[论文解读] Computational Paremiology: Charting the temporal, ecological dynamics of proverb use in books, news articles, and tweets

Ethan Davis, Christopher M. Danforth+2 more|arXiv (Cornell University)|Jul 10, 2021

Language, Metaphor, and Cognition参考文献 43被引用 5

一句话总结

本研究提出计算格言学（computational paremiology），利用书籍、新闻文章和推文的大规模语料库，分析格言使用的时空动态。研究发现，格言在所有媒体中均呈现重尾频率分布，表现出时代特异性趋势，并在社交媒体中演化为当代形式，通过语言模式和使用频率的数理分析，揭示了其持续的文化相关性。

ABSTRACT

Proverbs are an essential component of language and culture, and though much attention has been paid to their history and currency, there has been comparatively little quantitative work on changes in the frequency with which they are used over time. With wider availability of large corpora reflecting many diverse genres of documents, it is now possible to take a broad and dynamic view of the importance of the proverb. Here, we measure temporal changes in the relevance of proverbs within three corpora, differing in kind, scale, and time frame: Millions of books over centuries; hundreds of millions of news articles over twenty years; and billions of tweets over a decade. We find that proverbs present heavy-tailed frequency-of-usage rank distributions in each venue; exhibit trends reflecting the cultural dynamics of the eras covered; and have evolved into contemporary forms on social media.

研究动机与目标

• 通过格言使用频率的定量分析，建立研究格言的数据驱动基础。
• 探究格言是否在不同文本领域中遵循与单词相似的统计分布，例如齐普夫定律（Zipf's law）。
• 考察格言使用如何反映文化动态，并在不同媒体和时间周期中演变。
• 通过分析大规模语料库中频率与时效性，为识别英语中的“格言最小集”（paremiological minimum）——即广泛认知的核心格言集合——做出贡献。
• 通过开发适用于数字媒体中新格言及演变语言形式的方法论，为未来隐喻语言研究提供支持。

提出的方法

• 本研究分析三个大规模且独立的语料库：谷歌图书Ngram语料库（数百万本书籍，1800–2000年代）、新闻网络（NOW）语料库（数亿篇新闻文章，2000–2020年）以及推特Ngram语料库（数百亿条推文，2006–2016年）。
• 采用频率排序与秩频分布分析，测量格言在时间与媒体类型中的使用普遍性。
• 研究者使用《美国格言词典》（The Dictionary of American Proverbs）中整理的格言清单，以识别并追踪其使用情况，确保格言检测的一致性。
• 将所得频率分布与幂律（齐普夫型）模型进行比较，评估格言使用是否遵循与单个单词相同的统计模式。
• 分析格言流行度的随时间变化趋势，以识别文化相关性与形式在时间上的转变，尤其关注社交媒体上的变化。
• 该方法论考虑了媒体特异性特征，使结果能够在各语料库的生态语境中得到合理解释。

实验结果

研究问题

• RQ1 格言是否在不同文本领域中与单个单词一样，遵循相同的重尾频率分布？
• RQ2 格言在书籍、新闻媒体和社交媒体中的使用频率如何随时间变化？
• RQ3 特定格言在不同历史时期和媒体中的流行度变化，反映了哪些文化与历史动态？
• RQ4 与传统印刷品和新闻媒体相比，格言在推特等社交媒体平台上的形式与使用方式如何演变？
• RQ5 基于其频率与跨媒体一致性，哪些格言构成‘格言最小集’——即广泛认知、持久存在的核心格言集合？

主要发现

• 在所有三个语料库中，格言的使用频率排名均呈现重尾分布，表明少数格言被频繁使用，而大多数则使用频率极低。
• 各语料库中最常使用的格言——如书籍中的“众人拾柴火焰高”（many hands make light work）和新闻中的“覆水难收”（don't cry over spilled milk）——展现出强烈的文化与历史共鸣。
• 时间趋势显示，某些格言的流行度会因重大社会事件（如战争或经济危机）而上升或下降，表明其在反映集体情绪方面具有作用。
• 在推特上，格言常以修改或风格化形式使用，表明传统表达在数字话语中正经历动态演变。
• 本研究识别出一组高频格言，其在各语料库中持续出现，支持了英语中“格言最小集”的存在。
• 尽管存在词表覆盖范围和数据代表性方面的局限，结果仍验证了大规模数字语料库在纵向习语研究中的适用性。