[论文解读] Hierarchies in Dictionary Definition Space

Olivier Picard, Alexandre Blondin-Massé+4 more|ArXiv.org|Nov 30, 2009

Lexicography and Language Studies参考文献 12被引用 9

一句话总结

本文通过图论对词典定义进行分层分析，识别出一个‘基础内核’（GK）——即仅占约10%的最小词集，可借此定义词典中所有其他词。通过分析从GK核心（KC）出发的定义距离，研究发现：随着定义距离的增加，词的具象性、可象性及词频逐渐降低，而词汇习得年龄仅与KC层和GK外层之间存在关联，表明心理词汇结构呈分级特征，其基础源于定义层级结构。

ABSTRACT

A dictionary defines words in terms of other words. Definitions can tell you the meanings of words you don't know, but only if you know the meanings of the defining words. How many words do you need to know (and which ones) in order to be able to learn all the rest from definitions? We reduced dictionaries to their "grounding kernels" (GKs), about 10% of the dictionary, from which all the other words could be defined. The GK words turned out to have psycholinguistic correlates: they were learned at an earlier age and more concrete than the rest of the dictionary. But one can compress still more: the GK turns out to have internal structure, with a strongly connected "kernel core" (KC) and a surrounding layer, from which a hierarchy of definitional distances can be derived, all the way out to the periphery of the full dictionary. These definitional distances, too, are correlated with psycholinguistic variables (age of acquisition, concreteness, imageability, oral and written frequency) and hence perhaps with the "mental lexicon" in each of our heads.

研究动机与目标

• 识别出可借助定义链从其他所有词中定义出的最小词集（基础内核）
• 研究基础内核的内部结构，特别是其强连通核心（KC）及其在词汇学习与语义中的作用
• 考察从核心出发的定义距离与心理语言学变量（如词汇习得年龄、具象性、可象性、词频）之间的相关性
• 确定观察到的相关性是二元的（如KC与外层对比）还是随定义距离递增而呈渐进式变化
• 探讨定义层级结构对理解心理词汇组织及人类认知中符号基础的启示

提出的方法

• 从词典定义构建有向图，其中词为顶点，定义构成有向边
• 将基础内核（GK）定义为从该集合出发可通过定义链到达所有其他词的最小词集
• 使用图论算法提取GK内的强连通分量，称为‘核心内核’（KC）
• 基于定义距离生成三种分层排序：从GK出发、从整个词典的强连通分量（SCCs）出发、从GK内的SCCs出发
• 应用统计分析（偏最小二乘法控制词汇习得年龄）评估定义距离层级与心理语言学变量之间的相关性
• 使用图密度和顶点度数度量（入度、出度）刻画GK与KC的结构特性

实验结果

研究问题

• RQ1 基础内核（GK）的内部结构如何？其是否包含具有不同心理语言学特征的子组件？
• RQ2 从GK及其核心（KC）出发的定义距离与词汇习得年龄、具象性、可象性及词频的相关性如何？
• RQ3 心理语言学变量与定义距离之间的相关性是呈渐进式还是二元模式？
• RQ4 为何基础内核在整体上比词典其余部分更具体且习得更早，但当控制词汇习得年龄后却显得更抽象？
• RQ5 词典空间中的定义层级能否反映或预测心理词汇的组织结构？

主要发现

• 基础内核（GK）约占词典总量的10%，且足以通过定义链定义所有其他词
• GK包含一个强连通核心（KC），其具象性更强、习得更早、词频更高，相较于GK的外层
• 具象性和可象性随从KC出发的定义距离增加而单调递减，形成渐进式层级结构
• 口语和书面词频也随定义距离增加而递减，表明在整个层级中呈渐进式下降趋势
• 词汇习得年龄仅与KC层和GK外层之间的对比相关，而与更远层级无关，表明其效应为二元性
• 当控制词汇习得年龄后，KC在具象性上仍显著高于GK外层及词典其余部分，解决了先前研究中看似矛盾的极性反转现象