●縮略語
章 篇章連貫研究概論
1.1 研究對像
1.2 研究背景
1.2.1 篇章連貫的理論研究
1.2.2 篇章剖析技術的發展
1.2.3 標注篇章語料庫的開發
1.2.4 中文信息處理的相關研究
1.3 研究問題
1.4 研究方法及主要成果
1.5 本書結構
第二章 研究方法
2.1 語料庫設計
2.2 語料標注
2.2.1 標注理據
2.2.2 標注原則
2.2.3 標注格式
2.2.4 標注手段
2.2.5 標注質量的控制和檢驗
2.3 統計分析和機器學習
2.3.1 描述性統計
2.3.2 推斷性統計
2.3.3 機器學習
2.4 小結
第三章 構建漢語篇章修辭結構樹庫
3.1 修辭結構理論
3.1.1 內容簡介
3.1.2 應用情況
3.1.3 主要爭議
3.1.4 與漢語傳統理論的比較
3.2 構建漢語篇章語料庫
3.2.1 語料選擇
3.2.2 語料預處理
3.3 漢語篇章切分
3.3.1 篇章的定義
3.3.2 切分的方法
3.3.3 自動切分的形式標記
3.3.4 自動切分的處理結果
3.4 漢語篇章修辭關繫集的設定
3.4.1 基於特征的定義方法
3.4.2 漢語修辭關繫集的簡化分類
3.4.3 一些說明
3.5 修辭關繫標注及篇章修辭結構樹的構造
3.5.1 分號句層級及以上的修辭結構標注
3.5.2 逗號子句層級的修辭結構標注
3.6 工具和流程
3.7 質量控制和檢驗
3.8 小結
第四章 標注篇章銜接標記特征
4.1 標注對像
4.2 理論框架
4.2.1 連接詞
4.2.2 指代詞
4.2.3 語氣詞
4.2.4 標點符號
4.3 自動標注
4.4 人工標注
4.4.1 標注內容(通用部分)
4.4.2 軟件工具
4.4.3 標注流程和質量控制
4.5 統計分析和參數選擇
4.6 小結
第五章 數據分析
5.1 財經評論語料庫篇章結構特點
5.1.1 修辭結構樹特征
5.1.2 分號句層級上的RR概率分布
5.1.3 小結
5.2 但、但是
5.2.1 前人成果
5.2.2 標注方案
5.2.3 數據結果
5.2.4 討論
5.2.5 小結
5.3 這、那
5.3.1 前人成果
5.3.2 標注方案
5.3.3 數據結果
5.3.4 討論
5.3.5 小結
5.4 嗎、？
5.4.1 前人成果
5.4.2 標注方案
5.4.3 數據結果
5.4.4 討論
5.4.5 小結
第六章 應用測試——以“因為”為例
6.1 研究背景
6.2 任務分析
6.3 學習工具
6.4 數據處理、結果及討論
6.5 小結
第七章 討論
7.1 修辭結構樹的理論和工程價值
7.1.1 修辭結構樹和修辭關繫的性質
7.1.2 修辭結構的層級同質性
7.1.3 修辭結構樹與依存句法樹
7.2 對RR與DCM的理解
7.2.1 RR的多義性和模糊性
7.2.2 DCM的變異和多義性
7.2.3 RR與DcM問的多對多映射
7.2.4 多義性、多因分析與多任務學習
7.3 對語料庫人工標注的理解
7.3.1 人T標注的準確性和挑戰
7.3.2 一致性指標的解讀
7.3.3 可能的解決方案
7.4 數據挖掘技術在語言工程和理論研究的應用
第八章 結語
第九章 附錄
9.1 中文RR關繫集(按中文名稱排序)
9.2 中文RR定義及示例(按英文名稱排序)
9.2.1 addition-n(附力口-n)
9.2.2 addition-s(附力n-s)
9.2.3 antithesis-s(轉折-s)
9.2.4 attribution-m(引述-m)
9.2.5 attribution-S(弓I述-S)
9.2.6 background-S(背景-S)
9.2.7 circumstance-S(環境-S)
9.2.8 concession-n(讓步-n)
9.2.9 concession-S(讓步-S)
9.2.10 condition-S(條件-S)
9.2.11 conjunction-m(並列-m)
9.2.12 contrast-m(對立-m)
9.2.13 disjunction-m(析取-n1)
9.2.14 elaboration-S(詳述-S)
9.2.15 enablement-S(使能-S)
9.2.16 evaluation-m(評價-m)
9.2.17 evaluation-n(評價-n)
9.2.18 evaluation-S(評價-S)
9.2.19 evidence-S(證據-S)
9.2.20 interpretation-n(解釋-n)
9.2.21 interpretation-S(解釋-S)
9.2.22 joint-Ill(聯接-111)
9.2.23 justify-n(論證-n)
9.2.24 justify-S(論證-S)
9.2.25 list-m(羅列-U1)
9.2.26 means-S(方式-S)
9.2.27 motivation-S(動機-S)
9.2.28 nonvolitional-cause-S(非意願性原因-S，NVC)
9.2.29 nonvolitional-cause-result-m(非意願性岡果-m，NCR)
9.2.30 nonvolitional-result-S(非意願性結果-S，NVR)
9.2.31 otherwise-S(否則-S)
9.2.32 preparation-S(準備-S)
9.2.33 purpose-S(目的-S)
9.2.34 question-m(問答-m)
9.2.35 question-S(問答-S)
9.2.36 restatement-S(重述-S)
9.2.37 same-unit-ITI(-m)
9.2.38 sequence-ml(主觀語用序列-Hi)
9.2.39 sequence-m2(客觀語義序列-n1)
9.2.40 solution-m(解答-111)
9.2.41 solution-n(解答-n)
9.2.42 solution-S(解答-S)
9.2.43 summalT-S(總結-S)
9.2.44 topic-eonnnent-tit(話題一評論-m)
9.2.45 unconditional-S(無條件-S)
9.2.46 unless-s(除非-S)
9.2.47 volitional-casue-S(意願性原因-S，VC)
9.2.48 volitional-cause-result-m(意願性因果-1TI，VCR)
9.2.49 volitional-result-S(意願性結果-s，VR)
9.2.50 777一S(未知關繫)
9.3漢語RR標注關繫優選協議及相關說明(2.0)
9.4 CRST-DT樹形構造規範(2017.6)
縮略語
章 篇章連貫研究概論
1.1 研究對像
1.2 研究背景
1.2.1 篇章連貫的理論研究
1.2.2 篇章剖析技術的發展
1.2.3 標注篇章語料庫的開發
1.2.4 中文信息處理的相關研究
1.3 研究問題
1.4 研究方法及主要成果
1.5 本書結構
第二章 研究方法
2.1 語料庫設計
2.2 語料標注
2.2.1 標注理據
2.2.2 標注原則
2.2.3 標注格式
2.2.4 標注手段
2.2.5 標注質量的控制和檢驗
2.3 統計分析和機器學習
2.3.1 描述性統計
2.3.2 推斷性統計
2.3.3 機器學習
2.4 小結
第三章 構建漢語篇章修辭結構樹庫
3.1 修辭結構理論
3.1.1 內容簡介
3.1.2 應用情況
3.1.3 主要爭議
3.1.4 與漢語傳統理論的比較
3.2 構建漢語篇章語料庫
3.2.1 語料選擇
3.2.2 語料預處理
3.3 漢語篇章切分
3.3.1 篇章的定義
3.3.2 切分的方法
3.3.3 自動切分的形式標記
3.3.4 自動切分的處理結果
3.4 漢語篇章修辭關繫集的設定
3.4.1 基於特征的定義方法
3.4.2 漢語修辭關繫集的簡化分類
3.4.3 一些說明
3.5 修辭關繫標注及篇章修辭結構樹的構造
3.5.1 分號句層級及以上的修辭結構標注
3.5.2 逗號子句層級的修辭結構標注
3.6 工具和流程
3.7 質量控制和檢驗
3.8 小結
第四章 標注篇章銜接標記特征
4.1 標注對像
4.2 理論框架
4.2.1 連接詞
4.2.2 指代詞
4.2.3 語氣詞
4.2.4 標點符號
4.3 自動標注
4.4 人工標注
4.4.1 標注內容(通用部分)
4.4.2 軟件工具
4.4.3 標注流程和質量控制
4.5 統計分析和參數選擇
4.6 小結
第五章 數據分析
5.1 財經評論語料庫篇章結構特點
5.1.1 修辭結構樹特征
5.1.2 分號句層級上的RR概率分布
5.1.3 小結
5.2 但、但是
5.2.1 前人成果
5.2.2 標注方案
5.2.3 數據結果
5.2.4 討論
5.2.5 小結
5.3 這、那
5.3.1 前人成果
5.3.2 標注方案
5.3.3 數據結果
5.3.4 討論
5.3.5 小結
5.4 嗎、？
5.4.1 前人成果
5.4.2 標注方案
5.4.3 數據結果
5.4.4 討論
5.4.5 小結
第六章 應用測試——以“因為”為例
6.1 研究背景
6.2 任務分析
6.3 學習工具
6.4 數據處理、結果及討論
6.5 小結
第七章 討論
7.1 修辭結構樹的理論和工程價值
7.1.1 修辭結構樹和修辭關繫的性質
7.1.2 修辭結構的層級同質性
7.1.3 修辭結構樹與依存句法樹
7.2 對RR與DCM的理解
7.2.1 RR的多義性和模糊性
7.2.2 DCM的變異和多義性
7.2.3 RR與DcM問的多對多映射
7.2.4 多義性、多因分析與多任務學習
7.3 對語料庫人工標注的理解
7.3.1 人T標注的準確性和挑戰
7.3.2 一致性指標的解讀
7.3.3 可能的解決方案
7.4 數據挖掘技術在語言工程和理論研究的應用
第八章 結語
第九章 附錄
9.1 中文RR關繫集(按中文名稱排序)
9.2 中文RR定義及示例(按英文名稱排序)
9.2.1 addition-n(附力口-n)
9.2.2 addition-s(附力n-s)
9.2.3 antithesis-s(轉折-s)
9.2.4 attribution-m(引述-m)
9.2.5 attribution-S(弓I述-S)
9.2.6 background-S(背景-S)
9.2.7 circumstance-S(環境-S)
9.2.8 concession-n(讓步-n)
9.2.9 concession-S(讓步-S)
9.2.10 condition-S(條件-S)
9.2.11 conjunction-m(並列-m)
9.2.12 contrast-m(對立-m)
9.2.13 disjunction-m(析取-n1)
9.2.14 elaboration-S(詳述-S)
9.2.15 enablement-S(使能-S)
9.2.16 evaluation-m(評價-m)
9.2.17 evaluation-n(評價-n)
9.2.18 evaluation-S(評價-S)
9.2.19 evidence-S(證據-S)
9.2.20 interpretation-n(解釋-n)
9.2.21 interpretation-S(解釋-S)
9.2.22 joint-Ill(聯接-111)
9.2.23 justify-n(論證-n)
9.2.24 justify-S(論證-S)
9.2.25 list-m(羅列-U1)
9.2.26 means-S(方式-S)
9.2.27 motivation-S(動機-S)
9.2.28 nonvolitional-cause-S(非意願性原因-S，NVC)
9.2.29 nonvolitional-cause-result-m(非意願性岡果-m，NCR)
9.2.30 nonvolitional-result-S(非意願性結果-S，NVR)
9.2.31 otherwise-S(否則-S)
9.2.32 preparation-S(準備-S)
9.2.33 purpose-S(目的-S)
9.2.34 question-m(問答-m)
9.2.35 question-S(問答-S)
9.2.36 restatement-S(重述-S)
9.2.37 same-unit-ITI(-m)
9.2.38 sequence-ml(主觀語用序列-Hi)
9.2.39 sequence-m2(客觀語義序列-n1)
9.2.40 solution-m(解答-111)
9.2.41 solution-n(解答-n)
9.2.42 solution-S(解答-S)
9.2.43 summalT-S(總結-S)
9.2.44 topic-eonnnent-tit(話題一評論-m)
9.2.45 unconditional-S(無條件-S)
9.2.46 unless-s(除非-S)
9.2.47 volitional-casue-S(意願性原因-S，VC)
9.2.48 volitional-cause-result-m(意願性因果-1TI，VCR)
9.2.49 volitional-result-S(意願性結果-s，VR)
9.2.50 777一S(未知關繫)
9.3漢語RR標注關繫優選協議及相關說明(2.0)
9.4 CRST-DT樹形構造規範(2017.6)
9.4.1 樹形選擇
9.4.2 N的確定
9.4.3 非樹結構的處理
9.5 標注樣例(CJPL2224725)
9.5.1 原文
9.5.2 標注結果
參考文獻
索 引
後記.4.1 樹形選擇
9.4.2 N的確定
9.4.3 非樹結構的處理
9.5 標注樣例(CJPL2224725)
9.5.1 原文
9.5.2 標注結果
參考文獻
索 引
後記

本文定量考察漢語常見篇章銜接標記在書面話語中的連貫用法。首先根據修辭結構理論（Rhetorical Structure Theory，RST），設立了漢語修辭關繫集以及關繫優選協議，按標注流程開發出漢語財經評論修辭結構樹庫。接著為各類銜接標記在該篇章語料庫中的分布和用法設立多個特征變量，展開形式、句法、語義和語用標注。隨後利用樹庫和標注語料，對特定銜接標記展開深入的個案分析，探討其篇章分布與語用連貫作用之間的相關性。很後嘗試利用銜接標記及其所在的形式特征，通過機器學習方法來自動判定所在間的修辭連貫關繫，測試結果較令人滿意。本文很後也討論了對人工標注質量的理解，以及數據挖掘技術在語言學研究中的應用前景。

樂明 著