1 Cognitive Approach to Japanese Constructional Phenomena: Evidence from Motion Construction and...
-
Upload
brendan-boyd -
Category
Documents
-
view
233 -
download
1
description
Transcript of 1 Cognitive Approach to Japanese Constructional Phenomena: Evidence from Motion Construction and...
1
Cognitive Approach to Japanese
Constructional Phenomena: Evidence from
Motion Construction and Resultative Construction
Jae-Ho Lee and Hitoshi IsaharaNational Institute of Information
and Communications Technology
International Conference on Japanese Language Education 2006
Columbia University, New York, USA
2
Background Traditional approach to describing “sentence mean
ing” and controversy1. Lexicalist Approach (Verb centrism): verb automatically dictates
accompanying information ⇒ Lexical Conceptual Semantics, Verb semantics: Levin 1993, Kageyama 1995
2. Heuristic Approach: worldwide anti-lexicalist movement⇒ Construction Grammar: Fillmore et al. 1989, Goldberg 1995, 2006
Abstract form of sentence encodes meaninge.g. “S-V -O -O” pattern means transportation of the thing
Current main trend is to study European and American languages; little research on Japanese language
Japanese requires specifying semantic class of noun 1. 太郎が神棚にお金をあげる・・・ caused motion ( 使役移動 )2. 太郎が花子にお金をあげる・・・ caused possession( 使役所有 )
3
Introduction Purpose
1. To review relationship between noun semantic class as natural classification (e.g., location, animate) and the meaning of entire sentence (e.g., motion, change)
2. To determine if construction research using a statistical method to understand deeper level of Japanese is possible
Method1. Collecting KWIC data on “X が Y に V する” from corpus2. Asking participants to evaluate sentence meaning3. Encoding noun semantic 4. Analyzing using decision trees.
4
Introduction
1. Linguistic phenomenona. Meaning of noun is systematically related to sentence mea
ning b. It is necessary to include noun semantic class in definitions
of Japanese constructions or constructional sentence patterns
2. Methodologya. Importance of multi-dimensional grasp of meaningb. Our statistical method determines qualitative character of l
anguage.
5
Data Xが Yに消える
1. 患者が診察室に消えた。2. エルフの船が光の中に消え、3. ゆうは闇に消えた。4. テールランプが闇に消えた。5. ヒュウガが地割れに消えた。6. ヒュウガがビルの中に消えた。7. この火が雨脚に消えた。8. 生活費が飲み代に消えた。9. 決勝点が幻に消えた10. 思いが宙に消えた
X が Yに入ったX が Y になった X が Y によってなくなった
1 ○ ✕ ✕2 ○ ✕ ✕3 ○ ✕ ✕4 ✕ ✕ ✕5 ? ✕ ○6 ○ ✕ ✕7 ✕ ✕ ○8 ? ○ ○9 ✕ ○ ✕10 ? ? ✕
Collocation test
6
Data Xが Yに消える
1. 患者が診察室に消えた。2. エルフの船が光の中に消え、3. ゆうは闇に消えた。4. テールランプが闇に消えた。5. ヒュウガが地割れに消えた。6. ヒュウガがビルの中に消えた。7. この火が雨脚に消えた。8. 生活費が飲み代に消えた。9. 決勝点が幻に消えた10. 思いが宙に消えた
X’s Semantic
roleIntentionality
Y’s Semanti
c role
1Agent
◎
Location2 ○
3 ○
4 Object ?? Causal
5 Patient ✕ Cause-Location
6 Agent ◎ Location
7 Object ✕ Causal
8 Object ✕ Cause-Result
9 Object ✕ Result
10 ? Object ✕ Location
7
Cluster Analysis (simple classification)
Disappearance消滅
Intransitive motion移動
Changing disappearance変動的消滅
Autonomous disappearance自律的自然消滅
8
Literature Review Restriction 1
What restriction? Verb or construction?A) Construction model: constructional polysemyB) Verb class model: lexical subordination
A) Analysis taken in advance of point under discussion B) Second-guess theory⇒Neither is sufficient⇒New description theory necessary
Re-modeling by considering meaning of noun ( cf. Generative lexicon )
9
Literature Review Restriction 2
Nakamoto, Lee, Kuroda ( 2006 ) claim that noun semantic class is deeply related to sentence meaning
11. 彼女もこれで主人にケーキを焼いたのだろう 12 a. 彼女はこれで旅行の前日にケーキを焼いたのだろう
b. 彼女はこれで息抜きにケーキを焼いたのだろうc. 彼女はこれでドラ焼きサイズにケーキを焼いたのだろうd. ?? 彼女はこれで新品の皿にケーキを焼いた( cf. 新品の皿で焼いた)
13 a. 太郎が神棚におみやげをあげた・・・移動b. 太郎が友達におみやげをあげた・・・所有
10
Research Question
1. Is there any correlation between noun and entire sentence meaning?
2. How to confirm?
11
Methods Target of experiment
To investigate contribution of noun meaning to entire sentence using actual language data
Problems1. Deciding sentence meaning2. Describing noun in detail.3. Determining contribution
Alternative plan Adopt dominant descriptions as determined by six native speaker
s. Describe by thesaurus-based semantic class (using 「日本語語
彙大系 (NTT) 」 ) Determine contribution of each element (decision tree) using stati
stical method
12
Independentvariable
Modeling Cycle of analysis
Data analyzed by CHASEN
Decision on sentencemeaning
Identification of noun semantic
Decision tree analysis
Dependent variable
SamplingRaw data
Coding Analysis
Data search by KH coder
13
Experiment data Corpus :新潮文庫 (Shincho Bunko)100 冊 text editio
n Size of corpus:
Total no. of words: 4,621,329 Type frequency: 61,459 Number of average appearances: 75.19 Standard deviation: 2223.38
Sampling KWIC (Keyword in context) search of 「 X が Y に V する」 patt
ern: 2,745 token frequency examples were collected
14
Frequency distribution
Verb Frequencyなる 285いる 91来る 69入る 62:: ::
焼きつく , 宿る , 集まる , 迫る , 浮かび上がる ,
失敗する1
Example 動詞集計
0
50
100
150
200
250
300
なっ
なる 来 出
なり い
立っ
入っ
つい
あっ
ある
いる
行っ き
入る
なら
行く
浮ん
残っ
つく
いっ
はい
っ向
っ来
る見
える
見え
しみ
落ち
帰っ
訊い
戻っ
言っ
かか
っ坐
っか
かる
あり
立ち
迫っ
生れ
むか
っの
っくる 出る
光っ
みち
つき
かけ
入り
当っ
乗っで
聞い
答え
死ん
現わ
れ 居会
っつ
かた
っき
まっ
話し
かけ
話し
流れ
満ち
変っ
浮ぶ
入れ
入ら
着い
触れ
触っ 似
映っ
はい
るあ
らわ
れ(
)空
白沁
み 和立
つ湧
い訪
ね聞
こえ
聞え
る聞
え分
れ附
い濡
れ 着く
成る
成っ
消え
出来
出張
出か
け持
っ残
る 行向
う近
づい
起り
廻る
応じ
ふれ
なれ
とど
くで
るつ
かえ
かか
りい
らっ
いく
あふ
れ沁
みる
歩い
変り
並ん
舞い
漂っ
飛ん
反対
反抗
派遣
倒れ
登っ
伝わ
っ通
じ追
突知
れ代
っ続
い走
り 随 浸触
れる
乗る
乗り
込ん
充ち
死ぬ
砕け
困っ
行か
向か
っ光
る傾
い喰
わ近
づく
響く
居る
去っ
輝い
起っ
帰る
云っ
云い
溢れゆく
やっ
てく
まわ
っの
ぼっ
なろ
とる
とま
っつ
づい
たつ
しみ
るこ
たえ
かくれ
る おい
い甦
っ流
れる
来い
戻る
戻ら
鳴っ
命中
没す
る膨
らん
放り
放た
報告
報い
変る
別れ 聞く
分る
浮び
浮か
ぶ浮
い病
気飛
びつ
い爆
発任
せ当
る投
げつ
け転
じ吊
し沈
ん張
り 着達
する待
っ訴
え染
まる染
っ説明誓
っ生
き整列
成功 成垂
れ侵
入伸
び乗
ら 乗上
っ紹介
笑い
か照
っ消
え去
っ消
える
出来
る出
入り
出す
出し
重な
っ充
満集
まっ
集っ
襲い
か終
っ就
任就
い刺さ
っ残
り散
る在
っ坐
り困
る告
げ合
っ降
る降
っ向
け交
っ語
りか
け現
われ決
っ欠
け計画
喰い
近づ
き詰
っ帰
り寄
附関
わる
慣れ感
じ廻
っ会
い加
わっ
横た
わっ
沿っ
洩れ
る影
響移
っ依
っわ
たる
わか
らよ
っや
って
きも
れも
たむ
かう
みえ
るま
みれ
ひろ
がっ
ひび
いひ
っか
はな
れは
いら
のび
とま
ると
びこ
んで
かけ
つま
っつ
かっ
ちら
つく
たか
った
えす
すみ
しが
みつ
さわ
っさ
しこ
んこ
ろが
っこ
みあ
げこ
びり
つき
いか
わっ
から
んか
くか
えっ
おり
おも
むき
おっ
おち
おこ
っう
つっ
いら
いう
あわ
せあ
ふれ
るあ
がっ 銜 齎
譬え
る縋
り祟
っ瑕炸裂 漾
滲み
る滲
み沁
む揉
ま拵
え 戮罹
り 憑慄嗄
れ呻
き呻
い 凭 倚佇
ん腕話そ
話す
話し
かけ
話し
かけ
露出劣
る列
なっ 類
留学
流行
流れ
出し
流れ
込立
と立
て替
立て掛
立ち
並ん
立ち
こめ
乱れ
飛乱
れ落
ち込
ん落
ちる
落ちよ
絡ん
頼ん頼
り浴
びせ養
う踊
り溶
け与
っ湧
き有
ろ有
ら 有優
る約束
野火
夜学問
う戻
り目ざ
し木霊
鳴る迷
っ命
じ密
生未
来永
満遍
なく
満足満
埋ま
る埋
っ勃
発吠
え褒めそ
縫え抱
い奉職奉公 包倣
う暮
れ捕獲
保障
編入
変貌
変色
変化
並び
分り
分ら
分っ
伏す
舞踏
舞う
舞い
あ附
し附
か附賦与
負け
る負
け腐
っ浮べ
浮び上
る浮
び上
っ浮
びあ
浮き
立っ
浮か
び 浮普及敷
い付
け加付
い 瀕病院描
い漂
う漂
い必要
飛び
出し
飛ば
す 飛秘蔵
批評
氾濫叛
反撥
反射
反逆
反映溌溂
迫る
薄れ 白く
泊り
這入
り背嚢
背後 背く
馬鹿馬燃
え熱
中濡
れる
入浴
入学 入
馴れ 届く
届い
突入
突っ
込む
突き
出し
突き刺
し突
きだ
し突
き 突禿
げ導
い同情
同行
動じ
動く
動い
働い透
い逃
げ出
し踏
ん踏
み入
踏み到
着当
てる
東条
投薬
投げ
怒鳴
っ登録
登場
登ら
渡る渡
っ伝染
点々
転が
り 転貼
り添
っ適
応 停吊
る通牒
通り
通ら
通っ痛
く追付
い追
いす
沈み
直面
直結
脹れ 聴
注目
注意注
い忠
告着水
着き
遅れ置
き置
い知
れる
知らさ
知ら
知っ
弾ぜ辿
り達
しよ
代り
替る替
っ待設
け帯
び対面存在
属す
る即
し贈
っ増
え遭
っ蘇
る前方前後閃く
潜入染
ん染
みる
染み
染ま
っ専心
折れ
る積
ん積
み積静止
青ざめ盛
り生
まれ
生じ
生き
なが
成ら
据え酔
っ吹
き込
ん吹
き込
陣鉢山
陣取
っ尽
きる
尋ね
進入進駐
進攻進
ん進
み出
親し
む浸潤
心服
心地よ
寝そべ
っ 寝食
み触
れれ飾
っ乗
り上
げ乗
り移
る乗
り移
っ乗
り乗
っか
っ上陸上
げ上
がっ
衝突笑
う照
る焼
け焦焼
け消滅昇
り 承勝
てる
勝つ勝
っ述べ
出発
出向
き出
向い
熟れ宿
っ渋
っ従
う従
い充
て住
ん住
む住
みつ
く集
中 集 就く
受け取
っ手渡
す手
ぬか
り手取組
む取
り分
け 取主
張若干 捨射
す写
っ失敗
執着示
し持
つ持
ち去
っ持
ち似
通う
賜っ
止れ止
り止
まる
止ま
っ止
っ思
い志
し始め
始ま
っ 刺使用
使っ
使う
残ら
賛成産
ん散乱
散らば
り参内
参加参
り参
っ殺到索
作用
作り
あげ作
っ咲
い在勤載
っ済
ま塞
がり
再生座
り座
っ 混困
ら込
み上
腰か
け克明轟
き合宿合
う降
りそそ降
り行
ける
行き
考え
つい
考え 綱
抗っ口
光り
輝く
光り
交渉
語り
かけ
御覧
枯れ
呼び
い言
い聞
現れ減
る減ず
る見
出し
見つ
かっ献
じ懸
っ建
て結晶
結び
つこ
結っ
繋が
る繋
がっ
遇っ遇
う駆
け近寄
り近
づこ 欣
勤め
る曲
っ驚
い響
い怯
え強
い叫
ん居
残る窮朽
ち休
ん起
ら起
き記
し気
づか
帰還
寄港寄
っ寄
せか寄陥
る陥
り還
っ 感喚
ぶ巻
き乾
き活
動割
り込
ん掛
っ拡
がり
拡が
っ該
当開業開
け開
き回復解決解
ろ解
っ解
ける
会う
霞ん
霞む
課す
る課
し嫁ぐ
加わ
る加
わり化
し化
け下宿
下が
っ横
行応酬
応え
汚れ延
び謁盈
ち洩
れ映
る映
じ云
う隠
れ引受
ける
逸れ
溢れ
る育
ち遺
し萎
れる
移る
移り
依存握
っ愛
し合
いわ
なな
いわ
が国
わか
れわ
かる
わか
っわ
いよ
るよ
りよ
らよ
せゆ
れゆ
こゆ
きゆ
がみ
やっ
て来
もど
っも
つれ
るも
つもぐ
りこ
もぐ
っも
えめ
り込
んめ
くるみ
なぎ
りま
たが
れま
くれまぎ
れ込
まぎ
れこ
まか
せほ
とび
るほ
てっ
ほぐ
れふ
わふ
ふれ
るぶ
るぶ
るふ
るえ
るふ
りか
ふり
かぶ
らさ
がぶ
つか
るぶ
つか
りぶ
つか
っぶ
っひ
ろが
りひ
れふ
ひる
がえ
ひる
がえ
ひらひ
らひ
らけ
ひら
いひ
びく
ひび
かひ
きと
るは
れあ
はり
つく
はみ
出し
はな
すは
てぱ
っくり
ハッキリ
はっ
きり
はさ
まっ
はい
りは
いの
るの
りのめ
りこ
のび
るの
っと
っの
しか
ねば
っね
ころ
んね
がう
にじ
りに
あう
なれ
るな
りゃ
なら
んな
らっ
なら
すな
らい
なや
んな
びか
なび
いな
じめ
なぐ
りとも
ない
とめ
とび
こむ
てら
てら
てま
どっ
でき
あが
でき
でか
ける
でか
けよ
つん
つる
しつよ
くつ
まず
きつ
まつ
ぶれ
つな
がつ
たわ
っつ
かま
っつ
かえ
るち
らつ
きた
れた
まっ
たど
りつ
たち
はだ
たず
ねた
しな
みそ
れそ
びえ
せま
りせ
まっ
すわ
っす
むすべ
りこ
すすめ
すぐ
れる
すき
とお
すが
るす
がり
すが
っし
みこ
むし
みこ
みさ
しこ
むさ
しか
さし
あげさ
しさ
げさ
から
っさ
えぎ
っこよ
こま
かく
こび
こし
らえ
くれる
くれくる
んくっ
つい
くっき
りくつ
がえ
くだけ
るくい
こん
きらめ
くき
らめ
きき
らめ
いき
たん
きし
りき
こえ
るき
こえよ
かわ
らが
らが
らか
らか
っかよ
いが
まん カッ
かた
まっ
かこ
まか
けよ
かけ
つけ
かくれ
かか
らか
がや
かえ
おり
るおよ
んおよ
ぼす
おど
っお
ちる
おち
いり
おさ
まり
おか
うも
れう
まく
うなだ
れ うと
うつ
りう
たう
うず
くう
きあ
うか
んう
かぶ
うか
びあ
いら
っいよ
いっぱ
いい
ただ
くあ
ろあ
らわ
れあ
らわ
あて
あつ
まる
あた
りあ
たっ
あが
るあ
うあ
い
count ( )すべて
/ count合計
R1
ここに系列のフィールドを追加します
15
Variable list1. Category in natural classification:
1. Agent 主体 , 2. Concrete object 具体物 , 3. Abstract relation 抽象関係 , 4. Event 事 , 5. Location 場所 , 6. Abstract object 抽象
2. Origin and generation of object:7. Natural object 自然物 , 8. Artificial object 人工物 , 9. Animate object 生物 , 10. Inanimate object 無生物 Variable to express X ( が格 ): 6, 7, 8, 9, 10 Variable to express Y ( に格 ): 1, 2, 3, 4, 5, 6
16
Statistical analysis Decision Tree
1. A predictive model. It connects observations about an item to the item's target value.
2. Each interior node corresponds to a variable; an arc to a child represents a possible value of that variable.
3. A leaf represents the predicted value of target variable given values of variables represented by the path from the root.
http://en.wikipedia.org/wiki/Decision_Tree
17
Evaluation by six participants
Six possible meanings 様態 (depictive), 存在 (existence), 移動 (motion),
知覚 (perception), 変化 (change), 働きかけ (causative)
Participants decisions varied ⇒ Necessary to differentiate.
⇒ Agreement rate used to “weight”
18
Parameters Dependent variables
Nominal value {depictive, existence, motion, perception, change, causal}
Independent variables Nominal value of noun semantic class
Weighting: evaluation agreement rate Algorithm for decision tree: CHAID ( chi-squared automa
tic interaction detection)
19
0102030405060708090
100
移動 存在 知覚 働きかけ 変化 様態
Frequency distribution of evaluations
彼女は玄関に駆け込んだ。エーゲ海が南にある。 過去にさかのぼったような感覚が私の中にあった。
一都市の陥落が一国家の滅亡につながる 女が砂に埋まって・・父の目が怒りに燃えている
Motion Existence Perception Causal Change Depictive
20
Agreement rate of evaluationAgreement rate is high and result of evaluation is steady
Agreement rate is low and result of evaluation is unstable
21
Y:[±location]
Y:[±agent]
Y: [±concrete object]
X:[±animate]
Perception construction
Motion constructio
n
Causative constructio
nChange construction
Depictive construction
Y[±abstract object]
Decision tree
22
Classification result
Predictive value
Motion Existence Perception Causal Change DepictiveCorrect answer rate
Motion 41 0 5 1 4 6 71.9%
Existence 18 0 3 0 7 12 0.0%Perception 1 0 11 2 5 10 39.5%
Causal 5 0 4 47 10 17 56.6%
Change 4 0 0 5 32 20 52.5%Depictive 10 0 2 2 15 55 65.5%
Obse
rvat
ion
valu
e
23
Classification result
Predictive value
Motion Existence Perception Causal Change Depictive
Motion 72% 0% 9% 2% 7% 11%
Existence 45% 0% 8% 0% 18% 30%Perception 3% 0% 38% 7% 17% 34%
Causal 6% 0% 5% 57% 12% 20%
Change 7% 0% 0% 8% 52% 33%
Depictive 12% 0% 2% 2% 18% 65%
Obse
rvat
ion
valu
e
24
Discussion Results
1. Motion construction is very steady2. Attribute of Y as location influences the divergence of entire
data3. Attribute of an abstract relation and event does not influence diverg
ence of entire data4. The motion construction and existence construction cannot be disti
nguished by noun semantic class alone5. Agent and concrete objects of Y are important in perception constr
uction6. Change construction and depictive construction are separated by s
emantic class of subject⇒ Noun meaning class of a noun is systematically related to sentenc
e meaning
25
Conclusion Defining Japanese construction or
constructional sentence patterns requires information related to the meaning class of the noun.