俄語文本易讀性研究：回顧與展望

李晨蕊

（國防科技大學(xué)國際關(guān)系學(xué)院 江蘇 南京 210039）

在這個信息爆炸的時(shí)代，如何在浩如煙海的文本數(shù)據(jù)中快速選擇所需的文本？這個問題使文本的自動化分析方法進(jìn)入大眾視野。文本易讀性是文本自動化分析的一項(xiàng)重要內(nèi)容。它的研究最開始是出于軍事目的——弗萊士（Flesch R.）為滿足軍事需要研究出文本易讀性公式。當(dāng)然除了軍事需要，相關(guān)研究還有其他重要的實(shí)踐意義。俄國學(xué)者米克（Я.А.Микк）[1]利用文本易讀性研究成果來確定學(xué)生對所給文本的理解能力，以提高教學(xué)質(zhì)量。如若可以對文本易讀性進(jìn)行準(zhǔn)確而高效的分析，俄語學(xué)習(xí)者便可以選擇難度適宜的文本進(jìn)行閱讀，提高語言學(xué)習(xí)效率。由此可見，文本易讀性的研究對語言學(xué)習(xí)、語言教育，甚至軍事等方面都有重要意義。

本文首先對文本易讀性的相關(guān)術(shù)語進(jìn)行區(qū)分，然后對俄語文本易讀性的研究歷史進(jìn)行回顧與總結(jié)，明確今后的研究方向，以期能夠更深入地開展俄語文本易讀性研究。

一、俄語文本易讀性術(shù)語的區(qū)分

1.文本復(fù)雜性（сложность текста）

文本復(fù)雜性通?；谖谋咀陨淼膬?nèi)在特性計(jì)算。相關(guān)變量可分為定距變量和定類變量。定距變量包括單詞長度、句子長度及長詞數(shù)量等變量；定類變量則包括文本的語法特征、語義特征、詞匯特征等變量。文本復(fù)雜性這一概念只與文本自身有關(guān)，是文本的客觀屬性。[2]

2.文本難度（трудность текста）

文本難度通常由文本的客觀特征和主觀特征決定?？陀^特征就是文本復(fù)雜性所研究的文本的自身特征；主觀特征則取決于讀者本身，它包括讀者的年齡、性別、背景知識等一系列特征。由于文本難度的概念包括客觀和主觀兩個方面，因此同樣復(fù)雜性的文本對于不同讀者而言，難度可能是不同的。正因?yàn)槠渲饔^參數(shù)大多數(shù)超出了語言學(xué)研究范圍，所以現(xiàn)階段缺乏合理的文本難度公式。[3]

3.文本易讀性（читабельность текста）

文本易讀性，是由英語中的readability一詞翻譯而來。在俄語中文本易讀性這一概念具有多義性。一方面，該術(shù)語是指文本易于理解的程度，可通過測量句法難度、詞匯、主題表達(dá)的清晰程度等一系列變量計(jì)算；另一方面，也可以通過能夠理解該文本的讀者的平均受教育程度衡量。

4.文本可理解性（понятность текста）

如果將文本不利于理解的屬性視為文本難度，那么文本有利于理解的屬性即為文本可理解性。由此可見，影響文本可理解性和文本難度的因素是一致的，只是這些因素對這兩個屬性的影響效果相反。

二、俄語文本易讀性研究歷史

文本易讀性的研究起始于英語文本。從20世紀(jì)20年代至今，英語文本易讀性的研究歷經(jīng)80多年而不衰，且日益受到關(guān)注。相較于英語文本易讀性的研究，該問題在俄語中的研究起步較晚。研究主要分為三個階段。

1.第一階段：20世紀(jì)60—70年代

在這一階段，俄羅斯的語言學(xué)家重點(diǎn)關(guān)注文本的定距變量，提出對文中的字母、音節(jié)、語法詞素、單詞、詞組、句法結(jié)構(gòu)等進(jìn)行定量分析。其中，列斯基斯（Г.А.Лесскис）[4]重點(diǎn)關(guān)注了文本的句法難度。他開始研究文本中簡單句和復(fù)合句的數(shù)量，并將句子平均長度、簡單句平均長度、復(fù)合句平均長度等變量作為計(jì)算文本復(fù)雜性的定距變量。馬茨科夫斯基（М.С.Мацковский）[5]曾選取60名七年級學(xué)生參與實(shí)驗(yàn)，實(shí)驗(yàn)者需對50篇政論體裁文本難度進(jìn)行評估，將其劃分為由易到難七個等級。在此數(shù)據(jù)的基礎(chǔ)上，馬茨科夫斯基定義了俄語文本難度公式：

其中：

Y——文本難度

X1——平均語句長度（單詞數(shù)除以語句數(shù)）

X2——文本中包含三個及三個以上音節(jié)的單詞的比例

由于當(dāng)時(shí)文本易讀性的研究并未得到關(guān)注，文本材料數(shù)量受限，參與實(shí)驗(yàn)的人數(shù)不足，這個公式的合理性有待進(jìn)一步考量，但這個公式所選取的變量值得我們參考。

2.第二階段：20世紀(jì)末—21世紀(jì)初

在這一階段，俄羅斯的語言學(xué)家開始將定距變量與定類變量結(jié)合。在對文本可理解性的研究中，米克提出文本可理解性的衡量主要基于句子中單詞的數(shù)量、單詞的“熟悉程度”、單詞的抽象性（文本中抽象單詞和具體單詞的比例）三個特征。其中，單詞“熟悉程度”的計(jì)算方法是憑借經(jīng)驗(yàn)將單詞劃分為六個等級進(jìn)行統(tǒng)計(jì)。單詞抽象性的計(jì)算方法共兩種：一是三級劃分法，即將單詞按抽象性分為三個等級進(jìn)行統(tǒng)計(jì)；二是計(jì)算含抽象性詞素的單詞。除此之外，米克詳細(xì)闡釋了文本復(fù)雜性與文本難度的區(qū)別，提出了衡量文本復(fù)雜性的特征：文本的信息量、語句的復(fù)雜性、敘述的抽象性及文本結(jié)構(gòu)的明晰性。

圖爾達(dá)娃（Ю.А.Тулдава）提出了一個補(bǔ)充參數(shù)——文中多義詞的數(shù)量。她通過統(tǒng)計(jì)發(fā)現(xiàn)，俄語中每個單詞平均擁有3.7個意義，其中動詞平均有4.6個意義，名詞平均有3.1個意義。除此之外，該學(xué)者定義了自己的文本復(fù)雜性公式[7]：

其中：

R（i,j）——文本復(fù)雜性

I——單詞平均長度（音節(jié)數(shù)除以單詞數(shù)）

J——語句平均長度（單詞數(shù)除以語句數(shù)）

3.第三階段：21世紀(jì)初至今

在這一階段，俄羅斯語言學(xué)家深入研究了已確定的變量對文本易讀性的影響。其中，奧博爾涅娃首次嘗試將英語的弗萊士文本易讀性公式運(yùn)用于俄語。這一研究為俄語易讀性公式的研究做出突出貢獻(xiàn)。她將英語和俄語中的單詞平均長度進(jìn)行比較分析，發(fā)現(xiàn)俄語中單詞的平均長度為3.29個音節(jié)，而英語中則為2.97個音節(jié)。由此，她開發(fā)出如下公式：

其中：

Y——文本易讀性

ASL——語句平均長度（單詞數(shù)除以語句數(shù)）

ASW——單詞平均長度（音節(jié)數(shù)除以單詞數(shù)）

這一階段的另一個特點(diǎn)是學(xué)者在不斷擴(kuò)大變量種類。其中，普什金娜（Е.С.Пушкина）[8]指出由于術(shù)語的抽象程度較高，會增加文本復(fù)雜性。葉爾馬科夫（А.Е.Ермаков）和普列什科（В.В.Плешко）[9]指出應(yīng)關(guān)注文本中的同音異義詞。克里奧尼（Н.К.Криони）、尼京（А.Д.Никин）及菲利波娃（А.В.Филиппова）[10]認(rèn)為可以通過語言結(jié)構(gòu)特征、敘述抽象性及文本信息量衡量文本復(fù)雜性。其中，語言結(jié)構(gòu)特征可以用如下變量衡量：長詞數(shù)量（三個音節(jié)以上為長詞）、包含長詞的句子比例、單詞平均長度、語句平均長度、副動詞和形動詞數(shù)量、包含副動詞和形動詞的句子比例、復(fù)合句所占比例。學(xué)者計(jì)算敘述抽象性的方式借鑒于米克計(jì)算含抽象性詞素的單詞所占文中單詞總數(shù)量的比例。文本信息量則體現(xiàn)在文中所引入的定義的數(shù)量。

什帕科夫斯基（Ю.Ф.Шпаковский）[11]在文本易讀性研究中提出如下變量：單詞長度、語句長度、文本長度、簡單句和復(fù)合句占全文的比例、每100個名詞中的具體名詞數(shù)量和抽象名詞數(shù)量及生詞比例等。隨后，什帕科夫斯基專注于分析化學(xué)教材的文本復(fù)雜性，并開發(fā)出化學(xué)教材文本難度公式。公式如下：

其中：

Y——高等學(xué)校化學(xué)教材文本難度

X1——長詞所占比例（含九個或九個以上字母的單詞）

X2——術(shù)語所占比例

X3——化學(xué)符號所占比例

這一階段的第三個特點(diǎn)是計(jì)算機(jī)程序廣泛應(yīng)用于文本易讀性研究。其中，別格京（И.В.Бегтин）將奧博爾涅娃提出的公式轉(zhuǎn)化為文本自動化分析在線工具（ru.readability.io/），這一公式還成為Microsoft Word內(nèi)置的俄語易讀性測量公式。葉爾馬科夫和普列什科在統(tǒng)計(jì)文本中的同音異義詞時(shí)，提出應(yīng)開發(fā)俄語句法自動分析器用于抽取名詞短語和消歧。這一分析器已成為Russian Context Optimizer系統(tǒng)①的部件之一。在分析文本的句際聯(lián)系時(shí)，指代消解是關(guān)鍵問題。當(dāng)代學(xué)者開始關(guān)注自動化提取先行詞和照應(yīng)語。托爾佩金（П.В.Толпегин）[12]研究的重點(diǎn)是俄語文本中第三人稱代詞自動消歧問題。學(xué)者嘗試實(shí)現(xiàn)自動化算法以確定先行詞和照應(yīng)語之間共指關(guān)系，建立了“一般前指代識別模型（MB）”與“特征空間和評價(jià)識別任務(wù)的共指消歧模型（DSE）”，其中DSE模型的準(zhǔn)確率達(dá)到83.05%。阿布拉莫夫（В.Е.Абрамов）等人[13]共同開發(fā)出用于解決“俄、英、德、法語文本分類”問題的計(jì)算機(jī)程序，為文本的自動化分析做出貢獻(xiàn)。

三、俄語文本易讀性研究展望

未來俄語文本易讀性的研究方法仍應(yīng)是通過構(gòu)建統(tǒng)計(jì)模型并利用編程的方法實(shí)現(xiàn)自動化分析。具體的研究步驟應(yīng)包括：構(gòu)建適用于文本易讀性研究的語料庫—選取特征變量—對變量進(jìn)行相關(guān)性分析—確定回歸方程—通過計(jì)算機(jī)程序?qū)崿F(xiàn)文本易讀性自動化分析。下一步的研究方向應(yīng)包括：擴(kuò)大變量種類、優(yōu)化統(tǒng)計(jì)模型、推廣研究成果。

1.擴(kuò)大變量種類

今后的研究應(yīng)該擴(kuò)展研究范圍，將語法特征、語義特征、詞匯特征、體裁等的自動識別研究納入易讀性研究之中，擴(kuò)大特征變量種類，使易讀性研究更加深入和細(xì)致，進(jìn)一步提高易讀性測量的適用范圍和測量準(zhǔn)確性。

2.優(yōu)化統(tǒng)計(jì)模型

今后的研究中應(yīng)結(jié)合多元統(tǒng)計(jì)相關(guān)知識，探索更為精確的統(tǒng)計(jì)模型以提高擬合度。在建立統(tǒng)計(jì)模型時(shí)，應(yīng)注意各變量之間是否出現(xiàn)多重共線性問題，并根據(jù)變量類型合理選擇回歸模型，科學(xué)地構(gòu)建和優(yōu)化統(tǒng)計(jì)模型，使其能更準(zhǔn)確地計(jì)算文本難度。

3.推廣研究成果

文本易讀性的研究是出于實(shí)用目的，因此研究不應(yīng)該脫離實(shí)際應(yīng)用。研究者要積極探索其理論在實(shí)際領(lǐng)域的價(jià)值，進(jìn)一步結(jié)合網(wǎng)絡(luò)資源，開發(fā)在線網(wǎng)絡(luò)服務(wù)，將易讀性研究成果轉(zhuǎn)化為在線分析工具或計(jì)算機(jī)應(yīng)用的組成部分，推廣文本易讀性的研究成果，擴(kuò)大研究影響力。

四、結(jié)語

文本易讀性研究這一課題具有十分重要的實(shí)踐意義。從俄語文本易讀性的研究歷史來看，利用統(tǒng)計(jì)模型和計(jì)算機(jī)編程的方法對此進(jìn)行研究無疑是一次有益的嘗試，這也應(yīng)是今后的努力方向。未來應(yīng)繼續(xù)加大研究深度，擴(kuò)展研究范圍，不斷推進(jìn)易讀性研究發(fā)展。

注釋：

①RCO 系統(tǒng)用來進(jìn)行文本信息分析與檢索，適用于Oracle數(shù)據(jù)管理系統(tǒng)。