面向書面言語鑒定的言語人副詞使用習(xí)慣研究

王虹

（中國刑事警察學(xué)院 文件檢驗技術(shù)系，遼寧 沈陽100035；東北大學(xué) 自然語言處理實驗室，遼寧 沈陽110004）

書面言語是以文字形式存在的言語，包括紙質(zhì)文本、網(wǎng)絡(luò)文本和電子文本。書面言語鑒定，英語譯作 Authorship Identification， Authorship Attribution或Authorship Comparison，是指通過檢材言語與樣本言語的比對鑒別，判斷兩者言語習(xí)慣是否一致，為案件偵查、審判提供證據(jù)的一種專門技術(shù)手段。

西方早就有專門的文本鑒別學(xué)，1711年，一位德國牧師H.B.韋特最早提出了有關(guān)《圣經(jīng)》作者的爭議。隨后，出現(xiàn)了莎士比亞著作權(quán)的糾紛。從20世紀60年代埃文斯案促成司法語言學(xué)的誕生以來，歐美各國作者鑒別技術(shù)發(fā)展方興未艾，成果顯著，應(yīng)用廣泛。很多國家和地區(qū)都有專門的語言證據(jù)研究機構(gòu)，受理司法實踐中與語言相關(guān)的案件。

國內(nèi)漢語文體學(xué)、漢語語言學(xué)、英語語言學(xué)（主要是法律語言學(xué)）、圖書情報學(xué)、自然語言處理等領(lǐng)域均有關(guān)于作者鑒別、作者歸屬、作者身份識別、作者識別的研究。公安技術(shù)領(lǐng)域自20世紀80、90年代起開始研究書面言語鑒定技術(shù)，并將用于文件檢驗鑒定，利用“語音特征”、“方音別字”、“特殊語法”等書面言語特征鑒定了多起無筆跡案件。

近年來，互聯(lián)網(wǎng)及相關(guān)產(chǎn)業(yè)飛速發(fā)展，雖然在一定程度上方便了生活，但利用電子郵件、網(wǎng)絡(luò)論壇等方式犯罪的案件也不斷增多。此外，由于監(jiān)管漏洞的存在，侵犯他人知識產(chǎn)權(quán)的案件也時有發(fā)生。這些現(xiàn)象都對書面言語鑒定技術(shù)的完善和提高提出了迫切需求。

副詞使用頻率特征是書面言語鑒定中常用的言語特征之一，鑒定人員基于副詞屬于虛詞，而虛詞受言語內(nèi)容影響較小，具備較好的個人穩(wěn)定性這一假設(shè)，一直在使用這一特征。但這種假設(shè)是否成立，我們并未見到相關(guān)的實驗和統(tǒng)計研究。語言學(xué)領(lǐng)域?qū)Ω痹~的研究暫時處于基礎(chǔ)性、定義性的階段。國外司法語言學(xué)的研究和實踐中，已將副詞使用習(xí)慣特征當作書面言語同一認定的依據(jù)使用。但在漢語書面言語鑒定領(lǐng)域，副詞使用習(xí)慣特征是否能作為漢語書面言語同一認定的依據(jù)還有待研究。對副詞研究的不斷深入以及各種統(tǒng)計工具、分析方法的完備，為我們提供了研究這一領(lǐng)域的可能。

本文擬引入自然語言處理技術(shù)，采用實驗研究和統(tǒng)計研究的方法，探討副詞使用習(xí)慣特征在漢語書面言語鑒定中作為同一認定依據(jù)使用的可行性。

1 副詞及其分類

1.1 副詞定義

從中國第一本語法專著《馬氏文通》提出近似現(xiàn)代“副詞”的“狀字”開始，關(guān)于副詞的定義一直是眾說紛紜。2004年，張誼生[1]提出將句法功能作為認定副詞的根據(jù)并以語句的基本含義作為判斷的基礎(chǔ)，將副詞定義為：“副詞主要充當狀語，一部分可以充當句首修飾語或補語，在一定條件下一部分還可以充當高層次消浯或準定語的具有限制、描摹、連接等功能的半開放類詞?！?/p>

1.2 副詞分類

語言學(xué)領(lǐng)域中對副詞的分類也有很多不同的看法，本文從研究需要出發(fā)，采用呂叔湘的分類方法，即按照語法功能將副詞分為七類：程度、范圍、時間、語氣、肯定和否定、方式、處所[2]。

程度副詞，如很、最、極、太、非常、更加、越、稍、幾乎、略微、尤其……

范圍副詞，下分總括性范圍副詞：都、總、共、俱、皆、全然、全都、統(tǒng)統(tǒng)、統(tǒng)共、舉凡、一概、一總等；唯一性范圍副詞：僅、只、就、才、單、唯、偏、惟獨等；限定性范圍副詞有：約、大都、最多、最少、起碼、只有、只是、不過……

時間副詞，如：已、曾、剛剛、才、正在、立刻、終于、時時、漸漸、從來、始終、屢次、重新、還、偶爾……

語氣副詞，如：難道、果然、豈、索性、究竟、簡直、就、可、也許、難怪、大約、不妨……

肯、否定副詞，分為肯定、必然、偶然、可能、否定判斷副詞。如必須、沒有、必定、是否、未、別、莫、勿、不必、不用、不曾…….

方式副詞，如：大肆、親自、特意、公然、忽然、悄悄……

處所副詞，如：處處、到處、隨處、四處……

《中國文法要略》分為七類：方所副詞，時間副詞，動態(tài)動相副詞，程度副詞，判斷副詞，否定副詞，一般副詞。

2 材料與方法

2.1 語料

本文以古龍、莫言、韓寒、金庸、三毛、郭敬明等6位作家的長文本作品24部為研究語料，具體情況見表1。

2.2 分析工具與內(nèi)容

本文使用我們自主研發(fā)的《案件書面言語量化輔助分析系統(tǒng)》對語料進行自動分句、分詞、詞性標注等處理，并進行總詞數(shù)、副詞數(shù)、副詞數(shù)占總詞數(shù)的百分比、單個副詞數(shù)、單個副詞數(shù)占總詞數(shù)的百分比，以及同一人作品副詞使用頻率的平均值、標準差等數(shù)據(jù)統(tǒng)計，以此分析總結(jié)個人在是否使用副詞上的偏好、個人在表示同類關(guān)系的副詞中是否有選用上的偏好和不同人在表示同類關(guān)系的副詞中是否有共同的選用偏好。

3 結(jié)果與分析

3.1 個人在是否使用副詞上的偏好

為了觀察個人在是否使用副詞上的偏好，我們分別統(tǒng)計出了24部作品的總詞數(shù)、副詞數(shù)、副詞數(shù)占總詞數(shù)的百分比，以及同一人作品副詞使用頻率的平均值、標準差，并分別按副詞使用頻率平均值和副詞占總詞數(shù)的百分比進行了降序排序，如表1所示。分析表1我們發(fā)現(xiàn)：

第一，6位作家使用副詞的頻率是有差別的，由古龍、韓寒、郭敬明、三毛、金庸、莫言依次降低。

第二，古龍和莫言在副詞使用頻率上相差較明顯，平均值差了約3個百分點。古龍的4部作品的副詞使用頻率均很高，均高于莫言的4部作品。

第三，同一作家不同作品的副詞使用頻率的穩(wěn)定性情況不同，由古龍、韓寒、莫言、郭敬明、三毛、金庸依次降低。古龍的5部作品之間副詞使用頻率差別較大，其平均值的標準差最大；而金庸4部作品之間副詞使用頻率的穩(wěn)定性最好，其平均值的標準差最小。

第四，創(chuàng)作時間、作者的個人經(jīng)歷對同一作者不同作品的副詞使用頻率穩(wěn)定性有影響。以古龍為例，1960年到1963年是古龍的試筆階段，接觸了大量的西方文學(xué)，作品也帶有西方色彩；1963年之后，他向日本小說取經(jīng)，探索武道，逐步形成自己獨特的武打描寫方式；后期古龍又將戲劇、推理、詩歌等元素和自己的人生感悟帶入傳統(tǒng)武俠。這樣，隨著時間的推移和個人經(jīng)歷的變化，古龍作品的風(fēng)格前后有很大的變化。而作品中語言的變化則是形成作品風(fēng)格變化的重要因素，因此導(dǎo)致《劍客行》（1963）《大旗英雄傳》（1966）《三少爺?shù)膭Α罚?974）《拳頭》（1977）等不同時間節(jié)點上的作品中副詞使用頻率有較大的差異。

第五，體裁對同一作者不同作品的副詞使用頻率穩(wěn)定性有影響。以韓寒為例，他的兩部作品《像少年啦飛馳》、《通稿2003》的副詞使用頻率分別為5.500%和7.932%，差距較大。這兩部作品較明顯的不同是體裁分別為小說和雜文。小說是客觀性的語言，作者不會直接表達思想感情，而是讓人物和情節(jié)代作者說話；雜文則是主觀性的語言，作者直抒胸臆，而且論證和說理性強。體裁的不同，使得作品的語言風(fēng)格也不同。

鑒于此，從我們的實驗中觀察到的數(shù)據(jù)來說，個人在是否使用副詞上是有偏好的，不同人的平均副詞使用頻率有差別，且這種差別較穩(wěn)定，尤其是在語料足夠多、足夠長，作品形成時間相近、作者言語風(fēng)格沒有階段性變化、作品體裁相同的前提下，這種偏好能夠得到較好的表現(xiàn)。

3.2 個人在表示同類關(guān)系的副詞中是否有選用上的偏好

為了觀察個人在表示同類關(guān)系的副詞中是否有選用上的偏好，我們分別抽取、統(tǒng)計6位作家24部作品中的程度、處所、范圍、方式、肯定和否定、時間、語氣等七類副詞，計算出每個副詞的出現(xiàn)數(shù)及其占總詞數(shù)的百分比，進行了相應(yīng)的數(shù)據(jù)分析和比較。我們發(fā)現(xiàn)個人在表示同類關(guān)系的副詞中是有選用上的偏好的。這里僅以古龍的4部作品和郭敬明的4部作品為例做以說明。

古龍4部作品的同類副詞選用情況：古龍在程度副詞中選用“更、很、最、太”的情況遠多于“極、越、幾乎”等（圖 1）。 在處所副詞中，“到處”一詞出現(xiàn)的頻率較高，其余如“處處、四處、隨處”都是偶爾出現(xiàn)（圖2）。在總括性范圍副詞中，“都”的出現(xiàn)次數(shù)最多，遠高于居于其次的“全、俱”等；唯一性范圍副詞中，“就、只、才”使用頻率很高，“光、偏偏”也出現(xiàn)多次；限定性范圍副詞中，“不過、只有、只是”出現(xiàn)較多，“至少、約、大概”也有出現(xiàn)（圖3）。在方式副詞中，古龍偏向于選擇“忽然”引發(fā)場景、情節(jié)的變化，“暗暗、猛然”少量出現(xiàn)（圖 4）。在肯定、否定副詞中，“不、沒有”出現(xiàn)最多，“未、莫、必”等文言文化詞亦有出現(xiàn)（圖5）。時間副詞出現(xiàn)的較多，“已、還、再”都有大量出現(xiàn)，“已”的頻率明顯高于“已經(jīng)”，“正、常、曾”的頻率分別高于“在、正在、常常、曾經(jīng)”（圖6）。語氣副詞中，表示疑惑時多用“難道、究竟”；表示驚訝時，多用“果然、居然、豈、竟然”（圖 7）。

郭敬明4部作品的同類副詞選用情況：在程度副詞中，郭敬明大量選擇“很”，比例較高，“最、太、更”也有一定比例，“幾乎、好像”也在每篇文章中都有體現(xiàn)（圖8）。在處所副詞中，“到處”出現(xiàn)頻率明顯高于其他兩個。但總體而言，處所副詞使用量較小（圖9）。在總括性范圍副詞中，郭敬明大量使用了“都、全”；唯一性范圍副詞中，“就、只、才”使用頻率高，其他如“僅僅、僅、光”等都是偶爾出現(xiàn)；限定性范圍副詞中，除了“只是、不過”占有一定比例外，其他副詞均只零星出現(xiàn)（圖10）。方式副詞的整體使用頻率偏低，都只是零星出現(xiàn)，相對來說使用“悄悄、趕緊”多些（圖11）。 肯定、否定副詞中，“不、沒有、沒”使用次數(shù)多，肯定副詞則只用了“的確”（圖12）。時間副詞中，“還”出現(xiàn)頻率最高，“已經(jīng)、總是、再”頻率接近，其他時間副詞如“還是、依然、曾經(jīng)”等都有出現(xiàn)（圖13）。語氣副詞中，“也許”出現(xiàn)頻率較高，其次是“居然、竟然、反正、可”（圖 14）。

圖1 古龍作品程度副詞使用頻率圖

圖2 古龍作品處所副詞使用頻率圖

圖3 古龍作品范圍副詞使用頻率圖

圖4 古龍作品方式副詞使用頻率圖

圖5 古龍作品肯定和否定副詞使用頻率圖

圖6 古龍作品時間副詞使用頻率圖

圖7 古龍作品語氣副詞使用頻率圖

圖8 郭敬明作品程度副詞使用頻率圖

圖9 郭敬明作品處所副詞使用頻率圖

圖10 郭敬明作品范圍副詞使用頻率圖

圖11 郭敬明作品方式副詞使用頻率圖

圖12 郭敬明作品肯定和否定副詞使用頻率圖

圖13 郭敬明作品時間副詞使用頻率圖

圖14 郭敬明作品語氣副詞使用頻率圖

3.3 不同人在表示同類關(guān)系的副詞中是否有共同的選用偏好

為了觀察不同人在表示同類關(guān)系的副詞中是否有共同的選用偏好，我們對每位作家4部作品中出現(xiàn)的每個程度副詞、范圍副詞、時間副詞、語氣副詞、肯定和否定副詞、方式副詞、處所副詞的數(shù)量進行了平均和比較。我們發(fā)現(xiàn)，不同人在表示同類關(guān)系的副詞中有共同的選用偏好，有些高頻詞是大家共同的選擇。但同時，也有一些詞，人們在選用他們時存在較大差異。

3.3.1 不同人均常會選用的副詞

我們整理出了每位作家使用的程度副詞、范圍副詞、方式副詞、肯定和否定副詞、時間副詞、語氣副詞中平均頻率排名前5的高頻詞，以及處所副詞中排名前4的高頻詞，發(fā)現(xiàn)6位作家使用的各類高頻詞中有很多是相同的：在程度副詞中，“很、最、更、太”常被選用，出現(xiàn)頻率高（表2）。在處所副詞中，“到處”最常被選用，其余處所副詞選用相對較少（表3）。在范圍副詞中，總括性范圍副詞上“都、全”最常被選用，唯一性范圍副詞“就、只、才”常被選用，限定性范圍副詞“不過、只是、只有”常被選用（表4）。在方式副詞上，表現(xiàn)趨勢并不穩(wěn)定，但“悄悄、忽然”出現(xiàn)頻率較高（表5）。在肯定和否定副詞上，“不、沒、沒有”被大量使用（表6）。時間副詞中，“還、再”常被選用，其他的出現(xiàn)頻率不穩(wěn)定（表7）。語氣副詞中，不同人的選擇差異較大，并沒有較為一致的選用習(xí)慣（表8）。

表2～8中所列副詞是6位作家使用的高頻副詞，根據(jù)我們的經(jīng)驗，這些副詞也正是人們普遍常用的副詞，在人群中出現(xiàn)率高，反映的是言語的共性特點，在書面言語鑒定中特征價值較低。

表2 程度副詞高頻詞表 （%）

表3 處所副詞高頻詞表 （%）

表4 范圍副詞高頻詞表（%）

表5 方式副詞高頻詞表 （%）

表6 肯定和否定副詞高頻詞表 （%）

表7 時間副詞高頻詞表 （%）

表8 語氣副詞高頻詞表 （%）

3.3.2 選用頻率差異大的副詞

在分析6位作家的副詞使用情況時，我們也發(fā)現(xiàn)了一些在選用頻率上差異較大的副詞。舉例如圖15～21所示。

從圖15～21中我們可以直觀地看出，不同作家在某些副詞的選用上確實差異較大，體現(xiàn)了不同人的言語習(xí)慣，這類副詞特征價值較高，可以用于書面言語鑒定。

圖15 6位作家程度副詞“尤其、過于”選用平均頻率圖

圖17 6位作家唯一性范圍副詞“偏偏、單、僅僅”選用平均頻率圖

圖18 6位作家限定性范圍副詞“大約、多半、約”選用平均頻率圖

圖19 6位作家時間副詞“立刻、還是、將、總是”選用平均頻率圖

圖20 6位作家語氣副詞“果然、豈、也許”選用平均頻率圖

圖21 6位作家方式副詞“趕緊、連忙、大力”選用平均頻率圖

4 結(jié)論

本文通過對6位作家24部作品副詞使用頻率、選用偏好等數(shù)據(jù)進行提取和分析，發(fā)現(xiàn)以下規(guī)律：

第一，個人在是否使用副詞上是有偏好的，不同人的平均副詞使用頻率有差別，尤其是在語料足夠多、足夠長的情況下，這種偏好能夠得到較好的表現(xiàn)。

第二，個人在表示同類關(guān)系的副詞中有存在選用上的偏好，人們會有自己習(xí)慣使用的副詞。

第三，不同人在表示同類關(guān)系的副詞中會有共同的選用偏好。某些副詞是人們都習(xí)慣選用的，這類副詞的特征價值低，案件檢驗中我們應(yīng)該盡量少選這類詞作為特征詞使用；某些副詞在被選用的頻率上有較大差別，這類詞的特征價值高些，可以作為特征詞使用。

第四，對于長語料來說，由于其文本數(shù)量大，副詞使用頻率相對穩(wěn)定，受出版時間等因素的影響相對較小。我們認為副詞使用頻率可以作為同一認定的輔助特征使用，但使用時要充分考慮到語料的形成過程、創(chuàng)作背景、個人經(jīng)歷等因素的影響。

這些分析是建立在文本篇幅較長的前提下的，短文本的副詞使用頻率特點受言語內(nèi)容、體裁、題材、形成過程等因素的影響很大，在沒有大規(guī)模實驗證明之前，我們認為要慎用短文本中的副詞使用頻率特征。關(guān)于短文中副詞使用頻率特征的具體內(nèi)容，我們將另文討論。