方式對影響詞感的因素：頻率、結構類型、音節長度、自由和黏著、概念類型等五個方面進行了控制變量的逐一考察。研究發現，詞感有顯著的頻率效應，不同的結構類型對詞感的影響排序為：定中>聯合/狀中>主謂/動補/動賓[25]。李晉霞、王忠玲(2011)將研究對象擴展到了三音節語言單位，對101個不同音節類型的三音節結構進行了詞感調查[26]。結果表明，在三音節結構成詞傾向上[2+1]>[1+2]>[1+1+1]，但細分起來，也和三音節結構的內部結構類型、組構方式有關。陳衡(2013)的實證研究構建在大規模語料的基礎上[27]，討論了頻率和詞感之間的關聯，發現頻率和詞感之間并不存在必然關聯，如頻率最高的雙音結構“一個”就不是詞，而是短語。頻率的作用更多地存在于那些具有相同組構、同構造槽和相同概念域的候選串上。

三、 詞感的制約因素

在前文已略有論及影響詞感的因素，語義、語音、結構類型以及頻率都有可能會對詞感產生制約作用。下面我們進一步討論這個問題。

(一) 語義

語義是詞感通達的核心。張金橋(2011)探討了SOA在57ms、157ms和314ms條件下漢語的雙音節復合詞在語義、詞類和構詞法等方面詞匯信息激活的相對時間進程[28]。結果表明,在57ms時語義信息已經被激活,在157ms時語義和詞類兩種信息均被激活,在314ms時激活了語義、詞類和構詞法三類信息。結論表明語義信息在整個詞匯信息激活中的優先地位。復合詞是“詞”和“短語”區分的交匯點。文獻中常使用“語義透明度”(semantic transparency)或“語義融合”(semantic compositionality)來刻畫組構成分語義和整體語義的聯結情況，前者更為常見。對“語義透明度”的定義有兩種方式：一種和語義的可預測性相關，高透明度詞可以根據這個詞的構成來判斷它的詞義(Plag，2003:46)，但這種推測會受到個體已有知識經驗的制約，表現出一定的局限性；另一種與可分析性有關，完全透明的詞由它不同組成部分的當下語義構成(Zwisterlood，1994:344)。近年來，結合“語義透明度”的結構體詞匯化程度考察已有不少，相關工作可參看(李晉霞，2008/2011；羅耀華，2015)[29]。

還有相關的兩個問題亟待解決：一是應該借鑒心理學領域中量表設計的理念和方法，構建通用的“語義透明度”測試量表。盡管有研究也對“語義透明度”有分層刻畫，但囿于個體知識經驗的不同，難以達到面對不同研究對象保持一致性。通用的“語義透明度”量表可以有效解決測試的標準化問題，對研究的信度和效度有顯著提升。二是加強復合詞語義通達方式的實證研究。盡管在復合詞的語義通達模式上已經取得了較為一致的共識：即構成成分和整體都起作用，既有分解表征過程，也有整詞表征過程(參看彭聃齡、丁固盛，1997；陳曦、張積家，2005；丁固盛、彭聃齡，2006)，但還沒有看到典型的復合詞和短語的比較研究，尤其是高頻組合造成的可離可合的“離合詞”應當成為這方面研究的“富礦”。

(二) 語音

語音是感知詞邊界的重要因素。語音上的停延最能直接感知詞的韻律邊界，輕重音是區分詞和短語的輔助手段。同時，在漢語普通話中兒化、變調是成詞的語音手段，變韻是方言中大量報道出來的構詞方式。這些充分說明了語音和詞的內在關聯，從已有研究來看，主要體現在兩方面：

一是雙音節是漢語詞的優選音長形式。已有的詞匯計量研究充分表明了這一點。周薦(1999)統計了《現代漢語詞典(修訂本)》，在全部58481詞條中，雙音節詞條數為39548個，占67.625%[30]。更大規模的語料統計也支持這一點：2005年首次進行了語言生活的大規模普查，課題組統計了來自全國15家主流報紙、6家新聞網站、13家電視臺、9家廣播電臺的總字符數高達909429700、詞種數1651749個的語料，顯示漢語的平均詞長為2.28音節。

二是韻律與漢語詞的交互作用。馮勝利(1997)明確提出了漢語的“基本韻律詞”是兩音節的“標準音步”，王洪君(1999)又進一步從詞法—韻律兩方面定義了漢語的韻律詞、韻律類詞和韻律短語。三音節語言單位涉及韻律和詞匯的界面互動，韻律構詞的基本觀點是：[2+1]構成的超音步有成詞的可能，大部分的[1+2]是短語，詞的可接受度較低。端木三(1997)則發現了音節單雙在漢語構詞中的不同作用，用“切菜刀”和“蔬菜加工刀”進行對比說明，發現如果復合詞的定語是述賓結構，則音節上1-1配置的述賓式定語用VO語序，音節上2-2配置的述賓用OV語序，后續研究參看(莊會彬、劉振前，2011)[31]。

(三) 結構

在通過定義的方式來界定詞的描述中，“結構穩定”往往被強調。黃月園(1995)從詞的組成部分和修飾語的組配、詞不允許插入和詞的組成不能夠并列三方面來論證了復合詞組成部分的不可分離性。結構對詞感強弱的影響主要表現在以下兩方面：一是結構緊密度，可以通過“互信息”來刻畫。但此方法拋開了語義，僅僅只能說明雙音結構體之間的緊密度。二是結構類型，需要調查不同結構類型的語言單位詞感的強弱。漢語里面高頻的雙音節動賓短語、動補短語具有顯著詞感(如：吃飯、喝水、洗澡、理發；打破、搞到)。李晉霞(2013)以問卷調查的方式對頻率水平相當、意義具有字面性的不同類型的雙音結構進行了詞感調查。調查表明，定中結構的詞感最強，其次是聯合結構和狀中結構，主謂結構、動補結構和動賓結構的詞感最低：定中>聯合/狀中>主謂/動補/動賓。

(四) 頻率

頻率對詞感的形成具有催化作用。劉云(2009)討論了頻率對詞感的制約作用，詳細論述了頻率對詞感的動力作用、高頻單位認知的優先性以及頻率對語言單位感知的效應[32]。同時，在歷史視角下討論詞的形成問題上，頻率一般都會作為原因之一被論及。高頻可能是導致相鄰語言單位的附著化和合并的一個重要動因，會引起線性毗鄰的語言單位組塊化(Krug，1998/2000；Bybee，2002)。

頻率對詞的形成和詞感的制約研究還有兩方面問題需要進一步具體討論。一是所謂的“高頻”并不具體，缺乏相應的量化數值作為標準，彭睿通過區分“籠統頻率”和“臨界頻率”，明確指出了單純的頻率統計并無意義，誘發語言單位演化的動力是臨界狀態下的高頻使用[33]。二是“高頻”一定會帶來詞匯化嗎？頻率的高低同結構體語法化、詞匯化的程度呈正相關嗎？彭睿(2011)通過對“的+N”在古今語料中頻次的對比，指出“的話”在“的+人”、“的+事”、“的+話”三類非結構詞串中無論是古代漢語還是現代漢語中頻次都是最低的，但結果卻是“的話”成為典型詞。

四、 難點問題

漢語的詞和短語區分研究已經走過了幾十年的歷程，但離圓滿解決還有不短的距離，這里面既有以往研究中存在的一些問題，也有一直存在的難點。

難點之一：詞感的一致性問題。漢語里面語言單位是詞還是短語缺乏標準答案，因而對不同的對象來說給出的答案可能并不一致。黃昌寧、趙海(2007)指出了漢語詞的認同率均值在0.76左右。這種不一致現象對詞感實驗和語料標注都會有制約作用：造成了詞感實驗難以對受試的正確率進行統計，語料標注中不同標注者的詞感差異常常導致標注不一致的現象，所以早期的分詞評測采用“柔性標準”。

難點之二：詞感一致性的閾值。從已有的詞感實證研究來看，涉及詞的判斷這一塊，基本上采用的方法都是通過量表的方式來確定。目前所看到的研究而言，閾值確定的主觀性還是較強的，如王立(2003)使用了七點量表的方式，對受試的詞匯化程度進行分層，70%是其設置的一個確定成詞的閾值，但是這一閾值的信度、可重復性還值得進一步研究。

難點之三：是不是詞，誰說了算？從理論上來說，這個問題有三種可能答案：一是專家說了算，二是辭書說了算，三是語言使用者投票說了算。但細究起來，這幾個方案都有一定的局限：第一，專家和一般的語言使用者在詞的感知能力上應該存在有差異。第二，應該考慮到任何一本辭書都不可能囊括語言生活中可能存在的詞。有研究表明，語感中詞的數量要大于辭書收錄的范圍。第三，如果是語言使用者投票說了算的話，就會遇到前面討論過的閾值確定問題。

難點之四：個體已有的知識經驗是否會影響詞感？呂叔湘在《漢語語法分析問題》一書中指出，“不同文化程度的人對什么是詞的感覺是完全不一致的”，但并沒有證明。胡明揚希望通過調查的方式來看專家和普通人的詞感是否存在差異。已有研究顯示出相左的觀點：王立(1998)的第二次調查對象為不同年齡、不同職業、不同文化程度、不同工作單位的社會公眾，相關分析顯示，年齡、職業、文化程度等因素和詞的感知無顯著相關；但前文談到了陳松岑在北京的調查卻顯示，擁有語言學知識的研究者和大眾的詞感是存在差異的。由于個體的知識經驗難以刻畫，這一問題在未來還難以得到有效實證，可行的方案應該是分步驟、分批次地進行控制變量的調查，首要的任務是比較專業知識是否會影響詞感。

*本文系國家社科基金重大招標項目“面向網絡文本的多視角語義分析方法、語言知識庫及平臺建設研究”【12&ZD227】、教育部人文社會科學研究基金“基于大規模通用語料庫的漢語詞和短語區分研究”【12YJC740085】和華中師范大學優秀博士學位論文培育計劃【2015YBYB062】階段性成果。

注釋：

[1] 王立：《漢語詞的社會語言學研究》，北京：商務印書館，2003年。

[2] 李晉霞：《詞語短語區分的理論與實踐》，北京：中國社會科學出版社，2013年。

[3] 章士釗：《中等國文典》，上海：商務印書館，1907年，第1頁。

[4] 劉復：《中國文法通論》，北京：中華書局，第44～45頁。

[5] 陳承澤：《國文法草創》，上海：商務印書館，1922年，第22～23頁。

[6] 黎錦熙：《新著國語文法》，上海：商務印書館，1924年，第15頁。

[7] 孫良明:《黎氏文法重印24版,為全國大學中學漢語語法教學采用30多年及其原因——紀念劭西師〈新著國語文法〉出版90年(五之三)》，《魯東大學學報》2014年第5期。

[8] 呂叔湘：《語法學習》，北京：中國青年出版社，第3頁。

[9] 陳望道：《文法簡論》，上海：上海教育出版社，第18頁。

[10] 張珊珊、江火：《離合詞是詞還是短語?——一項來自神經電生理學的證據》，《語言科學》2010年第5期。

[11] 郭桃梅等：《漢語詞匯產生中的義、音信息提取時間進程的ERP研究》，《心理科學》2007年第5期。

[12] 王力：《中國語法理論》，上海：商務印書館，1944年，第46～47頁。

[13] 陸志韋：《漢語的構詞法》，北京：科學出版社，1957年，第1～6頁。

[14] 趙元任：《漢語口語語法》，呂叔湘譯，北京：商務印書館，1979年，第65～84頁。

[15] 呂叔湘：《漢語語法分析問題》，北京：商務印書館，1979年，第19～29頁。

[16] 王洪君：《從字和字組看詞和短語——也談漢語中的詞的劃分標準》，《中國語文》1994年第2期。

[17] 邢福義：《漢語語法學》，長春：東北師范大學出版社，1996年，第152～153頁。

[18] 馮勝利：《漢語的韻律、詞法與句法》(修訂本)，北京：北京大學出版社，2009年。

[19] 黃昌寧、趙海：《中文分詞十年回顧》，《中文信息處理學報》2007年第3期。

[20] 孫茂松、鄒嘉彥：《漢語自動分詞研究評述》，《當代語言學》2001年第1期。

[21] 向若等：《關于〈什么是詞兒〉一文的討論》，《中國語文》1956年第6期。

[22] 王立：《從“單音動詞+單音名詞”結構的拼寫看正詞法規則的客觀依據》，《語言文字應用》1998年第1期。

[23] 王立：《“雙音節名詞偏正性結構”詞化傾向之思考》，《華中師范大學學報》1998年專輯。

[24] 胡明揚：《說詞語》，《語言文字應用》1999年第3期。

[25] 李宇明、李晉霞：《現代漢語詞感制約因素的問卷報告》，《漢藏語學報》2007年第1期。

[26] 李晉霞、王忠玲：《論音節模式、結構類型對三音節詞感的影響》，《南開語言學刊》2011年第1期。

[27] 陳衡：《詞和短語區分的頻率因素：基于超大規模語料庫2-gram串的考察》，華中師范大學碩士學位論文，2013年。

[28] 張金橋：《漢語雙字復合詞識別中語義、詞類和構詞法信息的激活》，《心理科學》2011年第1期。

[29] 羅耀華：《介詞并入與“V+到”類結構的詞匯化研究》，《語言研究》2015年第2期。

[30] 周薦：《雙字組合與詞典收條》，《中國語文》1999年第4期。

[31] 莊會彬、劉振前：漢語復合詞的構詞機制與韻律制約，《世界漢語教學》2011年第4期。

[32] 劉云、李晉霞：《論頻率對語感的制約》，《語言教學與研究》2009年第3期。

[33] 彭睿：《臨界頻率和非臨界頻率：頻率和語法化關系的重新審視》，《中國語文》2011年第4期。

【推薦人語】漢語中詞和短語的區分是漢語研究和應用中長期存在的大難題。本文對這一問題的歷史淵源和研究現狀作了全面的介紹，在此基礎上探討了制約詞感的各種因素，并指出了若干需要解決的難點問題。本文對這一問題的認識比較全面、深入，對最終妥善解決這一疑難問題具有一定的啟發性。(吳振國)