譯者序　謝舒凱



第一章　譯者導論　謝舒凱

一、詞彙語意理論文獻

二、理論概述

三、理論評述

四、漢語例證

五、語意生成機制之中文例證

六、漢字意符與中文複合詞之經驗知識結構

七、未來展望

八、參考文獻

九、延伸閱讀

?

第二章　作者導論

?

第三章　詞彙知識之本質

一、語意類別與範疇交替

二、詞彙的相互關係

?

第四章　一詞多義的邏輯問題

一、詞意延伸的種類

二、對比歧義

三、互補性多義

四、一個基本的詞彙語意學理論

?

第五章　詞意列舉式詞庫的限制

一、詞彙語意學理論的目標

二、字詞的新用法

三、字詞意義的滲透性

四、句法形式中的差異

五、語意表達性

六、生成詞彙模式

七、強態與弱態組合

?

第六章　語意類型系統

一、表徵層次

二、論元結構

三、延伸的事件結構

四、物性結構

五、語意層次之互動

?

第七章　物性結構

一、解釋模式

二、名詞的物性結構

?

第八章　語意學中的生成機制

一、誘迫與類型轉移

二、共同組合

三、選擇約束

四、語意選擇

?

第九章　名詞的語意學

一、基本議題

二、聯併類型的名詞

三、帶複雜類型的名詞

四、命題與事件描述

五、名物化的不同種類變化

六、詞彙化與詞彙概念範式

?

第十章　致使結構的詞彙語意學

一、語言如何實現致使性

二、致使性與非賓格性

三、體貌使役與誘迫機制

四、感事述語

五、情態使役

六、結論

?

第十一章　生成詞庫的啟示

一、共同組合與動詞語意學

二、瞬時層次述詞

三、誘迫的進一步應用

四、語言知識與常識

五、詞彙推論與修辭

六、總摘要

?

附錄一：參考文獻

附錄二：引用作者索引

附錄三：中文關鍵詞索引

?

譯者序



　　AI 的發展已然成為一股驅動當今社會與知識發展的重要力量。智慧運算與應用不僅席捲學界，同時也引發了產業結構的基本革命。在邁向強 AI 的路途中，語意運算與理解可以說是最為核心的難題之一。不斷發展的深度學習神經網路模型在自然語言處理的一些領域已經開始取得了前所未有的重大突破。目前在深度學習導向的自然語言處理技術下扮演關鍵角色的分佈向量語意表徵，在一些可以轉換為向量計算推導的任務上也已經有了令人驚艷的表現。在大數據與高效計算的加持下，利用神經網路的架構實作出能夠因應不同語境而動態更新的適應性語言處理模式也指日可待。然而，目前 AI 語意模式對於在言談或文脈中的詞彙語意推論 (Lexical Inference) 與組合 (Composition) 的運作機制，卻難以提供清楚與透明的解釋，在科學立論與應用倫理上難以令人滿足與安心。生成詞庫理論在此脈絡下可以提供一個絕佳的詞彙語意理論參考架構。一方面它嘗試要形式地解釋與表徵詞彙語意內容，試圖把詞彙語意、句法、語用與世界知識連結起來，二方面它的形式架構也容許認知與計算上的模擬實作。



　　不同於大部分的語意學家，本書作者相當重視理論建模與經驗檢證的互動關係，近年來積極地在計算語言學領域投入生成詞庫理論與其他語意資源的整合建構。譯者曾在 2011年邀請 Pustejovsky 教授來臺大演講他的最新的理論進程。之後這幾年來他仍然積極的在計算語意語用理論上有不間斷的突破發展，包括方興未艾的語言中的事件與時間結構標記與標準化、計算語用學中的事實性 (Factuality) 標記與自動判斷、因脈絡而異的情緒與語意理解機制、甚至到人機之間的多模態互動 (Multimodal Interaction) 與評測架構等等，都反應了一位卓越的跨領域科學研究工作的典範。展望未來，對於自然語言中活潑呈現的種種語意現象，我們所需要的不只是在語言工程上取得成就，而是一個兼具解釋力與應用性的科學理論架構。這本經典譯作雖然涉及了許多複雜難解的語意研究術語與背景知識，譯者的翻譯功力也不夠成熟，但是仍然希望帶給有興趣自然語言理解的讀者一窺世界一流的計算與語意理論的面貌。最後譯者要感 謝家人的支持，與協助本書校正工作的朋友們。這本書從開始到最後一版斷斷續續地歷經了十年，期間獲得許多人的協助與校正，包括科技部的審查委員、聯經出版公司李芃編輯與她邀請的許展嘉、陳怡靜、王建邦、高宏達，以及我的學生張瑜芸、施孟賢、江?玉等等，表達我十二萬分的謝意。在 2019年出版前因為排版細節找不到時間處理時而束手無策時，我的博班學生 ChristianSchmidt 熱心的出面一手包辦，他的鼓勵與完全的投入激勵了我，也是這本書可以完成的最後推手，但本書中所有的可能的錯誤譯者要負唯一的責任。

?