主題模型——詞匯學(xué)習(xí)新方法

孫皓 王晨萱 郭洋

【摘 要】本文在回顧二語(yǔ)習(xí)得相關(guān)研究的基礎(chǔ)上，強(qiáng)調(diào)了詞匯學(xué)習(xí)的重要性，簡(jiǎn)單介紹了主題在現(xiàn)代外語(yǔ)詞匯教學(xué)中的作用，并就此提出了利用LDA模型自動(dòng)生成主題詞表進(jìn)行外語(yǔ)教學(xué)的模式，以及在教學(xué)應(yīng)用中的不足。

【關(guān)鍵詞】主題模型 ? ?LDA ? ?詞匯學(xué)習(xí) ? ? 二語(yǔ)習(xí)得

一、二語(yǔ)習(xí)得與詞匯學(xué)習(xí)

英國(guó)著名語(yǔ)言學(xué)家D.A.Wilkins（1972曾說(shuō)：“沒(méi)有語(yǔ)法，人們不能表達(dá)很多東西，而沒(méi)有詞匯，人們則無(wú)法表達(dá)任何東西。”詞匯作為語(yǔ)言的核心內(nèi)容，受到越來(lái)越廣泛的關(guān)注，詞匯教學(xué)的重要地位得到普遍認(rèn)可，各種詞匯教學(xué)研究受到教育界學(xué)者的青睞。徐密娥、李炯英（2007）在回顧及總結(jié)1994至2005年國(guó)內(nèi)英語(yǔ)詞匯教學(xué)研究概況的基礎(chǔ)上，指出國(guó)內(nèi)英語(yǔ)詞匯研究總體上呈明顯的上升趨勢(shì)，且研究視角多元化。隨著研究的深入，二語(yǔ)詞匯習(xí)得逐漸成為二語(yǔ)習(xí)得研究的熱點(diǎn)，并取得了豐碩的成果。教育技術(shù)學(xué)吸取了二語(yǔ)詞匯習(xí)得方面的新成果，并將二語(yǔ)詞匯習(xí)得理念應(yīng)用到英語(yǔ)詞匯教學(xué)研究中，不斷拓展研究范圍，深化研究方向，取得了一定進(jìn)展。隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)的發(fā)展，英語(yǔ)詞匯教學(xué)與現(xiàn)代教育技術(shù)逐漸融合，利用技術(shù)輔助英語(yǔ)詞匯教學(xué)的研究越來(lái)越多，英語(yǔ)詞匯教學(xué)逐漸成為教育技術(shù)領(lǐng)域密切關(guān)注的問(wèn)題。

二、主題模型與詞匯學(xué)習(xí)

Nation（1998）提出，在詞匯習(xí)得中，需要采用利于學(xué)習(xí)者記憶的單詞呈現(xiàn)方式。然而，目前一般的詞匯習(xí)得方法主要是依靠強(qiáng)化記憶，即很多學(xué)習(xí)者通過(guò)詞匯表的死記硬背來(lái)提高詞匯能力。但是詞匯表中缺乏詞匯使用的語(yǔ)境，所以學(xué)習(xí)者并不能深刻理解詞匯的內(nèi)涵，在一定程度上阻礙了詞匯習(xí)得過(guò)程。

李文中（2003）認(rèn)為，圍繞某一主題，以語(yǔ)義聯(lián)想為中心的詞匯教學(xué)比孤立、離散的詞匯學(xué)習(xí)更加有效。王秀（2006）通過(guò)實(shí)驗(yàn)研究發(fā)現(xiàn)，對(duì)于EFL學(xué)習(xí)者按主題排列的詞匯比按非主題排列的詞匯更易于學(xué)習(xí)。

張紅巖（2012）在《詞以類記：IELTS詞匯》中在將雅思詞匯分為28個(gè)學(xué)科、8個(gè)意群，在學(xué)科和意群中詞匯的排列遵循一定的邏輯順序。此書(shū)的姐妹篇《詞義類記：TOEFL iBT詞匯》自06年底面世以來(lái)也迅速成為同類詞匯書(shū)中的冠軍，證實(shí)了“詞義類記”——即根據(jù)主題記憶單詞方法的科學(xué)性與有效性。

人工對(duì)詞匯進(jìn)行主題分類固然可以很好地提高詞匯學(xué)習(xí)效果，但是隨著語(yǔ)料規(guī)模的擴(kuò)大，很難對(duì)人工所有領(lǐng)域的主題詞進(jìn)行分類收集，且需要花費(fèi)大量精力、物力。

近年來(lái)，主題模型（topic model）在自然語(yǔ)言處理（natural language process，NLP）領(lǐng)域受到了越來(lái)越多的關(guān)注。在該領(lǐng)域中，主題可以看成是詞項(xiàng)的概率分布，主題模型通過(guò)詞項(xiàng)在文檔級(jí)的共現(xiàn)信息抽取出語(yǔ)義相關(guān)的主題集合，并能夠?qū)⒃~項(xiàng)空間中的文檔變換到主題空間，得到文檔在低維空間的表達(dá)，從而間接達(dá)到文本分類的效果。主題模型分析大量無(wú)標(biāo)記文本提供了一種簡(jiǎn)單方法，主題模型計(jì)算得出的每個(gè)“主題”由一些經(jīng)常一起出現(xiàn)的詞構(gòu)成，使用上下文作為線索，主題模型可以將具有相似意義的單詞聯(lián)系在一起，并且對(duì)使用多重含義的詞進(jìn)行區(qū)分。

三、主題模型LDA介紹與實(shí)例分析

主題模型是一種文本表示范式，其典型代表是LDA模型。LDA模型首先由Blei等于2003年提出，目前在文本主題識(shí)別、文本分類以及文本相似度計(jì)算等方面都有廣泛應(yīng)用。LDA模型可以將文檔集中每篇文檔的主題按照概率分布的形式給出，同時(shí)它是一種無(wú)監(jiān)督學(xué)習(xí)算法，在訓(xùn)練時(shí)不需要手工標(biāo)注的訓(xùn)練集，需要的僅僅是文檔集以及指定主題的數(shù)量即可。一篇文檔可以包含多個(gè)主題，文檔中每一個(gè)詞都由其中的一個(gè)主題生成。

選用美聯(lián)社2246篇文檔作為語(yǔ)料，利用LDA模型進(jìn)行主題詞統(tǒng)計(jì)。假定整個(gè)語(yǔ)料庫(kù)有100個(gè)主題，每個(gè)主題用20個(gè)單詞描述。LDA模型可以根據(jù)給定的語(yǔ)料庫(kù)，通過(guò)計(jì)算得出主題以及描述相應(yīng)主題的單詞。

四、總結(jié)與展望

每一列詞匯均由計(jì)算機(jī)自動(dòng)生成，每列詞匯中有內(nèi)在的主題上的相關(guān)性。LDA模型在計(jì)算過(guò)程中，需要對(duì)文檔中的單詞進(jìn)行詞頻統(tǒng)計(jì)，所以LDA模型不僅可以提供具有主題相關(guān)性的單詞，還可以被應(yīng)用于文本分類，根據(jù)學(xué)習(xí)者的需要提供個(gè)性化的閱讀材料，并進(jìn)行附帶詞匯習(xí)得。利用計(jì)算機(jī)自動(dòng)生成同一主題的相關(guān)詞匯，這對(duì)于構(gòu)建基于主題模型的詞匯學(xué)習(xí)模式是十分重要的，能夠有效支持基于主題的詞匯習(xí)得研究。

但是LDA生成的主題詞表還有許多不足之處，如LDA模型不能表示主題間的相關(guān)性;對(duì)于主題數(shù)目K過(guò)于敏感;主題詞表中含有大量語(yǔ)義無(wú)關(guān)詞且詞形不規(guī)范等。在今后需要對(duì)LDA模型的產(chǎn)出加以改進(jìn)，以達(dá)到更好的詞匯習(xí)得效果。

【參考文獻(xiàn)】

[1]Wilkins D A.Linguistics in language Teaching[M].London： Edward Amold， 1972.

[2]徐密娥， 李炯英.國(guó)內(nèi)英語(yǔ)詞匯教學(xué)研究：回顧和前瞻[J].外語(yǔ)界，2007（03）.

[3]Paul Nation .Helping learners take control of their vocabulary learning[J].GRETA，1998，6（1）：9-1.

[4]張紅巖.詞以類記：IELTS詞匯[M].西安：西安交通大學(xué)出版社，2012.

[5]張紅巖.詞以類記——TOEFL iBT 詞匯[J].新東方英語(yǔ) （大學(xué)版）， 2006（12）.