1. 引言
“It be ADJ to V”的构式作为“it”外置结构中的一类，因其独特的语法功能和语义角色而备受关注。“it”外置结构(it-extraposition constructions)是英语语法研究中的一个典型结构，这种结构通常涉及到将一个从句或短语从其常规位置移动到句尾，而用“it”作为形式主语来填充空出的位置。“it”外置结构通常用于强调、对比或突出句子的某个部分。对该结构的许多早期研究多集中在形式和功能的关系上。近年随着语料库语言学的发展，研究者开始更加关注语言的实际使用情况以及该结构在不同语体和语境中的变异性。但由于语料库和方法论的限制，大多数研究更侧重于基于思辨的定性分析而非基于经验的定量分析。同时，作为该构式中的关键组成元素，形容词与动词之间的语义关系有待进一步探究。
2. “It”外置结构的研究
目前，对“it”外置结构的研究不断深入，而作为“it”外置结构较为常见的一个子类型，对“it be ADJ to V”构式探究也包括在内。自20世纪初期开始，许多学者从不同的角度对包括这一构式的“it”外置结构进行了考察。部分学者探究了外置结构的句法特征、以及该结构与右节点提升、右移位、分裂句结构的异同Jespersen [1]指出这是一种将句子成分如从句或短语放在其常规位置之后的语法现象。王正雄[2]系统地探讨了由隔裂而产生的“外置”关系分句。
Biber等人[3]利用语料库方法对外置结构在不同语域中的分布进行了统计和讨论。随后其他重要的发现包括正式文本中外置结构的强客观性与态度意义[4]、特征性it评价式以及意义在法学和医学学术文本中的分布特点[5]。这些研究则侧重考察了文本类型与交际目的对外置结构的频率和语义选择的影响。
同时，外置结构的历时演变及跨语言共性和差异也得到了一定程度的关注。德语外置结构的复杂成分外置倾向[6]、德语外置结构中语义韵与句法的限制关系[7]、Jarvis [8]发现在Atchan语言中，外置(extraposition)现象与非提升结构(non-raising structures)的可用性之间有着密切关系。
大数据与机器学习也为外置结构的研究提供了方法论创新，如：运用共变搭配词位分析法对这一构式的现在时和形容词槽位进行探究[9]；采用对应分析法探究it-评价型式与学科类别的对应关系[10]；通过搭配词位分析法，考察it外置结构中形容词与动词的语义以及语义倾向[11]。
但是，大多数研究只关注构式中的单个形容词词位，并未对形容词和动词槽位以及它们的语义关系对整个构式意义的影响进行深入分析。因此，本研究旨在探究该构式中形容词与动词的语义互动关系是如何影响整个构式意义的，以及构式中共变词素组的语义互动关系对语法结构、认知理解概念构式探究和词典编纂的意义。
3. 理论框架
基于认知语法，构式语法的起源可以追溯到20世纪60年代末，当时Fillmore提出了格语法。早在1977年发表的关于语言格式塔的论文中，Lakoff就已经指出，整体的意义并不仅仅是其组成部分的功能，构式或整体必须有其自身的意义。1987年，Lakoff重申了这一理论[12]。此后，有许多不同的学者从构式语法角度出发考察了不同的构式，包括论辩构式模式[13] [14]、动结构式[15]、将来结构[16]等。构式语法理论有四个主要流派，包括Fillmore [17]领导的构式语法、Goldberg和Lakoff的构式语法[13]、Ronald Langacker [18] [19]倡导的认知语法，以及Croft [20]提出的构式语法。Goldberg认为，如果构式的形式、意义或用法中有任何方面不能严格从语法的其他方面(包括先前已建立的构式)预测出来，那么构式就在语法中被假设存在[13]。这暗示了一个构式不能完全从先前已建立的构式中预测出来，并且一个构式在不同语境中每次出现时可能有不同的意义。
4. 研究工具与方法
4.1. BNC语料库和R语言
本研究中所有关于“it be ADJ to V”构式的语料都来自兰卡斯特大学的CPQWeb工具中的BNC语料库[21]。这一工具可以从https://cqpweb.lancs.ac.uk/usr/index.php?ui=login网站中获得。BNC (英国国家语料库)总共包含96,132,981个单词。同时，从BNC语料库检索的数据既包括口语文本类型，也包括书面文本类型。
R语言软件是一个为更好地统计计算和可视化而设计的软件环境，可以从网站
(http://www.r-project.org/)免费下载和安装[22]。R语言软件的详细操作指南可以在王家钺的作品[23]中找到。
4.2. 共变搭配词位分析法
共变搭配词位分析法(Covarying Collexeme Analysis)是构式搭配分析法(Collostructional Analysis)的一种，它通过计算观测频数与预期频数的偏差程度，得到搭配强度，并进行显著性检验，从而更准确地描写构式的语义特征[24] [25]。共变搭配词位分析法可以通过特定的分析软件(R语言软件)中的Coll.analysis 4.1数据包来进行数据处理和分析，从而更深入地理解语言中的构式如何与词汇相互作用，以及这些相互作用如何影响语言的使用和理解。
4.3. 对应分析法
对应分析(Correspondence Analysis) [26]是一种多维统计方法，用于分析和可视化两个分类变量之间的关系[27]。通过对应分析法来探索不同词语或短语在不同类别中的分布情况，有助于探讨潜在的语义关联。
对应分析法可以分为简单对应分析法和多重对应分析法[28]。多重对应分析法可以通过R语言中的FactoMineR数据包的MCA函数实现[29] [30]。通过这一数据包和函数，可以使多个类别变量之间的关联强度呈现出来。
5. 结果与讨论
5.1. 形容词与动词的共变搭配强度
通过BNC语料库在检索框输入“(it) {be} (_AJ*) (to) (_V*)”表达式，本论文得出了总共21,730条包含有“it be ADJ to V”构式的检索行。得出的前22对共变搭配强度最高的结果如下表(表1)所示：
Table 1. The top 22 covarying collexemes in “It be ADJ to V” construction
表1. “It be ADJ to V”构式中前22对共变频率高的共变搭配词
槽位1~槽位2 |
共变频数 |
槽位1~槽位2 |
共变频数 |
1. interesting |
note |
253 |
12. hard |
imagine |
132 |
2. difficult |
see |
235 |
13. difficult |
know |
104 |
3. easy |
see |
208 |
14. difficult |
imagine |
99 |
4. likely |
be |
193 |
15. possible |
make |
93 |
5. supposed |
be |
189 |
16. difficult |
believe |
82 |
6. hard |
see |
174 |
17. hard |
tell |
81 |
7. important |
remember |
166 |
18. unlikely |
be |
78 |
8. important |
note |
165 |
19. impossible |
say |
78 |
9. fair |
say |
139 |
20. difficult |
say |
75 |
10. hard |
believe |
134 |
21. good |
be |
73 |
11. good |
see |
134 |
22. true |
say |
71 |
从表1可看出，出现在该构式中的高频形容词多表示难易程度(如“difficult”“easy”“hard”)、可能性(如“likely”“supposed”)、重要性(如“important”)或用来描述评价事物特性(如“interesting”“good”“fair”)。同时，表难易程度的形容词多与非延续性的感官或认知动词共变。这一现象表明该构式中特定形容词与动词之间的关联强度以及这些组合的认知固化。
通过对比表1和表2发现，在该构式中某些高频共现的形容词与动词的吸引程度或搭配强度并不对应，这表明了特定词汇的实际使用情况和预期结果的偏差。表事物特征、难易度、可能性、必要性、合理性、出现频率和好坏程度等评价性形容词与表示认知、强调、对比、感官、存在、获取、授权、交流等正式和情感类动词的吸引程度较高。这表明，这些共变的形容词与动词之间存在着较强的关联性，也表现出它们的语义已经在人们的认知中与该构式固化。同时，这也凸显出该构式中的评价类形容词和正式语域中的情感类动词的紧密语义互动关系。
Table 2. Collostruction strength of covarying collexemes in “It be ADJ to V” construction
表2. “It be ADJ to V”构式中共变搭配词的共变搭配强度
Word 1~Word 2 |
Relation |
Coll.strength |
interesting |
note |
attraction |
1423.609494 |
fair |
say |
attraction |
812.3075636 |
supposed |
be |
attraction |
623.375603 |
important |
remember |
attraction |
560.8303919 |
likely |
be |
attraction |
499.3108941 |
true |
say |
attraction |
490.6071874 |
hard |
believe |
attraction |
399.7010021 |
reasonable |
assume |
attraction |
335.8875928 |
hard |
imagine |
attraction |
334.2104569 |
good |
see |
attraction |
280.8218437 |
important |
note |
attraction |
229.72965 |
easy |
see |
attraction |
228.9502587 |
unrealistic |
expect |
attraction |
205.8946104 |
reasonable |
suppose |
attraction |
203.2457587 |
easy |
forget |
attraction |
203.1255601 |
unlikely |
be |
attraction |
192.6415624 |
important |
stress |
attraction |
173.5352883 |
hard |
tell |
attraction |
170.3141793 |
important |
realise |
attraction |
167.0677959 |
nice |
have |
attraction |
166.2017175 |
5.2. 形容词与动词的语义互动关系
本研究基于Herriman [31]以及Biber以及合作者[3]对外置结构中主句的语义分类来对“it be ADJ to V”构式中的形容词和动词进行语义分类。在语义层面，Herriman主要将主句谓语划分为了认知情态、道义情态、动力情态、评价情态四大类。而根据Biber等人的分类，本研究将出现在“it be ADJ to V”构式中的动词主要分为行为动词、交际动词、认知动词、存在或关系动词、促进或致使动词、简单发生动词、体貌动词七大类。
通过图1，我们可以观察到“it be ADJ to V”构式中形容词与动词的语义分布和语义关系。根据它们的共现频数和所属的语义类型，图1也展现出了某些形容词和动词之间的紧密关系。其中，标签的颜色越浅，代表这一变量在这一维度的贡献越大，越能表现出这一维度的特点以及代表性特征。在图1中，认知类形容词与存在或关系类动词在同一维度中出现且距离较近，表明在“it be ADJ to V”构式中，认知类形容词与存在或关系类动词有着紧密的联系，人们常常将这两类的词与这一构式搭配使用，在一定程度上说明了人们对这一语义关系的认知固化。同时，在所有维度中，表认知、评价、动力的形容词和表存在或关系、交流的动词颜色较浅，且在不同维度上的贡献都较大，这说明了它们在该构式中所使用的频率，以及它们对整个构式意义的贡献和影响。
Figure 1. The semantic interaction between adjectives and verbs in “It be ADJ to V” construction
图1. “It be ADJ to V”构式中形容词与动词的语义关系
6. 结论
本论文以构式语法为核心理论框架，结合共变搭配词位分析法和多重对应分析法分别对形容词与动词之间的语义互动关系及其对整个构式意义的潜在影响进行探究。结果表明该构式中的评价类形容词和正式语域中的情感类动词存在着紧密的语义互动关系。同时，认知类形容词与存在或关系类动词也有着紧密的联系。这表明人们在使用这一构式时，搭配使用形容词动力或评价语义和动词认知、体貌、交流语义的认知已经固化。通过探究该构式中不同元素的语义互动关系，有利于揭示人们普遍的认知规律，从而应用到英语教学中以避免学习者误用该构式中的形容词与动词进行搭配，也可以使他们的语言更接近母语者表达。同时，从量化的角度分析构式有助于更客观和直观地探究某一特定构式中不同元素的关联性及其对该构式的影响，从而为词典编纂者优化解释该构式的词条提供一定帮助和启示。
致 谢
本文首先要对王家钺副教授致以衷心的感谢。王家钺导师以渊博的知识、严谨的学术思维、严密的逻辑、耐心的教导、精益求精的钻研态度答疑解惑并指导本人完成该文章的撰写。其次，本文的完成还要感谢广西民族大学给予的项目基金资助以及外国语言学及应用语言学其他老师在不同领域和分支给出的不同见解和指导。最后，本文的顺利撰写还要感谢母亲和朋友给予的鼓励和支持。
基金项目
本项目获广西民族大学研究生教育创新计划gxmzu-chxb202401资助(项目编号gxmzu-chxs2024213)。