值的计算方法

5.2.1　Z值的计算方法

目前,语料库检索软件和统计的方法多用于计算两个单词之间的搭配力。Church和Hanks（1990）最先将“关联度测量法”（association measure）引入到词语搭配研究中,即运用点互信息来测量单词之间相互关联的显著性,从而实现计算机自动提取典型搭配。此后各种“关联度测量法”相继问世（如对数似然比log likelihood,Φ²算法,Dice算法,T检验,X²检验,Z值和MI值）,这些计算方法都是用来测量两词之间的搭配力,即两个单词之间相互吸引和相互关联的程度（见Church ＆ Hanks 1990；李晶洁卫乃兴2010）。在计算词项的搭配值时,无需考虑节点词在跨距内的语法因素。研究者需要测量的是搭配词在语料库中出现的概率的显著性。如果语料库的总库容量为W,某个搭配词在语料库中的观察频数为C₁,那么,该搭配词在各个词位平均出现的频率计算为C₁/W。如果搭配跨距限定为S,该搭配词与每个节点词共现的频率则为C₁·（2S＋1）/W（2S是指设定在节点词左右两侧4或是5个词的跨距位置,1为节点词所占的词位）。但是,当考虑该搭配词与观察频数为N的某个节点词共现的概率时,其理论上的概率P应该计算为

用共现概率的理论值乘以库容W,可以求得该搭配词与节点词共现的期望频数（expected frequency）E。那么,搭配词与节点词共现的期望频数为

这里的期望频数的计算涉及4项数据：语料库的总词数W,某个搭配词在语料库中的观察频数C₁,限定跨距2S（根据词语结构实际,可作数值调整）,节点词在语料库中出现的频数N。期望值E被用于词语搭配Z值的计算。Z值表示的是节点词与搭配词相互预见或相互吸引的程度。计算Z值需要利用已有的各种相关数值,进一步计算出搭配词在文本中分布的标准差

用搭配词和节点词共现的实际频数C₂与期望频数E之差除以标准差,即可求得Z值,即

Z值的数值大小,可以用来判断词语搭配的强弱。词语搭配Z值需要在0.01的水平上才具备显著意义,Z值必须等于或大于2.576。设定2.576为临界值,研究者就可以获得具有显著意义的词语搭配,过滤掉那些对节点词没有预见作用的偶然搭配词。以下笔者以词形performed为例,选取了《东华大学科技英语语料库——通用英语子库》中的部分语料,包括自然科学总论、数理科学与化学、生物科学、医药卫生、农业科学、自动化和计算机技术的内容,进行了检索和Z值的计算。通过Z值的显示（见表5.5）,我们可以看出performed词形（150例）所吸引的所有显著搭配词,包括tests,contraction,exercise,surgery,prediction,experiment,diagnosis,task,analysis,measurements,procedure和evaluation等。科技英语中词形performed所吸引的搭配词的词义主要释义为“检验、压缩、实验、诊断、分析、测量和评价”等科学实验方法。

表5.5　词形performed所吸引的搭配词和Z值

传统的Z值计算方法主要是集中在两个词形之间,即节点词和搭配词之间搭配值的计算。随着语料库赋码技术的提高,我们可以运用词项归并（lemmatization）技术,对短语动词和搭配词之间、词语与结构之间的粘合力进行计算。在此,我们需要对以上的计算方法稍微做出调整：语料库的库容是形符（tokens）之和,可以通过Wordsmith 4.0词表生成功能获得。当我们计算多词序列和搭配词之间的Z值时,库容W作为分母不受太大的影响。按照词块的物理分割的方式处理,两词的数量为W－1,三词的数量为W－2,四词的数量为W－3,以此类推。从多词序列和词语意义的显性度的关系来看,词语序列越长,意义越显现；词语序列越长,频率越低。所以,跨距S的因素就可以做简化考虑。由于在计算搭配的过程中,我们需要考虑到词项归并的问题,所以,对于词项归并后的词元（lemma）和短语、构式与词语之间的搭配值尚需要人工来进行计算。笔者利用BNC语料库中《应用科学》与《自然科学》两个书面语子库,对MAKE full use of与其相关的搭配名词进行了检索和计算（见表5.6）。这里MAKE是词元,包括make,makes,made,making等多种屈折形式。MI值也同样可以用来计算词语与结构之间的相互吸引和预见性。以下笔者将进行说明。

表5.6　短语动词MAKE full use of所吸引的搭配词和Z值