词如何组成句子

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。

层级分组的位置也因语言而异。英语关系从句跟在名词后面，常用 that 或 who 引出：the man that I saw。汉语用「的」把修饰语放在名词前面：「我看见的人」。同一套「核心名词加关系从句」关系，线性顺序完全相反。

这说明空格和从左到右的阅读习惯，都不能直接当成结构本身。WALS 把关系从句相对名词的位置列为跨语言变量：汉语属名词前修饰，英语属名词后修饰。所谓「词排成一行」，只是某一种书写和某一种语序的表面。

听者也不会等句子结束再分组。英语里最常被讨论的花园径句子，是 Bever 1970 年写进《语言结构的认知基础》的 The horse raced past the barn fell。读到 raced 时，人往往先把它当谓语；走到 fell 才发现 raced 其实是修饰 horse 的分词，前面那条路走不通了。

Frazier 与 Rayner 1982 年用眼动记录到：读者在解歧位置的第一次注视就已经变长，说明结构承诺发生在阅读当下。花园径不是文字游戏，而是实时加工必须做结构选择的证据。过程细节见psycholinguistic-processing。

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。

结构主义语言学曾给出一个可操作的定义。Bloomfield 1933 年在《语言》里把词写成「最小自由形式」：可以单独作为话语出现，又不能再全部拆成更小的自由形式。英语 the 很难单独成句，汉语「的」也很难单独成句，两者按这个标准都接近附着成分。

这个定义澄清了日常直觉，却立刻碰上附着、离合和缩合。标准本身是可检验的，适用范围却不是全球同一把尺子。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。

「的」在学校语法里常被叫做助词，分布上却更像一个把前面整块结构接到名词上的标记。英语 that 有时是关系化标记，有时是补足语标记，有时是指示词。同一书写形式跨几种分布，说明词类标签必须跟着结构行为走，不能只看词典词性。

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。

「打开盒子的孩子」里，「的」把「打开盒子」整块接到「孩子」上；英语 the child that opened the box 则把 that 从句接到名词后面。谓词「打开」的论元关系不变，变的是关系从句挂在哪一侧。语序和从属标记是实现关系的手段，关系本身才是组合要抓住的东西。

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。

关系从句挂在名词哪一侧，只是语序资源的一种用法。格标记丰富的语言往往让从句内部的角色更少依赖这个位置，语序就可以腾出来编码话题或焦点。形式手段可以替换，从属关系不能不编码。

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。提问测试问这串词能否被「什么」整块提问，分裂句测试看它能否进入「是……的」一类焦点结构。

以「我看见拿望远镜的人」为例。「拿望远镜的人」可以被「他」替换，也可以作为「看见」的对象一起提问；「看见拿」则两项都不通过。英语 the man that I saw 同样能整块被 he 替换，that I 却不能。测试针对的是分组，不是词的个数。

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。汉语的「的」字短语和英语的 that 从句尤其容易让单一测试互相打架，必须多项汇合。

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。

句子还能把已经组好的结构再嵌进同类结构。英语可以说 the man that saw the woman that left；汉语可以说「看见那个拿着望远镜的人的孩子」。这种自我嵌套就是递归：同一类运算对自身的输出再使用一次。

生成语法在 1990 年代把这种组合写成 Merge：把两个句法对象合成一个新对象，并允许对结果反复套用。Chomsky 1995 年的《最简方案》把 Merge 当作基本组合运算，用来把「有限手段产生无限句子」写成可检验的步骤，而不是一句口号。它是否是人类语言的唯一核心运算，至今仍有争论，细节见grammar-theories。

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。

口语的语调边界常常对应成分边界，却不总是一一对应。花园径在无标点的口语里同样发生：韵律可以帮助，但不能保证听者选对结构。手语则用停顿、眉毛和身体转向提示成分范围，这些标记是语法信号，不是情绪装饰。

因此“句子”是一种语言结构单位，而不只是句号之间的文字。判断一串信号算不算句子，要看它能否独立承载谓词—论元关系，以及边界标记是否把成分包在一起，而不是看纸上有没有句号。

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。

儿童会把新词填进已有框架，也会把已有框架再套一层，形成成人输入里未必整句出现过的嵌套。输入频率影响掌握的早晚，却不能单独解释他们为何能把从未听过的组合判为可能或不可能。结构不是等学完词表再另装的模块。

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。

子词算法会把英语 that 切成独立 token，把汉语「的」也切成高频单字。两者在语言学上都接近功能成分，工程切分却只是频率的影子。评估时必须问：模型学到的是结构关系，还是标记的统计共现。

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。自动标点尤其不能回写进语料：它可能把花园径或口语截断「修好」，让后来的分析者看不到真实结构线索。

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。花园径、截断和接话都是合法资料：它们显示结构在时间中如何被建立、放弃和修复。书面例句把「的」和 that 放在干净位置，对话里这些标记却常被吞掉、重复或改口。听者仍能恢复关系，说明结构知识不只存在于完整的书面句中。

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.
• Bloomfield, Leonard. Language. Henry Holt, 1933.
• Bever, T. G. “The Cognitive Basis for Linguistic Structures.” In J. R. Hayes, ed., Cognition and the Development of Language. Wiley, 1970.
• Frazier, Lyn, and Keith Rayner. “Making and Correcting Errors during Sentence Comprehension: Eye Movements in the Analysis of Structurally Ambiguous Sentences.” Cognitive Psychology 14(2), 1982: 178–210.
• Chomsky, Noam. The Minimalist Program. MIT Press, 1995.

延伸阅读#

• Tallerman, Maggie. Understanding Syntax. 5th ed., Routledge, 2020.
• Pinker, Steven. The Language Instinct. William Morrow, 1994.