政治隱喻實證研究綜述及可視化分析
——以政治語篇為研究對象

李蔚然

（大連外國語大學軟件學院，遼寧大連 116044）

隱喻（Metaphor）始于古希臘時期亞里士多德的《修辭術》中，在當時被看作是一種修辭方式。20 世紀80 年代，萊考夫和約翰遜所著的《我們賴以生存的隱喻》[1]一書問世，正式提出了隱喻概念，將隱喻轉向認知層面，開啟了在認知語言學基礎上隱喻研究的新視角。從一個事物提取特征應用到另一個事物上，展現了人的思維同外部世界的相互作用。因此隱喻不僅是一種修辭，更是人們認識世界、改造世界的工具，其本質上是通過相似性來構建我們的思維系統。文旭曾提出，考察政治話語中隱喻的框架模式，既可以了解說話人對受眾的觀念期待和塑型，也可以反觀說話人的思想理念和意識形態[2]。政治隱喻持續且系統性的使用有利于揭示動機，語言策略帶來的影響不容小覷。

目前為止，國內外研究者們運用不同的方式、方法對政治隱喻進行研究，其中十分常見的方式就是采用語料庫方法。語料庫方法主要以政治人物的演講發言、訪談回答等政治話語為語料，結合政治背景研究語言背后使用的政治隱喻，具體包括有效識別政治隱喻、分類統計、對典型語句進行批評隱喻分析[3]等。本文將對這些實證研究成果進行梳理總結，通過可視化分析更為直觀地了解國內研究現狀，并對該方向未來研究提出展望。

1 國外相關研究的主要成果

語料庫方法是一種定量分析方法，也被稱為樣本分析。在國內外諸多研究中，語料庫方法呈現出顯著的優點，當然也存在一些缺點，例如，語料規模的局限性、公開語料資源的獲取等。此外，本文著重選取以政治語篇為語料的研究成果進行梳理，這里的政治語篇既包含廣義上的社論或新聞報道等，又包含狹義上的政治演講或政治訪談等。

Semino 和Masci[4]研究了第74 任意大利總理貝盧斯科尼的政治話語中的一系列隱喻，該研究提到了隱喻的誤導性，無論隱喻是否出于政治動機，都不可避免地凸顯事物的某些方面而隱藏其他方面。Nikolina 等人[5]將2009 年和2012 年的克羅地亞共和國總統伊沃·約西波維奇在訪談節目上的政治采訪作為語料進行分析。該研究有以下兩個特點：一是選取了總統就職前后的語料進行對比研究，論證總統就職前后在隱喻使用上確實存在差異，但沒有對其原因等進行詳細解釋；二是使用了協同矩陣模型。該模型呈金字塔形，按照該模型具體分析則參照更為詳細的分析矩陣，包括一般信息和個人回答分析共21 個變量。Agbo 等人[6]選取了4 位尼日利亞總統在1984 年、1985 年、1993 年、1994 年和2013 年的政治演說，針對戰爭隱喻、旅程隱喻和擬人隱喻進行詳細剖析，得出結論：隱喻在尼日利亞的政治話語中同樣被普遍使用。SS Ali 等人[7]采用批評隱喻分析框架結合后殖民主義中的東方主義概念對美國總統喬治·布什的13 次演講進行分析，揭示其話語的復雜性，闡述語言上的操縱所產生的巨大力量和影響。

此外，國外諸多研究者針對政治隱喻也有一些對比研究，但對比維度不同。例如，Igor Ivanovic[8]將英美兩國政治言論進行對比，選擇同一時間段1974—1997 年的美國總統就職演說和英國的政黨宣言作為語料。分析結果表明美國總統更擅于使用政治隱喻，英國的言論表達則更傾向直截了當。但由于是對比性研究，語料數量上并不均衡，同一時段美國語料多于英國語料，且不得不考慮到英美內部存在的兩黨問題。Z.Pavlikova[9]討論了2020 年特朗普和拜登在選舉演講中所使用的隱喻，語料隨機選擇了10 篇演講（各5 篇），結果顯示在談論經濟、國家和民族的內容上，二位都會使用隱喻，而特朗普比拜登使用的隱喻表達更多。

2 國內研究現狀可視化分析

2.1 數據來源及發文趨勢

筆者以中國知網CNKI 為檢索范圍，在高級檢索內關鍵詞一欄輸入 “政治隱喻”，統計時間為1999—2023 年7 月，共檢索287 條結果，圖1 為該部分的文獻總體年度趨勢。總體來看，國內對政治隱喻的分析研究逐步開展起來，越來越多的學者投入該領域研究中，且2019 年實證性研究成果最多。

2.2 基于VOSviewer 的關鍵詞聚類

通過文獻可視化工具VOSviewer，將287 篇文獻的關鍵詞進行聚類，關鍵詞出現次數閾值設置為3，結果如圖2 所示。政治隱喻的研究離不開概念隱喻理論，并且多圍繞話語分析、意識形態和批評隱喻分析等。聚類圖中，也不難看出研究的對象集中在中國的政治話語、國外政治演講及少量俄國政治話語。

圖2 有關文獻關鍵詞聚類圖

針對中國政治話語，黃秋林等人[10]選取了30 年間《人民日報》部分兩會社論作為語料歷時分析其中的政治隱喻。文秋芳[11]評析了習近平第70 屆聯合國大會一般性辯論中的演講，專門對擬人隱喻進行研究，揭示習近平如何運用擬人隱喻“人類命運共同體”來揭示中國的意識形態或文化價值觀。針對國外部分，賀夢依[12]以奧巴馬在華盛頓美國國防大學發表的利比亞戰爭演講為語料，分析概念隱喻和政治的關系。曾潔等人[13]以美國兩黨為主要研究對象，語料選取了2014 年奧巴馬國情咨文及在野黨對其的回應，對比了美國兩黨根本的意識形態和道德價值的差異。汪少華[14]等人以布什和奧巴馬的環保演講為例，特別從架構理論視角研究其中的隱喻。通過對美國兩黨根本道德價值觀進行分析，就可以找出其對應的隱喻表達。孫毅等人[15]對英國脫歐話語進行批評隱喻分析，語料選取英國太陽報上的脫歐板塊(Brexit)。分析主要聚焦容器隱喻、家庭隱喻、婚姻隱喻和戰爭隱喻，揭示了英國和歐盟之間對立沖突的關系。

此外，還有少量針對俄日等國的實證研究。例如陳紅[16]研究了2000—2016 年俄羅斯主流媒體政治話語中共600 個政治隱喻，以便更好地了解俄羅斯的政治文化。黃一峰等人[17]以日本前首相安倍晉三2013—2019 年在聯合國大會一般性辯論的演講為語料，考察其中政治隱喻的使用并總結特點，揭示其背后的認知方式。該研究還計算了隱喻源域的共鳴值，以表明源域的普遍性。

在對比研究維度上，鳳群[18]分別對美國總統從里根到奧巴馬的演講進行剖析，突出了總統之間使用隱喻的差異。翁青青[19]就氣候問題上英國、加拿大及中國的政治話語進行分析，總結他們各自隱喻使用上的不同。孫淑芳等人[20]對中俄兩國關于腐敗的政治話語進行概念隱喻分析，從認知和文化視角論述兩國認識思維上的相似性和差異性。鄒愛芳[21]選取了2007—2017 年間中韓主流新聞媒體的語料，其中中韓隱喻例文各650 例，對比分析兩國政治隱喻和語言使用上的差異。張蕾[22]則對比了中美政治領導人在建筑隱喻使用上的差異，著重分析了二者通過建筑隱喻對于“未來”的構建。基于不同的政治、文化和社會背景，中美兩方構建出了不同的概念場景。除上述以外，國內還有其他相關的實踐探索，如王晶芝、楊忠[23]，霍穎、劉薇[24]等，此處不做過多論述。

由于在287 條數據中，針對文學作品、電影當中的政治隱喻的研究也有很多，即聚類圖中最右側部分，這部分并不屬于本文研究對象，所以人工對這287 條數據進行篩選，篩選后余下82 篇文章。選取這82 篇文章的摘要部分作為數據來源，繪制詞云圖并通過LDA 主題模型進一步展開分析。

2.3 詞云圖及LDA 主題模型

對于中文文本數據，首先選擇Jieba 分詞工具和哈工大停用詞表搭配用戶自定義詞表進行分詞，經過簡單預處理后得到1 029 個有效詞匯。利用Python 的wordcloud 庫繪制詞云圖，經過詞頻統計后選取高頻詞前200 個，效果如圖3 所示。詞云圖中，顏色越深字體越大意味著詞頻越高。除此之外，利用LDA 模型進行主題聚類。LDA 模型是近些年來非常火熱的概率主題模型，簡單來說就是通過詞匯的概率分布反映主題。本文選用Python 中的pyLDAvis搭建LDA 模型，通過sklearn 庫中的CountVectorizer先對文本進行向量化表示。由于目前數據規模太小，最終確定3 個主題分布，羅列每個分布前15 個主題詞，具體如表1 所示。

表1 主題及前15 關鍵詞

表1 中TOPIC1 主要是基于概念隱喻理論研究政治隱喻背后的意識形態差異。TOPIC2 側重從語言學視角分析政治隱喻，其中包括一些以政治語篇譯本為對象的實證研究，論述文本里政治隱喻的翻譯策略等。這一部分研究涉及翻譯學內容，前文沒有做詳細舉例。TOPIC3 主要圍繞隱喻的功能性，研究對象更多是歐美方面的政治語篇。從高頻詞和關鍵詞也不難看出，國內實證研究多集中于中國和歐美，對其他國家的相關研究較少。大多研究工作從認知層面、意識形態層面對所選語料進行批評隱喻分析，深度剖析政治隱喻的功能性、社會背景、目的、差異以及話語建構、話語策略等。

通過年度發文趨勢、關鍵詞聚類、主題詞提取等相關數據分析，可以發現政治隱喻的研究總量較少但隨著時間發展日益受到學界關注； 對于政治隱喻的研究深度不斷增強，如意識形態、功能、語言學特征等都成為學界關注的焦點，但大部分研究仍然局限于共時研究層面，缺乏歷時分析；現有的一些研究關系到大規模語料庫中隱喻的識別問題，但技術手段仍停留在人工標注和軟件計數的方式，對于政治隱喻的識別方式也有待進一步思考優化。

3 未來展望

3.1 針對研究對象

基于上述研究成果的梳理及可視化分析，未來，根據不同的政治情形或政治問題，可拓寬政治隱喻研究對象的范圍，增加對其他國家政治言論的隱喻分析。其次，在歷時分析、同一國家不同政治人物的對比、不同國家的政治隱喻使用等對比維度上進一步深入。最后，目前研究圍繞政治演講、新聞采訪或是社論等文本較多，但在一些國家的語言中，不同形式的語言表達是不同的，也有情感的強弱之分。例如，新聞采訪更偏重口頭語言表達；文書記錄的語言更加書面化。不同的形式對政治隱喻是否有影響，或是同一種隱喻是否存在多種不同形式的表達等，可對此進行拓展研究。

3.2 針對研究方法

在政治隱喻的研究過程中識別標注這一環節十分重要，研究者們傾向選擇人工識別、手動標注，然后統計隱喻的類別和數量。而近些年來，隨著人工智能自然語言處理的不斷發展，在情感分析領域隱喻識別逐漸成為一項比較火熱的課題。目前國內外已有許多學者采用機器學習或深度學習算法，實現中英文隱喻的自動識別（并非針對政治隱喻）。雖然，基于自動識別的方式并不能做到百分百精準，但仍可以節約許多時間和精力，有望減少政治隱喻研究人員一部分的工作量。日后針對該技術的進一步利用和發展，也為政治隱喻相關研究提供一種新思路、新方法。

4 結束語

本文分別梳理國內外針對政治語篇的政治隱喻實證研究成果，并利用可視化工具更直觀鮮明地了解國內研究現狀。目前，研究者們將理論部分與實證分析緊密結合，從多個維度、多個視角對政治隱喻進行剖析，這有利于分析和解決政治問題，推動著國際政治學、認知語言學、政治語言學、心理學等多個學科的發展。但在研究范疇、技術手段上仍有探討空間。故后續研究中，筆者將在現有研究的基礎上，針對該領域如何擴大研究對象范圍、優化研究過程等方面繼續展開探索。