句子不只是词排成一行
看见一句话写在纸上，我们容易以为空格分出词，词从左到右排好，句子结构就完成了。但许多语言不使用空格分词；口语信号也没有在每个词边界自动停顿。
更重要的是，句子具有层级。某些词先组成短语，短语再与其他成分组合。同一串词若有不同分组，就可能产生不同解释。
例如“我看见拿望远镜的人”可以表示我使用望远镜看见某人，也可以表示我看见一个拿着望远镜的人。词序未变，结构关系却不同。
什么算一个词
“词”在日常中直观，在跨语言分析中却有多个标准。书写词由空格等正字法边界确定；音系词可能拥有自己的重音或声调范围；形态词是词缀附着和形态变化的单位；句法词则在移动、替换等结构操作中表现为单位。
这些边界不总重合。汉语的离合结构、英语缩合形式、法语附着成分以及多式综合语言中的复杂词，都说明“词”不是一个放之四海皆准的单层盒子。
研究者因此要说明正在使用哪个标准。不能因为一种语言的书写习惯没有空格，就断言它没有词；也不能把英语式空格直接当成自然语言的普遍单位。
词类是分布模式
名词、动词、形容词等词类不是单凭“事物、动作、性质”的意义标签。一个表示事件的词可能在语法上是名词，一个表示性质的词在某语言中可能表现得像动词。
更可靠的方法是看分布和形式：某词能与哪些成分组合，能否承担谓语，是否接受时态、数或格标记，能否被特定修饰语修饰。
不同语言的词类系统并不完全相同。跨语言比较需要先描述本语言中的证据，再讨论类别之间能否对应，而不是强迫所有语言复制拉丁语或英语教科书的分类。
组合需要关系
词进入句子时承担不同关系。谓词表达事件、状态或关系，论元填入参与者位置，附加语补充时间、地点、方式等信息。
“孩子打开盒子”中，“打开”通常要求理解一个行动者和一个被打开对象；“孩子在下午小心地打开盒子”增加的时间与方式信息更自由。
这种差别解释了为什么某些缺项让句子难以理解，而另一些信息可以省略。它也连接词义和句法：词汇意义会限制可能结构，句法结构又帮助听者确定谁对谁做了什么。
语序重要，但不是全部
世界语言常按主语、宾语和动词的基本相对顺序分类，但所谓“基本语序”是统计与语用条件下的概括，不表示每句话都固定如此。
有些语言主要依靠语序表示关系，有些语言用格或一致标记保留角色信息，因此语序更容易随焦点和话题变化。还有语言允许省略可以从语境恢复的论元。
所以不能把“语序自由”理解为没有语法，也不能把“语序固定”理解为没有信息结构。形式资源分配不同，约束仍然存在。
成分怎样被发现
语言学家用多种诊断寻找哪些词构成一个成分。替换测试问一串词能否被代词或其他单位替换；移动测试看它们能否在某些结构中一起改变位置；并列测试看相似单位能否连接。
任何单一测试都可能受其他因素干扰。某成分不能移动，未必说明它不是成分；可能是该语言不允许相应移动，或信息结构不合适。
因此层级结构来自多项证据的汇合，而不是仅凭把括号画得漂亮。syntax会进一步解释短语结构、依存关系和长距离联系。
句子的意义怎样组合
理解新句子需要利用已知成分和组合方式。一个基础原则是组合性：复杂表达的意义与组成部分及其组合结构系统相关。
但现实理解不只做形式计算。代词指谁、含糊词取哪个义、说话者是否在讽刺，都需要语境、共同知识和互动目标。semantics研究编码意义的结构，后续语用学则研究语境推理。
组合性不是说每个词永远只有一个固定意义。它要求理论说明多义、习语、隐喻和省略如何被约束，而不是把所有解释都推给直觉。
口语、手语和文字中的句子
口语用语调、停顿和重音提示结构，手语用空间、节奏和非手部标记组织成分。文字通过空格、标点和版式给出另一套边界线索。
这些线索可能互相补充，也可能不完全一致。一段文字的标点是编辑选择，不等于说话时唯一可能的结构；手语的同时性也提醒我们，句子组织不必全部排成声音的一条时间线。
因此“句子”是一种语言结构单位，而不只是句号之间的文字。
从直觉走向分析
分析句子可以依次问：有哪些可重复形式？哪些形式共同构成单位？每个成分与谓词是什么关系？形式变化如何改变解释？还有哪些结构也能解释同一资料？
对母语句子的直觉是重要数据，但不是最后裁决。直觉受语境、书面规范、任务设计和个体差异影响，需要自然语料、诱导实验与跨语言材料共同校准。
接下来，morphology进入词内部，syntax进入层级关系，semantics解释结构如何限制意义。三者不是彼此孤立的章节，而是同一组合问题的不同尺度。
儿童怎样发现结构
儿童不会先得到词表再单独学习组句规则。他们从反复出现的框架、语调边界、共同场景和词形交替中同时归纳单位与关系。
高频表达可能先以整体模式出现，随后被分解并推广。儿童产生从未听过的组合，说明学习最终超越固定模仿；他们对少见结构的掌握又显示输入频率和语义透明度仍然重要。
不同理论对抽象出现多早、初始表示包含什么有分歧。可检验比较应预测儿童在新词、陌生结构和不同语言输入下会怎样推广。
机器切分为什么困难
自然语言处理常从“分词”开始，但这个工程步骤已经包含语言理论。按空格切分会把某些语言的多语素词当成一个单位，也会在汉语等文本中失去显式边界。
子词算法根据字符频率建立片段，能减少未知词，却不保证片段对应语素或说话者知识。不同语言因文字和数据量不同，会被切成非常不同的长度，从而影响成本和模型表现。
评估切分不能只看下游分数，还应检查人名、复合词、黏着形态和混合文字。工程便利的 token 与语言学中的词、语素、音节必须明确区分。
标点不是句法本身
书面句号、逗号和分段帮助读者恢复结构，但作者可用不同标点表达同一语法关系。口语的语调单位也不总与书面句子一一对应。
分析历史文本、聊天或自动转写时，缺少标点不能被当作缺少句法。相反，自动添加的标点可能把模型解释错误伪装成原始资料。
研究者应保留原始形式，并把编辑标点与语言材料分层记录。
从例句到真实话语
孤立例句适合控制结构，却隐藏修正、重复、接话和共同注意。真实对话中，说话者可以分几轮完成一个句法计划，听者也会在中途预测并反馈。
口语中的截断不必是能力不足，它可能因为对方已经理解、说话者改换计划或轮次被接走。分析者应区分语言系统允许什么、实时使用发生什么以及书面编辑保留什么。
把三层资料结合，才能避免用完美书面句子代表全部语言，也避免从偶然口误推出语法规则。
跨域连接
- 语言哲学：句子的意义由部分的意义与组合方式决定——组合性原则最初是哲学与逻辑学的命题，后来成为语义学的工作假设。它之所以重要，是因为它解释了有限词汇如何产生无限句子；它之所以有争议，是因为习语与语境依赖持续构成反例。
- 自然语言处理：「机器切分为什么困难」在工程上是分词问题，而困难的根源是语言学的：「词」本身就没有跨语言统一的定义。中文没有词间空格，德语有长复合词，越南语的空格切分的是音节——把空格当词界，是把英语的正字法习惯当成语言事实。
- 形态学 与 句法：词类是分布模式而非语义类别（「破坏」和「破坏性」表达相近概念却属不同词类），而判定分布要同时看词内组合与词间组合——这正是形态与句法的交界处，也是「什么算一个词」在不同语言里答案不同的原因。
- 手语结构：口语、手语和文字中的句子边界依据不同。手语用韵律标记（停顿、眉毛、身体转向）划分句子，文字用标点——而标点不是句法本身，它是后加的书写约定，这一点在处理口语转写时经常被忘记。
- 第一语言习得：儿童必须从连续输入中同时发现词边界与结构，两个问题互为线索——知道哪些是词有助于发现结构，而结构预期又帮助切分词。这种相互引导，是纯粹自下而上的切分模型难以复现的。
参考文献
- Carnie, Andrew. Syntax: A Generative Introduction. 4th ed., Wiley-Blackwell, 2021.
- Haspelmath, Martin, and Andrea D. Sims. Understanding Morphology. 2nd ed., Routledge, 2010.
- Kroeger, Paul R. Analyzing Syntax: A Lexical-Functional Approach. Cambridge University Press, 2004.
- Dryer, Matthew S., and Martin Haspelmath, eds. The World Atlas of Language Structures Online. Max Planck Institute for Evolutionary Anthropology.