@屈折 vs. 派生：在分布式向量空间中的区分 (Inflection vs. Derivation in a Distributional Vector Space)

核心观点

核心问题: 形态学中的一个经典论断——“屈折比派生在语义上更规则”(inflection is "semantically more regular" than derivation)——是否能得到大规模经验数据的支持？
本文的重新阐释: 将“规则性”操作化为**“对比的稳定性” (Stability of Contrast)。假设屈折关系带来的语义和句法对比，比派生关系带来的对比更加稳定一致。
方法: 使用分布式语义模型 (DSM)，将词对之间的“对比”建模为“偏移向量” (Offset Vectors)。通过比较不同关系下偏移向量的方差**，来量化“对比的稳定性”。
结论: 基于法语数据的实证研究有力地证实了该假设。屈折关系的偏移向量确实比派生关系更稳定（即方差更小），为屈折和派生的系统性差异提供了强有力的定量证据。

1. 介绍 (Introduction)

研究背景: 屈折与派生的关系
- 形态学领域的长期辩论：两者是本质相同（连续统），还是截然不同（离散划分）？
- 普遍问题: 讨论多集中于概念论证，缺乏大规模的、可操作化的经验证据。
本文聚焦的区分标准: 语义规则性 (Semantic Regularity)
- 传统直觉:
  - 屈折 (Inflection): 句法语义效果稳定。
    - books 之于 book ≈ cats 之于 cat (复数关系稳定)
  - 派生 (Derivation): 效果不稳定，更容易特化 (lexicalization)。
    - delegation 之于 delegate ≠ election 之于 elect (施事名词的意义漂移)
- 本文的术语: 对比的稳定性 (Stability of Contrast)
  - 核心假设: 同一种屈折关系连接的词对，其对比比同一种派生关系连接的词对更相似。
  - 目标: 提出一个可操作化的定义，并进行大规模检验。

2. 概念动机 (Conceptual Motivation)

屈折与派生的经验区分标准 (Stump, 1998):
- (a) 词义/词性改变 → 派生
- (b) 句法决定 → 屈折
- (c) 能产性 (Productivity) → 屈折 > 派生
- (d) 语义规则性 (Semantic Regularity) → 屈折 > 派生
- (e) 封闭性 (Closure) → 屈折形式不能再派生
传统标准的问题:
- 多为倾向性，而非绝对标准。
- 难以操作化（如“词汇意义”的界定）。
- 无法提供清晰的界线。
聚焦于“对比的稳定性”:
- 重新定义 (2):
  
  通过相同屈折关系关联的词对，其形态句法和语义对比，比通过相同派生关系关联的词对的对比，彼此之间更相似。
- 关键澄清:
  - 对比单位: 形态关系 (morphological relation)，而非形态范畴。比较的是 单数-复数 关系与 动词-施事名词 关系。
  - 对比内容: 囊括了词对之间的所有句法语义差异，而非仅语义。
  - 对比焦点: 不是词对的相似度，而是差异的稳定性。我们不声称屈折词对更相似，而是声称它们的差异方式更一致。

3. 方法 (Method)

理论基础: 分布式假设 (Distributional Hypothesis)
- "You shall know a word by the company it keeps." (J.R. Firth)
- 词的（句法、语义）属性反映在其上下文分布中。
向量空间模型 (Vector Space Models):
- 词向量: 词的分布信息被编码为一个高维向量。
- 关系建模: 偏移向量 (Offset Vector)
  - 词对 $(w_{1}, w_{2})$ 之间的关系/对比，可以由它们的向量差来表示： $v_{o f f s e t} = v_{w_{2}} - v_{w_{1}}$ 。
  - 类比: king - man + woman ≈ queen
“对比稳定性”的操作化定义:
- 思路: 如果一种形态关系（如复数）是稳定的，那么所有表达该关系的偏移向量（如 $v_{b o o k s} - v_{b o o k}$ , $v_{c a t s} - v_{c a t}$ , ...）应该彼此非常相似。
- 量化指标: 偏移向量集合的方差 (Variance of the offset vectors)。
  - 计算同一关系下，每个具体词对的偏移向量，与其平均偏移向量之间的欧氏距离。
  - 方差越小，关系越稳定。
实证设置:
- 语言: 法语
- 语料库: FRWAC (大型网络语料库)
- 模型: word2vec CBOW 模型 (400维向量)
- 核心比较单元: 词形 (word forms)，而非词位 (lexemes)。

4. 实证结果 (Empirical Results)

实验设计: 受控的成对比较
- 构建三元组 (Triples): (pivot, inflectional_comparandum, derivational_comparandum)
  - 例子: (chanter, chantait, chanteur)
    - chanter (唱，动词不定式) - 中心词 (pivot)
    - chantait (他/她过去常唱) - 屈折对比词
    - chanteur (歌手) - 派生对比词
- 计算偏移向量:
  - 屈折偏移: $v_{c h a n t a i t} - v_{c h a n t e r}$
  - 派生偏移: $v_{c h a n t e u r} - v_{c h a n t e r}$
- 控制变量: 严格控制inflectional_comparandum和derivational_comparandum的词频，确保向量质量可比。
- 统计检验: 对每个屈折-派生关系对，收集100个这样的三元组，形成两组偏移向量，然后使用配对 t 检验比较两组向量到各自均值向量的距离（即方差）。
数据筛选:
- 从大规模法语词库 (Démonette, GLÀFF) 中提取词族。
- 最终筛选出 174 个满足严格频率匹配条件的屈折-派生关系对。
核心发现:
- 在 所有 174 个 被检验的系统中，派生关系的偏移向量方差都高于屈折关系。
- 这种差异在其中 172 个系统中达到了高度统计显著 ( $p < 0.001$ )。
- 效应量中等 (平均 Cohen's d ≈ 0.58)。
- 结论: 实验结果强有力地证实，屈折对比比派生对比更稳定。

5. 讨论 (Discussion)

对理论的贡献:
- 为屈折和派生之间存在系统性差异的理论观点，提供了坚实的定量证据。
连续统 vs. 离散划分:
- 虽然结果支持两者有差异，但这不必然意味着两者是绝对离散的。
- 通过绘制所有屈折和派生关系的偏移向量方差分布图 (Figure 3)，可以发现：
  - 两个分布有明显不同的中心点（屈折更稳定）。
  - 但两个分布有重叠，且整体上可能形成一个连续的稳定性尺度，不存在一个清晰的“分割点”。
未来研究方向:
- 形态特征排序: 是否能根据语义可预测性（即稳定性）对所有形态关系（屈折和派生）进行排序？
- 跨语言比较: 一种在某语言中是屈折的关系（如时态），在另一语言中可能是派生，这种语法地位的差异是否会反映在对比稳定性上？
- 模糊地带: 那些在屈折-派生划分上存在争议的现象（如分词、动名词），它们在稳定性尺度上会处于什么位置？