聚類分析在外國語言學研究中的應用探討

◆

(黃河水利職業(yè)技術學院)

所謂的聚類分析，又被稱為數值分類學，這是一種多元統(tǒng)計分類技術。在社會各領域中，聚類分析都有著廣泛的研究與運用，并取得了一定的成效。以外國語言學研究為例，相較于其他方法，聚類分析在語言統(tǒng)計中具有突出優(yōu)勢，鑒于此，針對聚類分析在外國語言學研究中的應用具有重要的研究價值。

一、聚類分析在語言研究中的應用領域

在語義、句法型式、認知語言學、心理學語言學、計算語言學以及社會語言學等多個領域，聚類分析都具有一定的應用價值。通常情況下，聚類分析是結合到語料庫數據一起使用。關于聚類分析在外國語言研究中的應用領域，具體闡述如下：

1.詞匯語義學

語言學中的有一個假設：語言項目的語境分布信息對該語言項目的語義、功能特點進行了揭示，語言成分的分布條件或限制就是語言成分的意義所在。語料庫將詞匯的分布環(huán)境信息涵蓋其中，以共現詞及其頻率為例，基于語料庫中的共現特征的頻率信號的獲取，劇烈分析可以對近義詞、反義詞的意義與用法有一個客觀、系統(tǒng)的辨析。相關人員就提出詞匯行為輪廓研究方法就對聚類分析加以運用。值得一提的，實驗表明，同(近)義詞的類或簇的心理現實性比較突出。在詞匯語義學中，在詞典編纂、外語教學領域聚類分析往往具有較強的適用性。

2.句法型式研究

在對語料庫中句法結構進行聚類時，聚類分析能夠提供一定的幫助，并且在經驗數據性的句法研究中，聚類分析也具有適用性。例如人們在聚類語料庫中某個單詞的全部索引時，對該詞匯的全部句法型式進行識別與提取，進而就可以使我們對特定單詞的句法行為的認識變得更加系統(tǒng)與全面。在基于數據驅動的句法研究、詞典編纂以及外語教學而言，其應用價值顯然是比較大的。

所謂的型式，就是短語單位，其組成部分包括名詞、形容詞以及補足語成分。研究型式句法是為了將不同詞類的所有型式抽象、歸納出來。在對句法型式進行抽取與概括時，聚類分析主要采取如下做法：首先對句法型式的一系列特征集合進行建構，然后進行每個索引行為中具體語言信息向對應型式特征信息的轉換，基于對相似度算法的應用，將聚類分析用于同一檢索詞析出的索引行中，并將每組索引行中的公共特征項提取出來，最后使相關單詞的句法型式的自動識別與提取得以實現，具體如下圖所示。

3.語言風格變異研究

對于一個語篇而言，其呈現的語言結構單位的使用統(tǒng)計特征分為很多種，例如詞長、句長、型符類符比、詞性比例、句型比例等等。大量研究表明，根據文本體裁的不同，語言結構特征就客觀而言存在變異。在語言結構單位特征頻率分布的差異的影響下，語言風格變異自然就會形成。語篇風格、文體也是基于這些頻率分布差異得以構成的。此外，站在一個作者的角度，其語言中表現出來的語言結構單位的個性化使用統(tǒng)計特征也必然包含了很多種，我們可以統(tǒng)計出一個作者不同作品的語言使用情況，基于分析獲取該作者對不同語言結構單位使用的統(tǒng)計特征。相反的，我們也可以通過作者對語言結構單位使用的統(tǒng)計特征，將聚類分析運用將作者身份已知的文本以及身份未知的文本分析中，然后以分析結果為參考，對這些匿名作品的作者進行有效識別。

4.語言的地理變異

語言的地理變異又被稱為方言聚類，在語言學這一領域中聚類分析有著非常長的應用歷史。在上世紀80年代初，就有研究人員在方言分類的研究中運用了聚類分析，并取得了理想的成效。之后，歐洲方言計量學研究中，以某些研究人員為代表的對聚類分析的應用越來越廣泛。

5.語言的社會變異

語言變異與社會結構之間有著非常復雜的關系，在研究中如果選擇傳統(tǒng)方法，顯然是無法取得理想的效果的，究其原因就在于傳統(tǒng)的研究方法的盲目性比較強，并且系統(tǒng)性有所缺失，大部分情況下需要以個人經驗或靈感對語言提出假設并展開研究，而相較于規(guī)模龐大的語言數據而言，個人經驗或靈感顯然是微不足道的。而聚類分析應用則是傳統(tǒng)方法的問題得到有效規(guī)避，這種方法能夠為研究者在規(guī)模龐大的語言數據中尋找數據結構提供支持，然后與數據結構為基礎，對相關研究變量進行有效分析、提取，使不同變量之間的關聯被系統(tǒng)性的發(fā)現出來，然后通過假設對理論模型進行建構。

二、聚類分析的應用分析及發(fā)展前景

相較于定性的分類方法，聚類分析的客觀性與可重復性是其應用價值的重要體現。聚類分析是以事實與數據為基礎得到運用的，這是其客觀性特點的體現。當然不可否認，聚類分析并沒有將所有主觀因素排除掉，在某些方面的選擇上其主觀性依然存在，例如算法選擇、距離計算方式以及聚類數值特征等等。然而，如果人們設定了聚類分析中的指標、類的定義、距離計算方式以及算法等參數，那么聚類的可重復性、可檢驗性就得到突出，并且也提供一個基準來比較不同分類方法的優(yōu)劣。以主觀定性為依托的分類方法具有較低的重復性，由于專家與新手的理論素養(yǎng)、經驗以及直覺存在很大的差別，因此復制起來存在較大難度，他們的分類結果也不盡相同。眾所周知，在科學研究中，客觀性與可重復性是最為基本的要求，因此，相較于定性分類，聚類分析的科學性更強。

此外，聚類分析在規(guī)模龐大的數據處理中也具有很高的應用價值。對于小數據而言，人們可以對其結構進行有效分析，然后提出猜想和假設。但如果數據規(guī)模龐大且復雜程度較高，那么受限于認知能力，人們可能并不能透過數據表面對其中的結構與規(guī)律進行研究與分析，同時提出的猜想與假設也可能不盡合理。而基于聚類分析的應用，可以使大數據處理變得高效、準確，使其中的結構與規(guī)律得以發(fā)現，為人們提出假設提供支持。

三、結語

在大數據時代背景下，語料庫數據的內容必然更加豐富，數據挖掘技術的應用也取得了重大突破。現階段，人們逐漸開始質疑對內省式語言數據的可靠性，并對語言用法數據加以運用。由此可見，在未來在面對規(guī)模龐大的語言數據時，只有通過數據挖掘，才能夠實現語言知識的獲取。而人工與肉眼顯然是無法處理這些語言數據的，此時聚類分析的價值就體現出來。作為外國語言研究這，必須對聚類分析以及其他的數據挖掘技術進行深入研究與學習，促使自身研究能夠與時代發(fā)展形勢相適應。

參考文獻：

[1]孫仕光，張萍.聚類分析在外國語言學研究中的應用[J].懷化學院學報，2016，(3) ：108-113.

[2]劉佳玲.聚類分析在外國語言學研究中的應用[J].科學與財富，2017，(19) ：97.

[3]陳芯瑩，劉海濤.語義、句法網絡作為語體分類知識源的對比研究[J].計算機工程與應用，2014，(02) ：10-14+43.

[4]陳芯瑩，劉海濤.句法復雜網絡作為語體分類的知識源研究[J].計算機工程與應用，2013，(08) ：32-36.

[5]陳芯瑩，劉海濤.句法復雜網絡作為語體分類的知識源研究[J].計算機工程與應用，2012.