检索结果-南通市图书馆

检索条件"主题词=send类与格交替"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

英语send类与格交替的构式变体研究

英语Send类与格交替的构式变体研究

引用

作者：袁咏雪江南大学

学位级别：硕士

论元结构交替是指近义构式中相同论元的不同句法实现形式(Perek,2015,p.146),其包含很多子类。其中,英语中的与格交替是一种常见的构式交替现象,即英语介词与格构式与双宾构式的交替使用(Rappaport&Beth,2008,p.129;Perek,2015,p.146)... 详细信息

论元结构交替是指近义构式中相同论元的不同句法实现形式(Perek,2015,p.146),其包含很多子类。其中,英语中的与格交替是一种常见的构式交替现象,即英语介词与格构式与双宾构式的交替使用(Rappaport&Beth,2008,p.129;Perek,2015,p.146)。现有研究主要涉及与格交替产生机制、与格交替变体、与格动词以及与格交替使用特征等,但仍然存在局限性。首先,现有研究路径对于论元结构交替的成因及变体关系的解释存在片面性。同时,与格交替受与事和受事论元的信息结构等多方面特征的影响,如语义信息、语篇信息等(Perek,2015),但是大多数研究并未将与格动词的语义差别考虑在内,而语言使用者进行构式变体选择时,动词同样有至关重要的作用。Give类与格动词和send类与格动词存在语义上的不同,即give类与格动词只涉及一个事件图式(致使拥有),send类则有两个事件图式(致使移动以及致使拥有)(Rappaport&Beth,2008),而少有研究探究包含两类与格动词的与格交替是否存在差异。此外,语料库方法在探究与格交替使用特征方面得到了广泛应用,但单因素分析研究较多,系统研究多个因素的影响效应及交互作用的多因素分析较少。且已有研究多使用单一语料库概率模型,较少结合不同模型系统全面分析与格交替影响因素。有鉴于此,为了探究使用与格动词send的英语与格交替的总体特征,观察包含原型与格动词give及非原型与格动词send的与格交替影响因素是否相似,本研究将动词敏感性理论纳入理论框架,结合构式变体模型,将双宾语构式及介词与格构式视为与格交替的构式变体,形成研究理论分析框架,即动词敏感性构式变体模型。研究以使用send的与格交替为例,采取基于语料库的定量研究方法,在前人研究的基础上,建立三种语料库概率模型,为语料库数据提供恰当解释,探讨语料库模型对语言使用者选择不同变体的行为的预测能力,证明研究理论框架即动词敏感性构式变体模型的合理性。据此,本文提出了以下几个问题:(1)send类与格交替构式的总体特征是什么?与现有对于原型与格动词give的与格交替研究结论相比有何异同?(2)基于语料库数据的概率模型能否支持双宾构式及介词与格构式在选择上的偏好?如果能,有何具体体现?模型预测能力及准确度如何?(3)两个构式变体产生选择偏好的原因是什么?研究结果能否为研究理论框架即动词敏感性构式变体模型提供支撑证据?为了回答上述问题,本文以美国当代语料库(COCA)为语料来源,采取基于语料库的研究路径,首先在语料库中检索send及其屈折变换形式,人工提取符合与格构式特征的2001个实例,在Excel中对其进行标注。参照已有研究(Bresnan&Ford,2010;R?thlisberger et al.,2016;张懂,2020),标注内容主要包括与受事、与事以及语篇相关的12个变量。然后,将标记数据导入R软件,建立三种语料库概率模型,通过这些语料库概率模型观察数据集的数量结构,并对不同模型的结果进行对比分析,总结这些变量对于send类与格交替使用的影响效应。本研究发现:(1)对send类与格交替有显著影响的变量包括与事代词性、长度差异、与事有定性、受事代词性、受事有生性、受事有定性、与事有生性、与事可及性、受事可及性以及语体特征。其中,与事代词性是最显著的预测变量,而受事具体性并不具有显著影响。同时,这些变量之间存在交互作用,例如,代词性、语篇可及性以及有生性可相互作用,从而影响构式变体的选择。若将变量间的交互作用考虑在内,这些变量的相对重要性排序如下:与事代词性>与事可及性>受事代词性>与事有生性>长度差异>受事有定性>受事可及性>受事有生性>与事有定性>语体特征。为了进一步总结send类与格交替的特征,本文对give类和send类与格交替进行了比较。通过对比发现,两种与格交替存在以下异同点。相同点为:显著的变量几乎一致;当受事具有有定性时,两者都倾向于使用介词与格构式,且受事具体性都不具有显著性影响;同时,不同变量之间的交互作用均体现在两种与格交替的使用中。不同点体现为:最具显著影响力的预测因子不同,即:可及性和长度差异对give类与格交替的影响效应最为显著,而对于send类与格交替,代词性为最显著的影响变量;此外,这些变量的相对重要性排序也不相同。(2)本研究使用了三种统计模型。对于逻辑回归模型,一致性指数C值为1,准确度为89%;分类树和随机森林模型分别为1,88%和89%;朴素判别学习模型的C值为0.94,准确度为87%。因此,三者均有较好的数据拟合能力,但前两个模型的表现优于朴素判别学习模型。三种模型都有各自的方式来评估变量的重要性。其中分类树和随机森林模型可以通过可视化的方式,检测变量间的相互作用以及它们的相对重要性。同时

关键词： send类与格交替构式变体动词敏感性方法统计模型基于用法理论

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：