基于CiteSpace的國際詞匯語義學研究動態(tài)可視化分析

郭 燕，鄧 宇

(四川外國語大學 a.研究生院，b.語言與腦科學中心, 重慶 400031)

詞匯語義學旨在探析詞的意義，其發(fā)展路徑與語義學的發(fā)展軌跡密不可分，尤其是結(jié)構(gòu)主義語義學、生成語義學和認知語義學。結(jié)構(gòu)主義主要研究詞的內(nèi)部結(jié)構(gòu)，如直接成分分析法、詞義上下義、同義、反義、詞匯語義場理論等；生成語義學側(cè)重詞匯語義的形式化分析以及深層結(jié)構(gòu)與表層結(jié)構(gòu)之間的轉(zhuǎn)換；認知語義學則關(guān)注詞的概念化、范疇化、隱喻轉(zhuǎn)喻擴展、詞義的認知模型及框架網(wǎng)絡(luò)等[1-2]。詞匯語義學一直是當代語言學的重點學科和議題，并受到心理學、人工智能、計算機科學、神經(jīng)科學等交叉學科的青睞。因此，把握國際詞匯語義學的最新動態(tài)和趨勢，厘清其關(guān)注的核心議題和前沿，對于當代語言學及其相關(guān)的交叉學科來說十分必要。本文借助CiteSpace這一科學計量學方法，對近十年(2008—2018)國際詞匯語義學的研究現(xiàn)狀與趨勢進行了動態(tài)計量分析，通過繪制科學知識圖譜，來客觀呈現(xiàn)國際詞匯語義學的最新動態(tài)和熱點，以期為國內(nèi)詞匯語義學未來研究提供參考和建議。

一、研究設(shè)計

(一)研究目標

本研究旨在運用CiteSpace對國際詞匯語義學進行動態(tài)計量的可視化分析，擬呈現(xiàn)詞匯語義學的地域研究和學科交叉情況，分析該領(lǐng)域高被引作者和文獻，并通過被引文獻的聚類分析探尋其演進發(fā)展過程。最后通過共詞分析，從歷時的角度管窺國際詞匯語義學的發(fā)展趨勢，以探尋其研究熱點和前沿。

(二)研究工具

本文借助由陳超美團隊開發(fā)的CiteSpace 軟件對國際詞匯語義學研究動態(tài)進行圖譜分析。CiteSpace是基于Java語言開發(fā)的一款在科學計量學、數(shù)據(jù)和信息可視化背景下發(fā)展起來的信息可視化軟件[3]。該軟件基于共引分析理論和尋徑網(wǎng)絡(luò)算法等，對特定學科范疇的文獻進行計量統(tǒng)計和分析，以探尋出特定學科的演變路徑和拐點，具備多元、分時和動態(tài)的特征。該軟件可得出作者、機構(gòu)的合作網(wǎng)絡(luò)圖譜，主題、關(guān)鍵詞的共現(xiàn)圖譜，文獻、作者、期刊的共被引圖譜等[4]。其繪制的可視化圖譜足以充分地顯示某個學科范圍演變的潛在動力機制和探測學科發(fā)展的前沿[5]。本研究采用的是CiteSpace5.3版本。

(三)數(shù)據(jù)來源

本文研究數(shù)據(jù)下載于Web of Science數(shù)據(jù)庫。首先，分別以“l(fā)exical semantics”“sense relation”“l(fā)exical relation”“synonymy”“antonymy”“polysemy” 和“cognitive lexical semantics”為檢索詞在Web of Science-SSCI核心合集中進行主題檢索(檢索到19 670 個結(jié)果)，再設(shè)定刊物類別為“l(fā)inguistics”和“l(fā)anguage linguistics”，時間跨度為“2008年至2018年”，剔除重復項，最終本文共確定了1106項有效文獻來進行深度分析。

(四)數(shù)據(jù)處理過程

將這1106 篇文獻的基本信息導入Cite Space5.3，具體操作如下:時間跨度選擇為2008—2018年，1年為切割分區(qū)，切成10個分段處理；術(shù)語來源(term source)同時勾選標題(title)、摘要(abstract)、作者關(guān)鍵詞(author keywords)和關(guān)鍵詞(keywords plus)；節(jié)點類型(node types)分別勾選合作網(wǎng)絡(luò)分析中的國家(country)，共現(xiàn)網(wǎng)絡(luò)分析中的關(guān)鍵詞，共被引網(wǎng)絡(luò)分析的被引文獻以及被引作者；閾值閥門選擇TOP50；在網(wǎng)絡(luò)裁剪功能區(qū)(pruning)參數(shù)勾選“尋徑網(wǎng)絡(luò)算法(pathfinder network)”和“對合并后的網(wǎng)絡(luò)進行剪裁(pruning the merged network)的剪裁方法”。將CiteSpace 5.3分析出來的數(shù)據(jù)結(jié)果，主要呈現(xiàn)ClusterView，TimezoneView兩種可視化分析模式，得到各個知識圖譜，再制成可供科學分析的直觀圖表。經(jīng)過同類歸并，并結(jié)合有關(guān)文獻進行具體分析。

二、詞匯語義學發(fā)文情況與學科分布

(一)發(fā)文國家、地區(qū)分析

本文基于CiteSpace提取出國際詞匯語義學2008—2018年發(fā)文量前10的國家，繪制為表1(如下)。由表1來看，發(fā)文量排名前10的國家的文獻總和為757篇，占全數(shù)總文獻量的68.44%。其中北美國家2個、歐洲國家7個、亞洲國家1個。美國在詞匯語義學研究領(lǐng)域最活躍，數(shù)量為215篇，約占總數(shù)的19.44%，可見美國是國際詞匯語義學研究的學科中心。位列第二的英國發(fā)文111篇，占總數(shù)的10.04%。中國總文獻量排名第6位，占總發(fā)刊文獻量的5.24%。總體來看，母語為英語的國家在詞匯語義學研究領(lǐng)域的發(fā)文量占有優(yōu)勢。

表1 各國/地區(qū)(TOP10)發(fā)文數(shù)量及其中心性(2008—2018)

從中心性強弱程度來看，英國的中心性最高，說明盡管在2008—2018年該國的研究成果僅有美國的一半，但這些成果大部分是具有重要意義的關(guān)鍵節(jié)點文獻。值得一提的是，中國的發(fā)文中心性位居前列，這表明中國學者在詞匯語義學領(lǐng)域的研究成果亦有較大的國際影響力。

(二)學科共現(xiàn)分析

圖1 詞匯語義學學科共現(xiàn)圖譜

Category提供學科共現(xiàn)分析功能，用于交叉學科的分析，通過構(gòu)建學科的關(guān)系網(wǎng)絡(luò)，以展現(xiàn)各個學科之間的內(nèi)在聯(lián)系。通過可視化分析，在 CiteSpace生成的學科共現(xiàn)知識圖譜中，共展現(xiàn)出23門學科以及61條學科之間的連線(N=23，E=61)，學科間的網(wǎng)絡(luò)密集度為0.2411(Density=0.2411)。網(wǎng)絡(luò)密度表明節(jié)點間合作的緊密程度。固定空間內(nèi)的節(jié)點之間的連線越多，網(wǎng)絡(luò)密集度便越大[6]?？傮w上來講，學科合作網(wǎng)絡(luò)密集度反映了國際詞匯語義學研究的跨學科性較強，學科間的合作較多，關(guān)系較為密切(見圖1)。圖中最大節(jié)點的是Linguistics，其次是Language，這兩個學科研究內(nèi)容與詞匯語義學的研究內(nèi)容相近，故而詞匯語義學學科的相關(guān)研究大多與此兩個學科相關(guān)聯(lián)。同時，與詞匯語義學結(jié)合緊密的學科還有心理學，計算機科學，聽力-言語病理學、教育學、人工智能等?？梢娫~匯的研究廣涉認知、計算機、教育學、病理學、人工智能化等諸多前沿領(lǐng)域，是一門應(yīng)用十分廣泛的交叉學科。

(三)詞匯語義學熱點與前沿

1.高被引作者分析

美國德雷克賽大學懷特博士表示,作者共引頻次越高則作者學術(shù)相關(guān)性越強[7]。在CiteSpace生成的作者共被引科學知識圖譜中，共顯示出 308個作者和728條作者之間的連線(見圖2)。圖中，節(jié)點越大，表示該作者在國際詞匯語義學領(lǐng)域越有突出貢獻。從圖中可以看出, 語義學家Lyons，生成語言學家Chomsky、Pustejovsky，系統(tǒng)功能語言學奠基人Halliday，認知語言學家Lakoff、Langacker、Talmy、Croft 、Cruse、Fellbaum等學者從不同語言學視角對詞匯的結(jié)構(gòu)、網(wǎng)絡(luò)、功能、認知等層面做了廣泛研究，這些知名學者的引領(lǐng)性研究把詞匯語義學帶入了諸多語言流派，使得詞匯的研究成為語言學的風向標。

圖2 近十年詞匯語義學高被引作者

2.高被引文獻分析

(1)詞匯語義學高影響力文獻

一個研究領(lǐng)域(Specialty)可以被概念化成一個從研究前沿(Research Front)到知識基礎(chǔ)的時變對偶(Time- variant duality)或是時間映射，該研究領(lǐng)域的知識基礎(chǔ)即由原始數(shù)據(jù)中的被引文獻構(gòu)成?；?106項文獻，我們繪制了詞匯語義學研究的文獻共被引知識圖譜，見圖3。如圖 3所示，彩色的節(jié)點和節(jié)點間連線構(gòu)成較為宏觀的知識圖譜。節(jié)點代表文獻，其大小代表該文獻被引用的總頻次——節(jié)點越大，表明其被引頻次越高；節(jié)點由代表不同時間分區(qū)的年輪呈現(xiàn)，不同顏色表示不同的時間。若節(jié)點間連線越粗，說明共被引強度越大，文獻之間的關(guān)系越密切[5]。根據(jù)引文數(shù)據(jù)的總被引頻次來看，詞匯語義學的認知轉(zhuǎn)向頗為顯著。

圖3 國際詞匯語義學研究的文獻共被引知識圖譜

比如，位于圖譜正中間，最顯著的節(jié)點——“Croft, W. & Cruse, D. A.(2004).Cognitivelinguistics”是近十年詞匯語義學認知研究中影響力最大的文獻,總計被引23次。該著作從原型范疇理論、ICM、隱喻、轉(zhuǎn)喻等多個認知視角探究了詞匯語義的認知關(guān)系，如多義、同義、上下義、反義和互補等[8]。Croft尤其注重基于用法的研究視角，這對于詞匯語義學的實證研究范式具有推動作用。

又如第二大影響力的文獻，位于第一大節(jié)點右下方——“Goldberg, A.(2006).Constructionsatwork:Thenatureofgeneralizationinlanguage”，總計被引15次。構(gòu)式語法強調(diào)形式與功能的互動，詞匯意義與構(gòu)式意義的連續(xù)統(tǒng)關(guān)系在詞匯使用和習得之中愈發(fā)重要[9]。按照激進構(gòu)式觀，詞匯亦可視作構(gòu)式，可見詞匯的構(gòu)式研究極大拓展了詞匯語義學的研究對象以及研究視角。

詞匯語義學研究第三大影響力的文獻位于前兩大節(jié)點中間——“Baayen(2008),AnalyzingLinguisticDataAPracticalIntroductiontoStatisticsUsingR”，總計被引 14 次。該書以詞匯研究為例，重點討論了詞匯語義學研究可能創(chuàng)新的實證方法，如聚類、回歸建模策略、混合效應(yīng)模型，以及用嵌套和數(shù)據(jù)集分析所需的模型交叉重復法[10]。該書折射出詞匯研究的定量趨勢，尤其是詞匯研究大數(shù)據(jù)視角是未來的前沿。

(2)詞匯語義學研究中的轉(zhuǎn)折點文獻

每個學科研究領(lǐng)域在一定時間范圍內(nèi)還會出現(xiàn)轉(zhuǎn)折點文獻，可通過計算文獻的中介中心性(Betweenness Centrality)來辨識。在CiteSpace中，中介中心性是節(jié)點在關(guān)系網(wǎng)絡(luò)圖譜中度量連接作用大小的一個重要的指標，常用此指標來衡量某文獻的重要性，中心性超過0.1的稱為關(guān)鍵節(jié)點[4]。表2匯總了近十年國際詞匯語義學研究中介中心性前五的文獻。

表2 高中介性的文獻(2008—2018)

首先，中介性最高的也是上述高被引第三的文獻。Baayen利用R語言技術(shù)為研究詞匯意義提供了更為科學的方法論，也是詞匯語義學定量轉(zhuǎn)向的標志。Gries和Stefanowitsch探索詞匯與更大語言單位句法和構(gòu)式的互動，Gries ST 以語料庫為基礎(chǔ)，量化分析句法和詞匯的關(guān)系[11]；Stefanowitsch則重點通過新的構(gòu)式搭配的分析方法來揭示詞匯意義和構(gòu)式意義的互動關(guān)系[12]。Klepousniotou和Tyler 均轉(zhuǎn)向詞匯語義學多義詞領(lǐng)域的研究[13-14]。Klepousniotou用腦電圖來研究英語中同名詞和多義詞的隱喻和轉(zhuǎn)喻現(xiàn)象，這是詞匯語義學研究與腦神經(jīng)科學、心理學相結(jié)合的一大科學研究趨勢；且根據(jù)學科共現(xiàn)分析，筆者認為這一趨勢會在未來幾十年內(nèi)成為潛在的新型研究熱點。

(3)詞匯語義學的前沿課題

CiteSpace可根據(jù)文獻間的共被引關(guān)系通過自動抽取施引文獻的關(guān)鍵詞或名詞短語顯示聚類(Cluster)標識，用于歸結(jié)研究熱點，每個聚類可以被認定為一個關(guān)系較為密切的獨立研究領(lǐng)域[15]。將圖3進行自動聚類運算生成科學知識聚類，然后通過LLR算法，從引用聚類的相關(guān)施引文獻中提取關(guān)鍵詞，以此表征相對應(yīng)的知識背景和研究前沿[4]。一般來說，聚類值Modularity Q值>0.3表示劃分出來的社團結(jié)構(gòu)是顯著的；聚類內(nèi)部相似度指標Silouette S值>0.7表示聚類是高效率令人信服的，可以說明“聚類內(nèi)節(jié)點的主題聯(lián)系比較強，結(jié)果有參考價值”[15]。通過對聚類的分析，我們可以從歷時的角度對詞匯語義學研究進行梳理，把握該學科的歷史與現(xiàn)狀。

圖4 詞匯語義學文獻共被引聚類知識圖譜

通過CiteSpace軟件，總共生成131個聚類結(jié)果，本文著重提取Q值>0.3，S值>0.7的13個聚類如圖(見表3)。詞匯語義學這一研究領(lǐng)域顯著的13個聚類分別為“Conceptual metaphor(#0)”、“Polysemy(#1)”、“Semantic analysis(#2)”、“Antonymy(#3)”、“Near-synonymy(#4)”、“Subsumption(#5)”、“Pluricentric languages(#6)”、“Computational linguistics(#7)”和“Vocabulary(#8)”、“Speech event feature(#9)”、“Discourse makers(#10)”、“Semantic ambiguity(#12)”、“Concept similarity(#22)”這13個聚類在一定程度上代表了詞匯語義學的研究熱點和前沿。其中，最大的三個聚類是“Conceptual metaphor”、“Polysemy”和“Semantic analysis”，節(jié)點數(shù)分別為39，36和35，聚類“Semantic ambiguity”代表了國際詞匯語義學的最新研究主題(平均發(fā)表時間為2011年)。

表3 文獻共被引聚類信息(2008—2018)

3.關(guān)鍵詞共現(xiàn)分析

一個領(lǐng)域的研究熱點和前沿動態(tài)可以通過研究關(guān)鍵詞在其領(lǐng)域出現(xiàn)的頻率來確定。關(guān)鍵詞濃縮和提煉了論文的核心觀點和研究主題，根據(jù)關(guān)鍵詞頻次數(shù)目可以分析出研究中的熱點。關(guān)鍵詞的頻次越高，代表其研究熱度越強[4]。同時，研究領(lǐng)域的研究熱點也可由中心度來判斷。作為節(jié)點在網(wǎng)絡(luò)圖譜中連接作用大小的度量，中心性(Centrality)大的節(jié)點文獻往往被視為該領(lǐng)域知識發(fā)展過程中的關(guān)鍵文獻。關(guān)鍵節(jié)點在整個網(wǎng)絡(luò)中起戰(zhàn)略性作用，展現(xiàn)了關(guān)鍵詞之間的內(nèi)部關(guān)聯(lián)。節(jié)點的中心度越高，連接和傳達信息的關(guān)鍵詞越多，說明其在整個網(wǎng)絡(luò)中的“媒介”作用能力也就越強[4]。表4是由CiteSpace軟件統(tǒng)計得出的2008-2018年間國際詞匯語義學的高頻關(guān)鍵詞和高中心度的關(guān)鍵詞，而圖5則是由CiteSpace軟件所生成的高頻關(guān)鍵詞的聚類圖。表 4列舉了2008-2018年共現(xiàn)頻次前15的關(guān)鍵詞。從表 4 中可以看到，“polysemy”是出現(xiàn)頻率最高的關(guān)鍵詞，出現(xiàn)頻次為119次；其次是“l(fā)anguage”，出現(xiàn)頻次為99次；而后是“English”“semantics”和“discourse”等。這五大高頻關(guān)鍵詞在一定程度上顯示了研究者的研究傾向性及其所關(guān)注的核心話題。

圖5 高頻關(guān)鍵詞共現(xiàn)圖

我們抽取Centrality>=0.1的結(jié)果15條。如表 4 顯示，中心度排在前三位的關(guān)鍵詞依次是“vocabulary”、“l(fā)anguage”、“word”，這是由于詞匯語義學緊緊地與詞義聯(lián)系；隨后依次為“working memory”“children”“sentence comprehension(comprehension)”“polysemy”與語篇相關(guān)的關(guān)鍵詞，它們在國際詞匯語義學研究的知識網(wǎng)絡(luò)中也具有重要的中介作用。但是，并非所有的高頻次、高中心度的關(guān)鍵詞都有明確的傾向性和指向性，如“vocabulary”“l(fā)anguage”“word”“semantics”等所指籠統(tǒng)寬泛，難以說明其研究的趨勢，在統(tǒng)計時需剔除此類詞匯。如此可見，“working memory”“comprehension”“children”“polysemy”“acquisition”等關(guān)鍵詞為國際詞匯語義學研究的熱點和關(guān)注聚焦中心。

表4 高頻關(guān)鍵詞(TOP15)及其中心度(2008—2018)

(四)研究熱點的演化路徑

為揭示國際詞匯語義學研究主題的變化趨勢，本研究通過Citespace 的 “Timezone View”關(guān)鍵詞時區(qū)劃分功能，以1年作為一個時區(qū)，分別對2008-2012年和2013-2018年兩個時間段的研究主題演進進行了分析，篩選出最為顯著的關(guān)鍵詞，結(jié)果見圖6和圖7。在CiteSpace的關(guān)鍵詞時區(qū)圖中，每個十字標記都代表一個關(guān)鍵詞，且關(guān)鍵詞一旦出現(xiàn)，便固定在其首次出現(xiàn)的年份，相同時區(qū)中集結(jié)了相同時間范圍內(nèi)出現(xiàn)的關(guān)鍵主題詞，而十字標記的大小則對應(yīng)該詞從首現(xiàn)年份開始以后共出現(xiàn)的頻次多少；各時間段之間的連線代表各時間段之間的順承關(guān)系，連線的多少對應(yīng)關(guān)鍵詞間順承關(guān)系的強弱[16]。從圖6可看出，2008年最早的研究視野主要集中在“polysemy”“English”“l(fā)anguage”“semantics”和“discourse”等議題；逐步出現(xiàn)“corpus linguistics”“children”“acquisition”等主題，表明詞匯語義學在2008—2012年間與語料庫結(jié)合和研究兒童語言習得相結(jié)合。而后又出現(xiàn)了“l(fā)earner”“syntax”以及“wordnet”等將語義與句法和學習者相結(jié)合的主題。圖7顯示，2013—2018年“polysemy”“English”“l(fā)anguage”“semantics”和“discourse”仍然是研究的熱點所在。后來相繼出現(xiàn)了“working memory”“grammar”等認知記憶和語法的研究主題。而后又出現(xiàn)了與“metaphor”“l(fā)exical semantics”“cooccurrence”“construction”“proficiency”和“recognition”等詞匯隱喻認知的相關(guān)主題，尤其是2006年首現(xiàn)的詞匯和構(gòu)式的互動關(guān)系為目前詞匯認知研究的研究熱點。此外值得注意的是，在2017年出現(xiàn)新興的關(guān)鍵詞“autism spectrum disorder”和“alzheimers disease”等與病理學有關(guān)的關(guān)鍵詞，正好照應(yīng)了上文詞匯語義學和病理語言學的學科交叉性。綜合來看，2008—2018年間，與“polysemy”“semantics”“metaphor”和“discourse”等相關(guān)熱點主題的研究較為豐碩，后繼學者在認知詞匯語義學上的探索可以借鑒此類主題的研究，并加以深入發(fā)掘，或是拓展此領(lǐng)域相對興起的與“construction”“proficiency”“disease”和“l(fā)anguage disorder”等相關(guān)的研究主題。

圖6 2008—2012年關(guān)鍵詞演化

圖7 2013—2018年關(guān)鍵詞演化

本文通過CiteSpace可視化工具揭示了近十年國際詞匯語義學研究的熱點和前沿。研究發(fā)現(xiàn)本學科的主流地域為美國、英國等歐美國家，這些國家主導著國際詞匯語義學研究的話語權(quán)，中國在詞匯語義學研究的國際影響力也在逐漸提升。同時，詞匯語義學領(lǐng)域也涌現(xiàn)出了一批高影響力作者，引領(lǐng)著詞匯語義學的發(fā)展前沿。詞匯語義學領(lǐng)域近十年普遍關(guān)注的熱點主題是 “polysemy”“discourse”“metaphor”“semantic analysis”“computational linguistics”等，這些高頻關(guān)鍵詞在某種程度上代表了在 2008 年到2018 年間國際范圍內(nèi)詞匯語義學界普遍關(guān)注的熱點領(lǐng)域；且詞匯語義學和心理學、計算機科學、病理語言學以及神經(jīng)科學結(jié)合是研究趨勢和前沿?？傮w而言，詞匯語義學研究的認知轉(zhuǎn)向和定量轉(zhuǎn)向頗為顯著，代表著詞匯語義學未來的總體研究方向。