語法知識網絡

• 語言單位之間的相關性，一直是語言學家關心的議題。
  • 詞彙間的搭配關係(Collocation)
  • 詞彙與句構間的搭配關係(Colligation, Collostruction)
• 隨著語料庫方法發展成熟，字串間的相連性，成為詞彙語意(lexical semantics)研究的重要基礎。
• 透過大量語料中的共現關係(Co-occurrence patterns)，分析詞彙語意，定義其語意表徵(Semantic Representation)。
• 透過語境所取得的詞彙分散式語意表徵(Distributed Semantic Representation)，成為近年來語意分析研究的重要議題。(如：顯著搭配詞、詞向量[Word Embeddings])。

分散式語意表徵

• 語言單位之間的共現關係(Co-occurrence patterns)成為分散式語意表徵(Distributed Semantic Representation)學習的重要基礎。
• 然而，完整的語法網絡知識，除了詞彙的語意表徵以外，應該也必須包含「句構(construction)」語意。
• 但，該如何表徵一個抽象（或是半抽象）的句構語意？

以中文「空間句構」為例

• 中文表達空間概念時，經常使用以下句構：

「在 + 參考物體 + 空間方位詞」

• 從構式語法的角度來看，一個抽象構式，如同一個詞彙，有其獨立的語意(Symbolic Meaning)。

「句構」的分散式語意表徵

• 句構的語意，亦可從句構與其他語言單位之間的共現性，學習其分散式語意表徵(Distributed Semantic Representation)：
  • 句構與詞彙間的連結：哪些詞彙經常與特定空間句構共同使用？
  • 詞彙與詞彙間的連結：出現在空間句構中的詞彙裡，哪些詞彙語意較為相近？哪些詞彙語意距離較遠？
  • 句構與句構間的連結：哪些空間句構較為相近？哪些空間句構語意距離較遠？（如：「在 ＋… + 內」、「在 ＋… + 下」、「在 ＋… + 後」）

語料庫學習

• 以上三種連結，是構成我們語法知識網絡的重要基礎，透過大量語料庫資料，我們可以利用量化方法學習並模擬這三種連結，重現一個句構的語意網絡(Semantic Network)。
• 我們可利用「網絡分析方法(network science)」，進一步以圖像方式呈現句構與其他詞彙間的互動關係，即語法知識網絡(Grammatical Network)。

語法知識語意網絡(Grammar Network)

網絡分析

• 結合網絡分析方法(Network Science)，我們可以透過句構的網絡，分析句構語意：
  • 每一個空間句構中，典型(prototypical)的參考物體為何？
  • 每一個空間句構中，其共現的參考物體有無語意共通性(semantic cohesiveness)？
  • 在整個中文空間句構中，是否有明顯的語義場(Semantic fields)？每個語意場與每個空間概念的互動為何？
• 透過統計學習方法，更可從網絡中，學習「句構」的抽象分散式語意表徵(Representation Learning)。（如：DeepWalk, node2vec)

參考資料：Chen, Alvin Cheng-Hsien. In press. Words, constructions and corpora: Network representations of constructional semantics for Mandarin space particles. Corpus Linguistics and Linguistic Theory 19(1). https://doi.org/10.1515/cllt-2020-0012