110 年 國立臺灣大學語言學研究所《語言與計算方法》

核心觀念

本題評量數理邏輯與計算語言學中的基礎編碼理論——哥德爾數（Gödel numbering）。其核心概念與運作機制如下：

1. 算術化（Arithmetization）：哥德爾為了在形式算術系統內部討論公式本身的語法結構，設計了一對一的編碼函式，將每個基本符碼（符號）映射到一個唯一的自然數，稱為該符碼的「基本編碼」或「符碼數」。
2. 句式的唯一因數分解（Unique Factorization）：對於由 $n$ 個符碼組成的邏輯字串 $s_1 s_2 \dots s_n$，其對應的哥德爾數定義為由前 $n$ 個質數組成的乘積，其中第 $i$ 個質數 $p_i$ 的指數即為該位置符碼 $s_i$ 的基本編碼：

$$G(s_1 s_2 \dots s_n) = \prod_{i=1}^{n} p_i^{c(s_i)} = p_1^{c(s_1)} \times p_2^{c(s_2)} \times \dots \times p_n^{c(s_n)}$$

依據算術基本定理（正整數唯一分解定理），任何給定的哥德爾數都能被唯一反解出原始的符碼序列，保證了形式語言與算術系統之間的單射（injective）對應。

---

解題方法

題幹特別說明「表一中符碼與編碼的對應是打亂次序的」，代表表一僅提供了「符碼集合」與「編碼數值集合」，真實的對應關係必須透過表二中已知的「邏輯式」與「哥德爾數」進行比對與破譯。

步驟一：由表二第四列解碼已知符碼

表二第四列已知：

• 邏輯式：$\sim(\exists x).K(x)$
• 哥德爾數：$2^{1} \times 3^{8} \times 5^{4} \times 7^{11} \times 11^{9} \times 13^{7} \times 17^{24} \times 19^{8} \times 23^{11} \times 29^{9}$

依序對應質數基底與字串位置：

• 第 1 個符碼 $\sim \iff p_1 = 2$，指數為 $1 \implies c(\sim) = 1$
• 第 2 個符碼 $($ $\iff p_2 = 3$，指數為 $8 \implies c(() = 8$
• 第 3 個符碼 $\exists \iff p_3 = 5$，指數為 $4 \implies c(\exists) = 4$
• 第 4 個符碼 $x \iff p_4 = 7$，指數為 $11 \implies c(x) = 11$
• 第 5 個符碼 $)$ $\iff p_5 = 11$，指數為 $9 \implies c()) = 9$
• 第 6 個符碼 $.$ $\iff p_6 = 13$，指數為 $7 \implies c(.) = 7$
• 第 7 個符碼 $K \iff p_7 = 17$，指數為 $24 \implies c(K) = 24$
• 第 8 個符碼 $($ $\iff p_8 = 19$，指數為 $8 \implies c(() = 8$（與第 2 位一致）
• 第 9 個符碼 $x \iff p_9 = 23$，指數為 $11 \implies c(x) = 11$（與第 4 位一致）
• 第 10 個符碼 $)$ $\iff p_{10} = 29$，指數為 $9 \implies c()) = 9$（與第 5 位一致）

步驟二：由表二第一列解碼更多符碼

表二第一列已知：

• 邏輯式：$(\exists x).x = sy$
• 哥德爾數：$2^{8} \times 3^{4} \times 5^{11} \times 7^{9} \times 11^{7} \times 13^{11} \times 17^{6} \times 19^{15} \times 23^{13}$

比對後續符碼：

• 第 6 個符碼 $x \iff p_6 = 13$，指數為 $11 \implies c(x) = 11$
• 第 7 個符碼 $=$ $\iff p_7 = 17$，指數為 $6 \implies c(=) = 6$
• 第 8 個符碼 $s$（即表一之直接繼數 $S$）$\iff p_8 = 19$，指數為 $15 \implies c(S) = 15$
• 第 9 個符碼 $y \iff p_9 = 23$，指數為 $13 \implies c(y) = 13$

步驟三：由表二第二列解碼全稱量號

表二第二列已知：

• 自然語言：Every $x$ is kind
• 哥德爾數：$2^{8} \times 3^{5} \times 5^{11} \times 7^{9} \times 11^{7} \times 13^{24} \times 17^{8} \times 19^{11} \times 23^{9}$

還原其符碼序列：
$c=8$ (() $\to c=5$ ($\forall$) $\to c=11$ (x) $\to c=9$ ()) $\to c=7$ (.) $\to c=24$ (K) $\to c=8$ (() $\to c=11$ (x) $\to c=9$ ())

• 得到全稱量號編碼：$c(\forall) = 5$
• 得到該列邏輯式為：$(\forall x).K(x)$

步驟四：消去法還原剩餘符碼之編碼

表一所列全部符碼共 14 個，編碼數值集合為 $\{1, 2, 3, 4, 5, 6, 7, 8, 9, 11, 13, 15, 24, 49\}$。
目前已確定：

$$\sim: 1,\; \exists: 4,\; \forall: 5,\; =: 6,\; .: 7,\; (: 8,\; ): 9,\; x: 11,\; y: 13,\; S: 15,\; K: 24$$

尚未配對的數值為 $\{2, 3, 49\}$，尚未配對的符碼為 $\{v, \supset, W\}$。

核心觀念

本題考查數理邏輯與計算理論中著名的哥德爾編碼（Gödel numbering）與語法算術化（Arithmetization of Syntax）機制。核心依據為數論中的算術基本定理（Fundamental Theorem of Arithmetic，又稱唯一質因數分解定理）。

1. 語法算術化：將形式語言系統中的符碼（symbols）與合式公式（well-formed formulas, WFF）轉換為唯一的自然數，使得「對邏輯公式的後設操作與證明」可完全轉化為「自然數之間的算術運算與關係」。
2. 算術基本定理：任何大於 $1$ 的自然數，若非質數，皆可唯一分解為質數冪次的乘積（不計因數順序）。此性質保證了由符碼序列轉為數字之映射具有單射性（injectivity）與完全可逆性（invertibility / decodability）。

---

解題方法

本函式 $G$ 的運作流程分為「編碼（Encoding）」與「解碼（Decoding）」兩個對稱的數學機制：

一、 編碼流程（Encoding）

設形式語言的符號集為 $\Sigma$，一條長度為 $n$ 的邏輯句式可表示為有限符碼序列 $S = s_1 s_2 \dots s_n$（其中 $s_i \in \Sigma$）。

1. 基本符碼編碼（Symbol Encoding）：
   定義一個雙射函式 $c: \Sigma \to \mathbb{N}$，替符號集中的每個基本符號指定一個固定的正整數編碼 $c(s_i)$。
   （例如題幹隱含之正確對照中：$\sim \mapsto 1$、$($ $\mapsto 8$、$\exists \mapsto 4$、$x \mapsto 11$ 等）。

2. 位置與質數對應（Positional Prime Assignment）：
   取自然數中的質數數列 $p_1, p_2, p_3, \dots, p_n$（即 $p_1 = 2, p_2 = 3, p_3 = 5, p_4 = 7, \dots$），以第 $i$ 個質數 $p_i$ 代表句式中由左至右的第 $i$ 個符碼位置。

3. 計算質數冪次乘積（Prime Factorization Product）：
   將每個位置對應的質數 $p_i$ 作為底數，該位置符碼的基本編碼 $c(s_i)$ 作為指數，並將各項相乘，得出代表該句式的唯一哥德爾數 $G(S)$：

   $G(S) = \prod_{i=1}^{n} p_i^{c(s_i)} = p_1^{c(s_1)} \times p_2^{c(s_2)} \times \dots \times p_n^{c(s_n)}$

二、 解碼流程（Decoding）

給定任一哥德爾數 $N$，由於質因數分解的唯一性，可嚴格還原原始句式：

1. 確定長度與位置：將 $N$ 連續被由小到大的質數 $p_1, p_2, \dots$ 試除，直到某個質數不再能整除 $N$ 為止，質因數的個數即為該公式的符碼長度 $n$。
2. 提取符碼：第 $i$ 個質數 $p_i$ 在 $N$ 中的最高次冪即為該位置之符碼編碼 $c(s_i)$，再透過查表反查 $c^{-1}(c(s_i))$ 即可還原符碼 $s_i$。

三、 實例運作驗證

以題幹表二第 4 筆資料為例：

• 邏輯式為 $\sim(\exists x).K(x)$，長度為 $10$ 個符碼：
  $(s_1, \dots, s_{10}) = (\sim,\ (, \exists, x, ), ., K, (, x, ))$
• 對應前 $10$ 個質數：$2, 3, 5, 7, 11, 13, 17, 19, 23, 29$。
• 查得各符碼編碼：$c(\sim)=1, c(()=8, c(\exists)=4, c(x)=11, c())=9, c(.)=7, c(K)=24$。
• 代入公式運作即得題幹之哥德爾數：

核心觀念

本題考查**構式搭配分析法（Collostructional Analysis）之核心理論、語料庫詞頻偏差（Frequency Bias），以及量化共現關聯度測量（Association Measures）**的運用。

1. 原始詞頻（Raw Frequency）的局限：
   原始共現頻率（Co-occurrence frequency）受詞彙本身的基礎底頻（Base frequency / Marginal frequency）影響極大。高頻動詞（如「好、收、包、加」）在整體語料庫中的出現次數本來就極高，因此即使與「起來」僅為常規搭配（如傳統趨向補語、結果補語），其共現頻率仍會輕易掩蓋新興或低頻用法。
2. 共現搭配強度（Collocation / Collostruction Strength）：
   構式語法（Construction Grammar）與語料庫語言學分析構式槽位（Slot）的吸引偏好時，應評估該槽位填充詞（Filler）與構式框架的關聯強度，而非僅看絕對頻率。常用指標包含：
   • 概似比檢定（Log-likelihood Ratio, $G^2$）
   • 費雪精確檢定（Fisher's Exact Test / Collostruction Strength, $-\log_{10} p$）
   • 互資訊量（Pointwise Mutual Information, $\text{PMI}$）
3. 歷時或次語料庫對比（Diachronic / Sub-corpus Comparison）：
   新興構式用法（Neologism / Constructional Change）具有創新性與突現性，在總體語料中屬於長尾分布（Long tail）。若未與代表傳統用法的基準語料（Reference corpus）做對照，便無法突顯其統計顯著的增長與偏好。

---

解題方法

針對甲同學的錯誤推論，應從「統計量化指標」、「語料庫設計與對照」、「前處理與特徵過濾」三個維度提供具體修正建議：

1. 引進構式搭配分析法（Collexeme Analysis）取代單純詞頻排序

單純列出「V-起來」的共現頻率，必然會被傳統用法（高頻詞）主導。應建立 $2 \times 2$ 列聯表（Contingency Table），計算動詞 $V$ 與構式 $[V\text{-起來}]$ 之間的吸引強度（Collexeme strength）：

	構式 $[V\text{-起來}]$	其他構式／非該構式	合計
動詞 $V$	$O_{11}$	$O_{12}$	$R_1$
其他動詞	$O_{21}$	$O_{22}$	$R_2$
合計	$C_1$	$C_2$	$N$

其中期望值為：
$E_{11} = \frac{R_1 \times C_1}{N}$

接著透過右尾費雪精確檢定（Fisher's Exact Test）計算 $p$ 值，並轉換為構式吸引度分數（Collostruction Strength）：
$\text{Collostruction Strength} = -\log_{10}(p)$

核心觀念

本題評量語料庫語言學（Corpus Linguistics）與認知構式語法（Cognitive Construction Grammar）中量化構式搭配關係的核心工具——**共現詞分析（Collexeme Analysis，Gries & Stefanowitsch, 2003）**之 $2 \times 2$ 列聯表（Contingency Table）設計，以及 Schmid（2000）所提出的雙向關聯指標：吸引度（Attraction）與相依度（Reliance）。

1. $2 \times 2$ 搭配列聯表架構

在構式搭配分析中，研究對象由兩個維度交叉構成：

• 詞彙維度（Lexical dimension）：目標共現詞（Collexeme $X$） vs. 語料庫中的其他動詞（All other collexemes $\neg X$）。
• 語法構式維度（Constructional dimension）：目標構式（Construction $C$，本題為「V-起來」） vs. 非目標構式（Other constructions $\neg C$）。

2. 指標的機率意涵

• 吸引度（Attraction）：構式對詞彙的吸引能力，定義為該構式槽位（Slot）中出現詞彙 $X$ 的條件機率：

$$\text{Attraction} = P(X \mid C) = \frac{\text{Freq}(X, C)}{\text{Freq}(C)} = \frac{a}{a+c}$$

• 相依度（Reliance）：詞彙對構式的依賴程度，定義為詞彙 $X$ 出現時落入該構式的條件機率：

$$\text{Reliance} = P(C \mid X) = \frac{\text{Freq}(X, C)}{\text{Freq}(X)} = \frac{a}{a+b}$$

---

解題方法

1. 填格推導與位置鎖定

題目已在右下角給定符號 $d$，並提供兩項指標的公式：

1. 確定 $a$ 的位置：
   分子皆為 $a$，代表兩者的共同交集，即「共現詞 $X$」出現在「V-起來構式」中的實際共現頻率（Observed Co-occurrence Frequency）。因此第一列第一欄必為 $a$。
2. 確定 $b$ 與 $c$ 的位置：
   • 根據 Reliance 公式：$\text{Reliance} = \frac{a}{a+b}$。分母 $(a+b)$ 代表共現詞 $X$ 在語料庫中的總出現次數（即詞彙 $X$ 的邊緣頻率 Marginal Frequency）。因為 $a$ 在第一列第一欄，故第一列第二欄（共現詞 $X$ 出現在非 V-起來構式）必須為 $b$，使第一列列總和（Row Total）為 $a+b$。
   • 根據 Attraction 公式：$\text{Attraction} = \frac{a}{a+c}$。分母 $(a+c)$ 代表「V-起來構式」在語料庫中的總出現次數（即構式 $C$ 的邊緣頻率）。因為 $a$ 在第一列第一欄，故第二列第一欄（其他動詞出現在 V-起來構式）必須為 $c$，使第一欄欄總和（Column Total）為 $a+c$。
   • 第二列第二欄已給定為 $d$，代表其他動詞出現在其他構式的頻率。

2. 表格各儲存格（Cells）之精確語言學解釋

• $a$：目標動詞 $X$ 出現在「V-起來」構式中的次數（例如：「投」或「E」出現在「投起來」、「E 起來」中的頻率）。
• $b$：目標動詞 $X$ 出現在語料庫中除「V-起來」以外其他語境／構式的次數（例如：「投球」、「投履歷」等非「投起來」之用法頻率）。
• $c$：語料庫中除目標動詞 $X$ 以外的所有其他動詞出現在「V-起來」構式中的次數（例如：「跑起來」、「動起來」、「買起來」等所有其他填入該構式的動詞頻率總和）。
• $d$：語料庫中除目標動詞 $X$ 以外的所有其他動詞出現在除「V-起來」以外其他構式中的次數（即語料庫中其餘動詞在其他一般語境下的頻率總和）。

核心觀念

本題考核語料庫語言學中的共現構式分析（Collostructional Analysis），特別是 Stefanowitsch & Gries（2003）所提出的**共現詞分析（Collexeme Analysis）**及其背後的統計假設與理論爭議。

在共現詞分析中，研究者透過 $2 \times 2$ 列聯表檢視特定詞彙 $V$ 與特定構式 $C$ 之間的吸引強度（Collostruction Strength），通常以費雪精確檢定（Fisher's Exact Test）的 $p$ 值（轉換為 $-\log_{10} p$）作為衡量指標：

	目標構式 $C$	其他構式 $\neg C$	邊際總計
目標動詞 $V$	$a$	$b$	$a+b$（動詞 $V$ 總頻率）
其他動詞 $\neg V$	$c$	$d$	$c+d$（其他動詞總頻率）
邊際總計	$a+c$（構式 $C$ 總頻率）	$b+d$（其他構式總頻率）	$N$（語料庫中動詞/子句總量）

各儲存格的定義如下：

• $a$：目標詞 $V$ 出現在目標構式 $C$ 中的次數。
• $b$：目標詞 $V$ 出現在其他構式中的次數。
• $c$：其他動詞出現在目標構式 $C$ 中的次數。
• $d$：其他動詞出現在其他構式中的次數。
• $N = a + b + c + d$：列聯表所定義的整體母體大小。

認知語言學家 Joan Bybee（2010: 98）對列聯表中 $d$（以及由其推導出的構式總數）之有效性提出質疑，其核心理由為「同一個語句在構式語法（Construction Grammar, CxG）的框架下，往往同時體現多個重疊、階層化且巢狀的構式」，因此客觀上不存在一個離散且可窮舉的「構式總數」計數標準。

---

解題方法

本題為認知語言學與計算語料庫方法的跨領域申論題。解題關鍵在於分為兩層次切入：第一層精確剖析 Bybee 批評的「本體論難題」；第二層從實證量化與後續方法論的演進提出「實務與理論上的反駁與解決方案」。

1. 理解 Bybee 的批評（本體論與統計假設的衝突）

Bybee 的批評直指將詞彙搭配的列聯表模型直接移植到「語法構式」時所產生的概念漏洞：

1. 構式單位的非離散性與多重體現（Multiplicity and Overlap）：
   在構式語法中，構式形成一個極其複雜的階層網絡（Constructicon），涵蓋語素、字詞、成語、論元結構（Argument Structure Constructions）乃至篇章句式。一個真實的子句（construct）會同時體現多個構式（例如一個句子可同時體現「被動句構式」、「進行體構式」、「雙賓構式」與「關係子句構式」）。因此，語料庫中的「構式」無法像「詞元（token）」一樣被乾淨地切分與互斥計數。
2. $d$ 格與總量 $N$ 的人為任意性（Arbitrariness of $d$）：
   在傳統詞語搭配（Collocation）中，$N$ 通常是語料庫的總詞數（word tokens），計數標準明確。但在共現構式分析中，若要填入 $d$，必須先知道語料庫中「非目標詞且出現在非目標構式」的次數。由於構式數量無法被獨立計數，實務上 Stefanowitsch & Gries 只能以「語料庫的動詞詞元總數（total verb tokens）」或「子句總數」作為代用指標（proxy）來推導 $d$：

$d = N - (a + b + c)$

Bybee 認為這種以動詞詞元替代構式總數的做法，缺乏構式理論上的本體論支持。

2. 對該批評的回應與辯護（實證操作度與方法論改進）

針對 Bybee 的觀點，語料庫語言學家與量化研究者可從以下三個面向給予有力回應：

1. 操作型定義的合理性（Operational Validity as a Baseline）：
   共現詞分析檢驗的並非抽象宇宙中的所有構式，而是聚焦於動詞填入特定槽位（slot-filling）的偏好。在分析動詞論元結構或動詞虛詞構式（如「V-起來」）時，目標是找出「哪些動詞比起在一般語境中，更顯著地被此構式吸引」。因此，將母體 $N$ 定義為「語料庫中全體動詞詞元（verbal tokens）的出現總數」，並以全體動詞的總分佈作為對照基準（baseline），在操作型定義上是完全合理且具備構念效度（construct validity）的。
2. 統計排序的穩健性（Statistical Robustness）：
   在費雪精確檢定中，當語料庫規模龐大時（$N$ 通常達數十萬至數百萬），$d$ 的數值佔比極大。