计算树：基于树库驱动的跨语言口语与书面语句法变异探索

本文提出了一种基于树库驱动的新方法，使用依存分析语料库比较口语和书面语中的句法结构。采用完全归纳的自底向上方法，我们将句法结构定义为去词汇化的依存（子）树，并从英语和斯洛文尼亚语这两种句法差异显著的语言的口语和书面语 Universal Dependencies (UD) 树库中提取它们。对于每个语料库，我们分析了句法清单的大小、多样性和分布，它们在不同模态间的重叠，以及最具口语特征的句法结构。结果表明，在这两种语言中，口语语料库包含的句法结构比书面语语料库更少且多样性更低，并且在各模态间存在一致的跨语言结构类型偏好。令人瞩目的是，口语和书面语句法清单之间的重叠非常有限：口语中证实的大多数结构并未出现在书面语中，这表明句法组织具有模态特定的偏好，反映了实时交互和精心写作的不同需求。对最频繁的口语特定结构的关键性分析进一步支持了这种对比，突出了与交互性、语境依托和表达经济性相关的模式。我们认为，这种可扩展的、独立于语言的框架为系统研究跨语料库的句法变异提供了一种有用的通用方法，为更全面的数据驱动的使用语法理论奠定了基础。