国际期刊投稿平台
登录 | 注册
当前位置: 首页 > > 基于EUM模型的汉日同形词“突然”语义韵对比研究

  • 主办单位: 
  • ISSN: 
  • 期刊分类: 
  • 出版周期: 
  • 投稿量: 
  • 浏览量: 

相关文章

暂无数据

基于EUM模型的汉日同形词“突然”语义韵对比研究

A Contrastive Study of Semantic Prosody of the Chinese-Japanese Homograph "Turan" Based on the EUM Model

发布时间:2026-08-25
作者: 吴颖欣 :西安外国语大学 陕西西安; WU Yingxin :Xi’an International Studies University, Xi’an;
摘要: 近义词辨析一直以来都是汉日对比研究的热点,有助于学习者厘清近义词在汉日两种不同语言中的语义差异,降低二语习得与跨文化交际中的词汇使用偏误。已有研究主要从语义和句法进行切入,侧重于静态描写,而语义韵可为研究词语搭配提供新的路径,有助于厘清近义词辨析。本文基于大型语料库,从搭配、类联接、语义趋向、语义韵四个层面对比分析汉日同形词“突然”的异同。为确保在句法功能上的一致性,本研究仅考察“突然”作为时间副词的用法,故而剔除掉作定语、谓语、补语等的用例。研究可为学习者减少语言使用偏误,为近义词辨析提供方法论。
Abstract: Near-synonym discrimination has long been a focal point in contrastive studies of Chinese and Japanese, as it helps learners clarify the semantic differences between near-synonyms across the two languages and reduce lexical errors in second language acquisition and cross-cultural communication. Previous studies have predominantly approached the issue from semantic and syntactic angles, with a strong emphasis on static description. However, semantic prosody offers a new avenue for investigating word collocations and thus aids in distinguishing near-synonyms. Based on a large-scale corpus, this paper conducts a contrastive analysis of the Chinese–Japanese homograph "turan" from four dimensions: collocation, colligation, semantic preference, and semantic prosody. To ensure consistency in syntactic function, this study only examines its usage as a temporal adverb, excluding instances where it functions as an attributive, predicate, complement, or other syntactic roles. This research is expected to help learners avoid usage errors and to provide a methodological framework for nearsynonym discrimination.
关键词: 扩展意义单位;语义韵;同形词;近义词辨析
Keywords: EUM; semantic prosody; homograph; nearsynonym discrimination

引言

在跨语言对比领域,近义词辨析一直是学界关注度较高的议题。尤其汉语和日语两种语言中存在着大量同形词,由于这类词形相同义相近,二语学习者很容易产生混淆,引发语义理解和使用上的偏误。在母语迁移的影响下,二语学习者往往会默认同形词的语义、用法一致,下意识将母语中的搭配习惯直接迁移到目标语中,出现搭配不当、语义偏差等问题。扩展意义单位的出现有助于从词语的实际语境出发,突破传统语义、句法静态分析的局限,将搭配、句法框架、语义倾向、语义韵整合为统一的分析框架,为跨语言的近义词辨析提供了更为系统动态的研究路径。

一、扩展意义单位模型

扩展意义单位模型,简称EUM(Extended Unit of Meaning)模型,是Sinclair(1996)提出的语言描述模型,包含节点词、搭配、类联接、语义趋向与语义韵五个层面。节点词就是要研究的目标;搭配是词汇与词汇之间的共选,就是节点词跟一个个具体的词的搭配;类联接是词汇与语法的共选,体现的是节点词与搭配项之间抽象的语法类别关系,如N+V,V+Adv等;语义趋向是词汇、语法和意义的共选体现,即节点词与特定语义集合之间的共现关系;语义韵作为扩展意义单位的功能层面,能够揭示词语在反复共现中逐渐形成的情感态度和语用功能,是连接词汇形式与交际意图的重要理论工具。

近年来,也出现了不少语义韵研究,涵盖语义韵本体研究、个案研究、二语对比研究等等。如王均松、田建国(2016)基于EUM模型对量词“一副”的语义韵进行了全面调查和分析。余渭深、李中正(2017)以EUM模型为框架,对典型英文最高程度副词及其中文初似对等词进行了对比研究。高歌、卫乃兴(2019)通过对比研究“hear of”在《红楼梦》英译本与原创英语中的异同,探索了语义韵在翻译过程中的作用及变化特征。余江陵、马武林(2022)以表达“同情义”概念的英汉近义名词为研究对象,认为近义词因语义韵及语义倾向差异,在搭配上并不具有完全替代性。张妍(2024)对时机类情状副词“趁机、趁势、伺机”的语义韵进行了考察,采用基于数据与数据驱动相结合的方法,指出语义韵研究是对传统同义词辨析方法的有效补充。可见,利用EUM模型进行语义韵研究已形成较为成熟的理论框架,但现有相关研究多集中于汉语本体、汉英对比领域,针对汉日同形词的语义韵对比研究仍较为匮乏。基于此,本文以汉日同形词“突然”为研究对象,仅考察其作时间副词的用法,依托大规模真实语料,从搭配、类联接、语义趋向、语义韵四个层面展开系统对比分析,厘理清二者在实际使用中的异同。

二、研究方法

利用CCL语料库和BCCWJ语料库分别收集汉语和日语“突然”的实例,对原始语料进行筛选与清洗后,各保留随机排列的1000条数据。利用AntConc提取目标副词左右为4跨距内的高频共现词,并筛选出MI值≥3且出现频次≥3的搭配项,观察并确定类联接,参照类联接概括搭配词语义趋向。综合考虑搭配词的评价色彩、语境功能及整体语义氛围,区分积极、消极和中性语义韵,继而进行对比。

(一)语料来源

汉语语料来自北京大学中国语言学研究中心CCL语料库,这是国内起步早、影响力广、学术使用率极高的大型综合性汉语原始语料库,语料来源包括文学作品、报刊、学术著作、政府文件、电视字幕、口语访谈及古籍等;日语语料来自BCCWJ语料库,其涵盖书籍、杂志、报纸、白皮书、博客、网络论坛、教科书、法律文件等多种体裁,共收录了1亿430万词的数据。

(二)研究工具

本研究使用AntConc3.5.9进行搭配分析,以MI值为搭配强度指标,设定MI值≥3且共现频次≥3为显著性搭配。词性标注采用jieba分词系统和人工校验。

(三)研究步骤

以汉语和日语的“突然”为目标,分别在CCL语料库及BCCWJ语料库查询各自的实例。汉语方面,在CCL语料库初步排除“突然”在句中作定语、谓语、补语成分的情况后,获得183579条实例,在经过打乱顺序、分词并清洗语料、去掉重复的数据后,抽取1000条语料。日语方面,利用BCCWJ语料库将目标词“突然”的品词设为副词,获得6972条语料,再进一步清洗语料,筛选掉如“突然变异”“突然死”等不符合要求的用例后,打乱顺序并抽取1000例。在-4/+4的跨距内观察与节点词共现的搭配词,并筛选出MI值≥3且共现频次≥3的显著搭配,归纳出其类联接,并分析其语义趋向,确定语义韵特征。

三、研究结果

(一)汉语和日语“突然”的搭配和类联接特征

经考察目标词与显著搭配词的共现情况,得到结果如下表1、表2。

表1 汉语“突然”的显著搭配词类分布
“突然” 动词 名词 形容词 副词
31.79% 23.64% 4.31% 1.28%
表2 日语“突然”的显著搭配词类分布
“突然” 动词 名词 形容词 副词
16.93% 17.72% 1.91% 0.97%

从搭配词类分布表可见,动词是汉语“突然”最核心的搭配词类,占据了31.79%,占总频次的三分之一;接着名词占到23.64%;形容词和副词占比很低。日语“突然”最核心的搭配词类是名词,占17.72%;接着是动词占16.93%;形容词和副词的占比同样很低。

接着,通过观察汉语和日语各自的1000例可知,[Adv+V]为汉语“突然”搭配的主导类联接,占82%;具体来说,“突然”后接动词时,以认知、感知类动词和状态类动词为主。而[Adv+Adj]及[Adv+Adv]的类联接形式很少,占比均不超过10%。同样,日语“突然”搭配的主导类联接为[Adv+V],占据80%,后接动词以存在类、状态类动词为主。[Adv+adj]的类联接形式仅占14%,[Adv+Adv]类联接形式占4%。从汉语和日语目标词的主导类联接形式均为[Adv+V]可知,“突然”一词符合时间副词核心句法功能,即修饰动词性谓语的这一特征。

(二)汉语和日语“突然”的语义趋向特征

二者的差异并非在于类联接的类型,而在于具体搭配词的语义。因此,聚焦于动词搭配层面,将汉语与日语目标词在显著搭配词上的语义选择趋向呈现如下表3、表4。

表3 汉语“突然”动词搭配词的语义选择趋向
语义类别 典型动词 占比
认知类 发现、觉得、感到、看到、想起、明白、意识到 22%
状态类 变、变成、出现、消失、发生、增加、升高 20%
动作类 站、停、冲、倒、走、跑、坐、转、跳、冒出 18%
负面事件 死亡、昏迷、休克、爆炸、起火、倒塌、断裂 15%
表4 日语“突然”动词搭配词的语义选择趋向
语义类别 典型动词 占比
存在类 出现、到访、消失 28%
状态类 变、变化、转换、推移 22%
认知类 想起、想到、留意、感到 15%
负面事件 死亡、爆炸、爆发、杀害 8%

观察表3可以得知,汉语“突然”的动词搭配词主要有认知类、状态类、动作类、负面事件类,其中前三类并未显示出明显的积极或消极语义,第四类负面事件类可以直观体现出负面的语义。而观察表4的搭配动词可知,日语“突然”的搭配动词语义类别更多集中在中性存在类、状态类、认知类上,负面事件类仅占8%,这也说明了日语“突然”更倾向于客观描述事实。另外,无论是汉语还是日语的负面事件类搭配动词,高频动词主要都是“死亡、爆炸、倒塌、起火、袭击”等等,而这些词都共享“不可逆、伤害性、负面影响”的核心语义特征,当含有“突发性”之义的“突然”一词跟这些含有负面义的词语作用后,就强化了整个表达的不安感。

(三)汉语和日语“突然”一词的语义韵特征

从1000例索引中随机抽取300例,检查分析语义韵。将语义韵标注分为中性、积极、消极三类,接着统计各语义韵类型的频次分布,如下表5所示。

表5 语义韵类型分布
中性 积极 消极
汉语“突然” 245 2 53
日语“突然” 280 0 20

数据显示,汉语“突然”在中性语境中占比高达81.7%,表明该词绝大多数情况下仅客观描述事件发生的突发性,不附加任何情感评价。然而,消极语境占比达17.7%,远高于积极用法的0.7%。这一分布说明,汉语“突然”的语义韵虽以中性为主,但当这些事件具有情感评价色彩时,其更倾向于消极而非积极。而日语“突然”的中性语义韵数据占93.3%,消极占比仅为6.7%,且300例中未出现任何积极用例。这表明日语“突然”的语义韵比汉语更为纯粹中性,其使用几乎不受评价色彩的干扰,仅体现时间上的无预兆性。日语“突然”的积极用例为0,汉语也仅为0.7%,这也说明了两种语言中“突然”均不具备积极语义韵,这一共性可能是由于“突发性”本身就隐含着不可控性和未知的风险,人类的认知往往将其跟不稳定的因素关联。

四、结语

本研究基于扩展意义单位模型,依托大规模语料库对汉日同形词“突然”作副词的用法展开了语义韵的对比分析,二者核心句法功能一致,主导类联接均为[Adv+V]。但是,在具体搭配选择、语义趋向和语义韵分布上存在差异,二者虽然都是中性语义韵主导,不过汉语“突然”消极语义韵占比高于日语“突然”;日语“突然”的语义韵更为纯粹中性,仅用来客观凸显事件发生的无预兆性,几乎不带有偏向消极的语义倾向。

可见,汉日同形词并非简单的“形同义同”,二语学习者受母语迁移影响,下意识将母语的搭配习惯、语义偏好直接迁移到目标语使用中,进而引起使用偏误。受研究范围所限,本研究仅考察了“突然”作时间副词的用法,未涉及定语、谓语等其他句法功能的使用情况,后续研究可扩大考察范围,进一步梳理不同句法功能下二者的语义差异。

参考文献:

  1. [1] Sinclair, J. The search for the units of meaning[J].Textus,1996(09):75-106.
  2. [2] 高歌,卫乃兴.汉英翻译界面下的语义韵探究——来自《红楼梦》英译本的证据[J].解放军外国语学院学报,2019,42(01):48-56.
  3. [3] 王均松,田建国.基于扩展意义单位模型的量词语义韵研究[J].外语教学,2016,37(04):39-43.
  4. [4] 余江陵,马武林.汉英同情义近义名词语义韵对比研究[J].外国语文,2022,38(01):91-99.
  5. [5] 余渭深,李中正.基于语料库的中英文最高程度副词的扩展意义研究[J].外语教学,2017,38(05):32-37.
  6. [6] 张妍.时机类情状副词的语义韵研究[D].湖北大学,2024.
联系我们
人工客服,稿件咨询
投稿
扫码添加微信
客服
置顶