论文部分内容阅读
歧义被看作是人类自然语言的一种普遍现象,歧义覆盖了语言的各个层面,如词汇、句法和语用等层面。但是,国内外的许多实验调查表明,语言的使用人(尤其是以一种特定语言为母语的人)在实际使用该语言的过程中,一般感觉不到其各种歧义的存在,只有在缺乏化解歧义的条件时,歧义才会凸显。什么是歧义?歧义消解的条件是什么?不同的语言学派各有不同的回答。本论文对比了一些主要的不同理论对歧义的识别和消解方法,揭示了传统的歧义识别和消解法具有明显的机械性和呆板性,并认为歧义的识别和消解本是一个认知的过程,论文将认知解释机制(包括概念化、范畴化、典型范畴化、基模化、图形/背景、框架语境、视角选择等识解机制)引入了语言各层面的歧义识别和消解过程。这样做是基于一种认识,即由于人类的歧义识别和消解能力是认知所获的经验和知识组成,而这种经验和知识是以“模块”形式获取、储存、激活和提取的,语言是这种模块化的知识和经验的表现形式。受助于这些认知释解机制,歧义自动和快速消解才有了生理和心理的解释基础。本论文引用了Fillmore等人的“框架”理论(F.Ungerer and H.J.Schmid, 1996:205-249)参考了王寅的“事件域认知模型”(王寅, 2005:17-26),将语言的三个层面的歧义置于同一个认知框架中来解释和处理,这改变了以往分级封闭式处理和输出结果的方式,在一定程度上同时结合了“模块理论”和“联结主义”理论的信息处理方式,采取双向激活链接,减少了工作记忆的负担。在该模型中,把典型范畴概念化和图式化认知解释机制用于语境建构分析,解释了人类不对歧义敏感及快速消解歧义能力的心理及认知的原因。本论文认为,我们可利用这基于认知的歧义消解模型,把人类快速自动消解歧义的能力迁移到其它相关研究领域的中去,譬如迁移到智能语言研究领域中去,这样可减少其在语言信息处理中的机械性和呆板性,使人工智能语言能力更接近于人类的语言能力。