張延成， 孫 婉

（武漢大學 文學院，湖北 武漢430072）

一、引 言

本文不同于傳統的學術研究綜述。在傳統的學術研究觀念中，研究綜述的撰寫是各研究領域極其重要，且很有難度的工作——一般情況下只有對本領域研究現狀非常熟悉，且已在該領域做出開創(chuàng)性成果的學者可以勝任。此外，傳統的研究綜述撰寫受到作者知識結構和主觀性的影響，存在對研究領域全貌概括不完整、對學科交叉領域特性描述不確切、對學科研究熱點把握不準確等諸多問題。在當今資訊高度流動、學術數據量劇增的情況下，這種影響可能更為嚴重。然而，隨著文獻計量學理論和技術的發(fā)展，處理學術大數據的可視化方法的逐漸成熟，適時將其理論和方法引入學科研究綜述的撰寫中，對迅速把握專門領域重要文獻、研究組織和地域、研究團隊和重要學者、研究熱點和趨勢、學科交叉與創(chuàng)新等情況等大有裨益。這種做法可以較好地避免傳統研究綜述機械地按照時間、國內外研究這類低維度寫法帶來的諸多問題。目前這種文獻計量式的綜述或研究方式已有相當數量的研究成果，但在語言學研究領域則比較匱乏。本文就是一次嘗試。

我們選擇“語言技術”為主題。語言技術（Language Technology）按中國科學技術信息研究所的定義：“即自然語言處理技術（Natural language processing，NLP），又稱人類語言技術（Human language technology），包括書面語言文本處理（Text processing）和語音、口語處理（Speech processing）兩大技術范圍。”①參看中國科學技術信息研究所網站：http：／／www.istic.ac.cn／？TabId＝332這個定義的語言技術是狹義的，它廣泛運用于教育教學、通信工程、信息管理、科學研究等領域，是當代技術發(fā)展的熱點之一。廣義的語言技術還包含與人類語言和言語研究及應用密切關聯的一切技術領域。本文以“l(fā)anguage”和（and）“technology”為主題詞在SCI、SSCI、A＆HCI網絡數據庫“Web of Science”中檢索，所得結果基本涵蓋以上狹義和廣義的“語言技術”研究的文獻。我們試圖以這種寬泛的主題詞檢索方式，通過文獻計量方法考察“語言”和“技術”關聯或交叉的研究前沿、熱點與趨勢，以作為語言學研究及相關領域科技情報綜合利用的參考。

二、研究方法的說明

本文基于可視化理論基礎，擬借助信息可視化軟件，使用可視化建模分析方法，包括共引分析、共詞分析、信息可視化等方法，繪制語言技術研究領域的文獻共引網絡圖譜、關鍵詞演進圖譜等，直觀地展示并分析語言技術研究核心文獻、領域交叉性、研究群體以及研究前沿及發(fā)展趨勢。

Citespace是一款優(yōu)秀的可視化軟件，可將引文分析、聚類分析、網絡分析等在知識單元分析的基礎上結合并集成起來，并融入數據挖掘、計算機圖形學、圖像技術、智能技術及相關先進算法等手段與方法，進行跨學科的綜合創(chuàng)新，從而形成適于多元、分時、動態(tài)網絡分析的新一代可視化技術，可以作為基于知識單元分析的知識計量學普遍應用的新工具。本文數據均用2013年6月更新的CitespaceⅢ3.6.R2 （64－bit）版本統計。①呂一博，康宇航.基于共現分析的科技監(jiān)測地圖繪制及實證研究［J］.科學學研究，2010，（10）.

數據源是“Web of Science”中SCI、SSCI、A＆HCI數據庫，年代區(qū)間為2003年到2013年，共得到4952篇文獻。為了保證研究的準確性，將每一年作為一個單位時間切片，將知識圖譜節(jié)點分別設置為“作者（Author）”、“關鍵詞（Keyword）”、“領域（Category）”、“國家（Country）”、“機構”（Institution）等，使用含有文獻標題、作者、發(fā)表期刊、資助基金、摘要、關鍵詞等信息的文件進行知識圖譜分析。

為了能夠凸顯重要文獻和重要作者對學科演進的特點，我們在知識圖譜繪制之前對文獻被引頻次（c）、兩篇文獻共引頻次（cc）、文獻共引系數（ccv）的值進行了相應的限制，這些參數表明知識圖譜節(jié)點之間關系的密切程度（MALL H，1973）②MALL H.1973Co－citation in Scientific Literature：A New Measure Of The Relationship Between Publications，Journal of the America Society of Information Science，24（4）：265～269.。為了保證知識圖譜的辨識度，在圖譜繪制的過程中運用“路徑搜索（pathfinder）”算法（Chen C，Morris S，2003）③Chen，C.，Morris，S.Visualizing Evolving Networks：Minimum Spanning Trees Versus Pathfinder Networks［J］.Proceedings of IEEE Symposium on Information Visualization，IEEE Computer Society Press，2003：67～74.對知識圖譜的網絡進行了簡化。

筆者將檢索所得的Web of Science數據庫文獻記錄以純文本格式保存到電腦，再分步驟導入CitespaceⅢ進行運算和知識圖譜生成與繪制。

三、研究進展的分析

下面從高頻被引文獻研究領域分析語言技術研究學科群、學科交叉、研究方向和關鍵詞演進等。

（一）學科群體與領域交叉性分析

通過提取2003至2013年每一年文獻信息中被引用頻率最多的前10%的文獻信息進行研究領域（category）分析，得到語言技術研究主要學科領域研究聚集形成的學科群體知識圖譜，如圖1所示。

圖1 語言技術研究涉及的主要學科群與交叉領域知識圖譜

中多層分色同心圓（黑白圖表現深淺差異）表示年度區(qū)間總引文量，深淺層次不同圓環(huán)（彩打情況下顯示不同顏色）對應文獻在不同年份被引，圖上方彩條標明色彩（黑白圖表現為深淺差異）與年份的對應關系。同心圓中心出現深色的圓，則代表突顯領域，即新興研究領域。例如，計算機科學（Computer Science）、教育與教育研究（Education ＆Educational Research）同心圓即如此，表明它們?yōu)檠杆侔l(fā)展的新興領域。多邊形表示形成聚類的研究領域，即學科群體。例如，康復研究（Rehabilitation）、教育（Education）、計算機科學康復研究（Rehabilitation Computer Science）構成了聚類標簽為“＃3hearing”的學科群體。

為了能夠清楚地展示交叉學科群體的關系，圖片做了凸顯和簡化處理。圖中生成的編號標出了語言技術涉及的11個主要交叉學科群體，學科群體的命名來源于4952篇文獻使用頻率最高的索引詞。學科群體標簽顏色的深淺表明學科輪廓值（Silhouette）的大小，輪廓值越大，標簽顏色越深。11個主要交叉學科群體及其下屬的學科領域見表1所列。

表1 語言技術研究學科群及其下屬交叉領域

＃4網絡特色服務的使用using web feature service信息科學與計算機科學圖書館學Information Science ＆Library Science Computer Science地理學Geography信息科學與圖書館學Information Science ＆Library Science 3 0.836 2004＃3聽覺與聽力hearing康復研究Rehabilitation教育Education計算機科學康復研究Rehabilitation Computer Science 3 0.64 2005＃1互聯網帶寬internet bandwidth通信Communication聲學Acoustics聽力學與言語病理學Audiology ＆ Speech－Language Pathology 3 0.449 2006＃6電腦運算computing自動化及控制系統Automation ＆ Control Systems工程學Engineering計算機科學Computer Science 3 0.095 2004＃7用戶user儀器及儀表學Instruments ＆Instrumentation物理學Physics 2 0.87 2003＃5凸性convexity運籌學與管理科學Operations Research ＆Management Science運籌學與計算機科學管理科學Operations Research ＆ Management Science Computer Science 2 0.79 2005＃10美國標準技術協會天然氣水合物研究數據庫NIST gas hydrate research database電信學Telecommunications計算機科學電信學Telecommutications Computer Science 2 1 2004

以上內容是按照學科群體的規(guī)模大小進行排列的。輪廓值（Silhouette）標明學科群體的確定程度，確定程度越高形成的多邊形形狀越清晰，數值越接近1，數值為1的集群表示一個相對于其他學科領域獨立的學科集群。平均（mean）指數表示某學科群體形成年份，年份的早晚表示該學科群體的出現與發(fā)展的先后。

結合圖表信息可以看出語言技術研究的學科交叉極為普遍，各學科間交叉關系較為復雜，通過表中的參數可以概括出以下幾點：

1.學科群體大小的值與確定性值不一定成正比。學科群體“＃9圖書館（library）”是最大的學科群體，包括眾多領域，但能夠作為獨立學科群體的確定性不高，如表1所示，輪廓值（Silhouette）只有0.25，故在圖1中“＃9圖書館（library）”的標簽顏色就淺。這與圖書館的不區(qū)分學科的收藏性質有關。該群體中，語言技術與諸多學科領域都有交集，例如，教育與教育學研究（Education ＆ Educational Research）、健康保健科學與服務（Health Care Sciences ＆ Services）、材料科學（Materials Science）、商學（Business）、商業(yè)管理學與經濟學（Management Business ＆ Economic）、信息科學與圖書館學（Information Science ＆ Library Science）等。

2.利用規(guī)模值（Size）和輪廓值（Silhouette）確定富有潛力的新興學科群體。規(guī)模值（Size）顯示的學科確定性與學科性質有關，一般來說理工類學科領域組成的學科群體確定性較強。例如，學科群體“＃10美國標準技術協會天然氣水合物研究數據庫（NIST gas hydrate research database）”形成了相對獨立的學科，輪廓值（Silhouette）最高，主要是因為該學科專業(yè)性極強，有獨立的研究理論、標準，并進行了廣泛的實踐。但正因為專業(yè)太強，其規(guī)模值（Size）反而最小，僅含兩個領域。那些輪廓值和規(guī)模值都較高的學科群體才可能是成熟，或富有前景的。例如，“＃0種子算法與基因組（seed genome）”因數學算法、編程語言和生物學的深入結合，顯示較高的確定性（輪廓值為0.958，加之規(guī)模值為5）較高，學科群體的成熟度也較高?！埃?計算機輔助語言教學（CALL）”是與語言技術相關的非常顯著的大學科群，其確定性（輪廓值為0.754）遠高于“＃9圖書館（library）”，其規(guī)模值（為7）也很高，總體上看，是與語言技術相關的成熟度最高的學科群體。此外，“＃8決策支持系統decision support system”、“＃4網絡特色服務的使用using web feature service”、“＃3聽覺與聽力 hearing”、“＃1互聯網帶寬internet bandwidth”都是值得關注的與語言技術關聯的新興學科群體。

3.2003年至2013年間平均值（mean）顯示，主要學科群體在2004到2006年間形成?！埃?用戶（user）”等形成較早但不成規(guī)模，上述規(guī)模值（Size）和輪廓值（Silhouette）較高的學科群體都在2004到2006年間形成，并持續(xù)發(fā)展到2013年。

綜上，語言技術研究領域的交叉性極為復雜。既有學科群體內部研究領域的交叉，也有學科群體之間的研究領域交叉。這種復雜的交叉過程蘊含著新興學科產生的可能。

（二）主要研究領域分析

在圖1包含的43個熱點研究領域中，按照文獻頻數、凸顯性和中心性（一種文獻重要等級算法（參見陳超美2001））綜合指標排序如下：

表2 語言技術研究涉及的中心性最高的14個領域

這些領域按共現詞加權分析主要集中在計算機與通信科學、教育學、語言學、心理學等幾個核心領域。

計算機與通信科學領域涵蓋信息系統、理論方法、人工智能、軟件工程、硬件建設等，主要的研究成果集中于自然語言處理技術，其中包括機器翻譯、文本分析、自動言語識別與合成等。例如，對機器翻譯系統“對齊模板”的翻譯方法的研究（Franz Josef Och ＆ Hermann Ney，2004）①Franz Josef Och，Hermann Ney.The Alignment Template Approach to Statistical Machine Translation［J］.Computational Linguistics，2004，（30）：417～449.，這種機器翻譯方法具有較好的實用性和商業(yè)前景。自動語音識別領域對如何克服語音變異影響的研究一直是熱點，如地域特征、社會語言學特征、外國口音、說話風格、語速等（M Benzeghiba，2007）①M.Benzeghiba，R.De Mori，O.Deroo，S.Dupont，T.Erbes，D.Jouvet，L.Fissore，P.Laface，A.Mertins，C.Ris，R.Rose，V.Tyagi，C.Wellekens.Automatic speech recognition and speech variability：A review［J］.Speech Communication，2007，（49）：763～786.。隨著計算機數據挖掘技術的進步，意見挖掘和情感分析頗受重視，用自然語言處理工具對臨床數據庫中的不良事件進行監(jiān)測越來越普遍（David W Bates，2003）②David W Bates，R Scott Evans，Harvey Murff，et al.Detecting Adverse Events Using Information Technology［J］.Journal of the American Medical Informatics Association，2003，（10）：115～128.。此外，從臨床電子病歷和醫(yī)學研究文獻中挖掘相關性、模式和知識是重要的研究趨勢（Guergana K Savova，2010）③Guergana K Savova，James J Masanz，Philip V Ogren，Jiaping Zheng，Sunghwan Sohn，Karin C Kipper－Schuler，Christopher G Chute.Mayo clinical Text Analysis and Knowledge Extraction System （cTAKES）：architecture，component evaluation and applications［J］.J Am Med Inform Assoc，2010，（17）：507～513.。

語言學領域與上述計算機科學的自然語言處理多有交叉，與教育領域的語言教學也有交叉，偏重于語言學研究的主要有語言起源與演化、語言與思維和神經機制關系的探究等。例如，學者們使用非洲和歐洲最近發(fā)現的第一手考古學和古生物學材料討論語言的起源、符號論和音樂之間的關系（Francesco d’Errico ＆ Christopher Henshilwood，2003）④Francesco d＇Errico，Christopher Henshilwood，Graeme Lawson，Marian Vanhaeren，Anne－Marie Tillier，Marie Soressi，Fred erique Bresson，Bruno Maureille，April Nowell，Joseba Lakarra，Lucinda Backwell，Michele Julien.Archaeological Evidence for the Emergence of Language，Symbolism，and Music－An Alternative Multidisciplinary Perspective［J］.Journal of World Prehistory，2003，（17）：1～70.；使用詞匯數據和貝葉斯系統方法討論史前人口擴張在塑造生物與文化多樣性中發(fā)揮的作用（R.D.Gray ＆ A.J.Drummond，2009）⑤R.D.Gray，A.J.Drummond，S.J.Greenhil.Language Phylogenies Reveal Expansion Pulses and Pauses in Pacific Settlement［J］.Science，2009，（323）：479～483.；通過數值認知匹配任務重復測試發(fā)現，連數字“一”都沒有的亞馬孫河流域Pirah?語言使用者都能夠將數值和大數量物體完全精確配對，研究認為語言中所謂精確數字是一種文化發(fā)明，不是一個語言的普遍性，并且數字詞并不改變我們底層數量表征，而是一種在時間、空間和情態(tài)變化中用來追蹤大型集合基數的認知“技術”（Michael C.Franka ＆ Daniel L.Everett，2008）⑥Michael C.Franka，Daniel L.Everett，Evelina Fedorenko，Edward Gibson.Number as a cognitive technology：Evidence from Pirah?language and cognition［J］.Cognition，2008，（108）：819～824.；通過核磁共振成像研究大腦句法處理機制發(fā)現句法是神經隔離的，分布在不同腦區(qū)，突破了原來認為只有左半球布羅卡氏和韋尼克區(qū)才是句法中樞的觀點（Yosef Grodzinsky ＆ Angela D Friederici，2006）⑦Yosef Grodzinsky，Angela D Friederici.Neuroimaging of syntax and syntactic processing［J］.Current Opinion in Neurobiology，2006，（16）：240～246.；腦成像技術還發(fā)現韋尼克區(qū)對稱區(qū)域、左右前運動區(qū)、左右腦島和布羅卡區(qū)是處理創(chuàng)新隱喻的回路（N.Mashal ＆ M.Faust，2005）⑧N.Mashal，M.Faust，T.Hendler.The role of the right hemisphere in processing nonsalient metaphorical meanings：Application of Principal Components Analysis to fMRI data［J］.Neuropsychologia，2005，（43）：2084～2100.。

在教育領域，近年來主要研究熱點有教育教學技術、網絡教育、語言學習、特殊人群語言康復的技術等。具體而言，移動學習、合作學習與無縫學習等關聯研究，基于嵌入技術的學習資源研發(fā)、網頁設計等網絡技術與教育，微博、社交網絡與學習，二語習得與學習，電子白板等教室科技與課堂教學，語料庫、在線工具與語言學習、語言能力測試與評估，閱讀、聽說等語言障礙（表中領域高頻共現詞Rehabilitation表明康復研究的重要價值），都是近年來的熱點。例如，研究表明對幼兒進行人工耳蝸植入術對促進其表達能力的提高有顯著效果，并建議有經驗的兒科移植中心給12歲以下的兒童植入人工耳蝸（Shani J.Dettman ＆Darren Pinder，2007）⑨Shani J.Dettman，Darren Pinder，Robert J.S.Briggs，Richard C.Dowell，Jaime R Leigh.Communication Development in Children Who Receive the Cochlear Implant Younger than 12Months：Risks versus Benefits［J］.Ear ＆Hearing，2007，（4）：11S～18S.；腦成像研究表明失寫癥等障礙是人的語言整個系統內的混亂，而不是系統中某個項目（如語音加工等）導致的（Sally E，2005）①Sally E.Shaywitz，Bennett A.Shaywitz.Dyslexia（Specific Reading Disability）［J］.Biol Psychiatry，2005，（57）：1301～1309.；對聾生如何使用在視覺資源方面支持其閱讀理解的多媒體資源軟件包的調查表明“視覺素養(yǎng)”的技能教育很重要（Nikolaraizi M ＆ Vekiri I，2013）②Nikolaraizi M，Vekiri I，Easterbrooks S.Investigating Deaf Students＇Use of Visual Multimedia Resources in Reading Comprehension［J］.American Annals of the Deaf，2013，（157）：458～473.；有的研究旨在向從事早期兒童特殊教育專業(yè)的人員提供一個標準的、綜合的語言評估工具（Chu－Sui Lin ＆ Shu－Hui Chang，2013）③Chu－Sui Lin，Shu－Hui Chang，Wen－Ying Liou，Yu－Show Tsai.The Development of A Multimedia Online Language Assessment Tool for Young Children with Autism［J］.Research in Developmental Disabilities，2013，（34）：3553～3565.；等等。

心理學領域與教育、語言學、計算機科學也多有交叉，出現不少新興的研究方向，例如網絡和計算機輔助交際行為、web2.0社會文本中的心理學資源挖掘與研究、語言學習的認知策略等。一些有特色的方向，如探討社交網絡中“自我”與新型社區(qū)關系（Whittaker L ＆ Gillespie Alex，2013）④Whittaker L，Gillespie Alex.Social Networking Sites：Mediating the Self and its Communities［J］.Journal of Community ＆ Applied Social Psychology，2013，（23）：492～504.，通過文本自動分析探討語篇常用詞（如代詞、冠詞、介詞、連詞、助詞等功能詞）對人類社會和心理世界的揭示（James W.Pennebaker ＆ Matthias R，2003）⑤James W.Pennebaker，Matthias R.Mehl，Kate G.Niederhoffer.Psychological Aspects of Natural Language Use：Our Words，Our Selves［J］.Annual Reviews Psychology，2003，（54）：547～577.；根據博客中進食失調（如神經性食欲缺乏、易餓癥等）數據探究在線社會行為的心理學意義（Wolf Markus ＆ Theis Florian，2013）⑥Wolf Markus，Theis Florian，Kordy Hans.Language Use in Eating Disorder Blogs：Psychological Implications of Social Online Activity［J］.Journal of Language and Social Psychology，2013，（32）：212～26.；自閉癥的交際與學習心理等。

（三）關鍵詞演進分析

通過提取2003至2013年每一年文獻信息中使用頻率最高的前5個關鍵詞（keywords）可以得到語言研究關鍵詞演進的知識圖譜，如圖2所示。

圖2 語言技術研究關鍵詞演進圖譜

圖中顯示了2003年至2013年，剔除重復后每年使用頻率最高的5個關鍵詞，共33個。如圖上端的彩色條狀（由于排版對彩圖的限制，本段關于色彩表述在黑白圖中表現為深淺濃淡的差異。）圖例所示，圖中關鍵詞左方呈現嵌套形式的彩色圓環(huán)對應不同年份該關鍵詞在文獻中出現，例如：大紅色、橙色、黃色圓環(huán)分別代表2013、2012、2011年的文獻，關鍵詞“語言（language）”所在分色多層同心圓顯示它在2003至2013年間每年均有出現。最外環(huán)為粉色的關鍵詞是凸顯的熱點關鍵詞。關鍵詞之間彩色的連線標明不同年份的共現情況。從圖中可以看出，“技術（technology）”與“科學（science）”兩個關鍵詞之間有一條綠色連線，可知這兩個關鍵詞在2006年的文獻中同時出現過。關鍵詞圓環(huán)對應圖中下方的年份數字，表示該關鍵詞首次成為年度使用頻率最高的5個關鍵詞之一的時間，例如，“影響（impact）”這一關鍵詞在2011年因為大數據討論的升溫首次成為年度使用頻率前5的關鍵詞。

圖2中“語言（language）”和“技術（technology）”作為搜索所用關鍵詞，出現頻率高，半徑大，但并不是我們分析的重點，而中等半徑的圓形則提示與語言技術研究高度相關的關鍵詞，可以揭示相關研究熱點或通用術語。例如設計（design）、系統（system）、管理（management）、通訊（communication）、互聯網（internet）、本體（ontology）、教育（education）等，顯示“語言技術”應用的廣泛性。

根據橫坐標時間軸，語言技術研究關鍵詞在10年時間段的頭3年開始密集出現一些熱點領域并能持續(xù)延伸，包括互聯網（internet）、計算機與算法（computer＆algorithm）、系統與模式（system＆models）（計算學科領域通用術語）、兒童（children）（既含教育因素，又涉及語言技術應用于兒童健康和發(fā)展）、知識（knowledge）（主要涉及知識挖掘處理與管理）、信息與信息技術、通訊與管理、建筑與設計、網絡服務、言語科技等，2006以后出現仿真（simulation）、語義網（semantic web）（含語義框架）、數據庫（database）、教育（education）（關聯“學生”，表明以學生的中心的教育教學理念更加普遍）、科學（science）（表明理論研究的深入）、影響（impact）（主要指大數據的綜合影響）等，清晰展示研究前沿的演進。關鍵詞之間的密集連線顯示語言研究領域關聯與拓展。

四、結 語

通過可視化分析可以從宏觀上看出2003年以來語言技術研究發(fā)展若干特點：首先是極強的跨學科、跨領域綜合性，體現了現代學科的發(fā)展特征。從語言技術學科群體和研究領域的交叉狀況來看，語言技術學科群體內部的研究領域存在交叉關系，學科群體之間的研究領域存在交叉關系。這種疊加錯綜的交叉關系是新興學科形成的溫床。其次，語言技術研究熱點多、形成時間早、持續(xù)時間長，深刻變革表現為語義化、智能化以及科學性加強?？偟目磥?，語言技術研究關注現實實踐，在通信、網絡、教育、康復、管理等方面得到運用廣泛。隨著技術的革新和進步，語言技術在實際應用領域的研究還將進一步深入。