心理動詞及愛類情感詞語的相關研究

本節主要討論心理動詞和情感的議題研究，一類屬於情感分析的主題，

和情感詞典相關，但用在語言學討論得少，以語用或社會議題討論為主；一 類則根據語料提出心理動詞（恐懼類動詞）的情感詞語強弱程度的排序。

一、心理動詞的相關研究

（一） 情感詞典（sentiment dictionary）及情感分析（sentiment analysis）

近來情感詞典的研究興起，並同時帶動情感分析的議題。與情感詞典相 關 的 工 具 ， 一 是 詞 網 （ 俞 士 汶 等 ， 2003 ） 或 廣 義 知 網 （ HowNet- ehownet.iis.sinica.edu.tw），二是台灣大學中文通用情感詞典 （NTUSD- http：

//www.datatang.com/data/43460），前者從詞語的角度進行解釋或分類，後 者情感詞典也包括程度副詞的詞語集，表示這類的詞語已經注意到情感強弱

的差異性。主要功能是根據詞語直接訂出褒貶評價，然後擷取各篇章裡的情 感詞語，再依據情感詞典的詞語正負向歸類分析，此法常用來作為文本分析 及機器翻譯使用，類別很簡單，直接把情感詞語以正向（positive）、負向

（negative）和中性（neutral）分類，利用詞語的類別，進行情感分析，但 由於分類只有三種，又礙於機器目前的功能還是和人類的認知距離太遠，分 析上並不符合人類的情緒習慣，因此各家研究無論寫出多少程式，能真正顯 示人類情緒的結果總是有限，只能作為參酌輔助的工具。

情感詞典帶動了情感分析（sentiment analysis）的研究，研究的方式是 截取文本的文字，相關的主題包括:分析詞彙、語意及句法特性等來決定句 子、文章甚至文本的情感或主觀訊息（subjective information）（Devitt &

Ahmad, 2007）、或測試受試者的情緒反應（Wilson, Wiebe & Hoffmann, 2009），

或利用英語詞網（WordNet）的近義詞組測試情感向度（Esuli & Sebastiane, 2006）。

中文方面的情感分析研究目前用於電影評論的喜惡判定（張莊平，

2011）、財經領域詞典的判斷（林宜萱，2013）、臉書粉絲的專業討論（謝 佩庭，2014）、牛肉麵的評價（徐筱雁，2014），上述研究都得到肯定的結 論，但所使用的詞典都面臨同樣的問題，除了翻譯的詞語及詞類不一致，全 部混和討論，判別時直接以該詞語的字面上語義做為正、負向的判別標準。

陳立（2010）曾提出情感詞語應納入觀察程度副詞及否定詞的使用，因 為此類詞語彙左右句子意見的情緒程度，例如「非常、十分、最」等詞，已 經開始注意到了情感強度（emotion intensity） 分類的雛型。李啟菁（2010）

注意到單就詞語正負向的分類過於武斷，遂以情感詞語的前後四個字的程度 副詞做為意見的修正，如「這碗非常不可口超難吃牛肉麵。」，「可口」屬 於正向詞語，但這個句子明顯屬於負面的評價；蔡偉棋（2011）把程度副詞 的強度分類，如很好吃（1*1.5）、不好吃（1*（-1））、很不好吃（1*1.5*

（-1））、不很好吃（1*1.5*0.5），最後一類使用（0.5）的判斷是因為「不」

沒有直接影響極性，卻削弱強度，以數字將程度強弱分類，以表示強弱的概 念，上述研究主要印證 Draght & Fellbaum（2014）的說法，該文提出副詞 本身並不帶正負向情緒，但會因詞語及語境而強化其所修飾的詞語。

以上分析都建立在詞語具有正負向度的預設上，這類的研究，對於某些 詞語確實如此，如英文的 enjoy（享受：正向）、pencil（鉛筆：中性）、pain

（痛苦：負向），因為都具有明顯的情緒標籤，易於標示，但並非所有的詞 語都如此，例如前述的程度副詞 very、fairly，詞語的本身沒有太多正反情 緒的隱含，只能作為強化的功能指標。

使用公式判定情緒還有一個未能解決的問題，造成判斷上的困擾，即詞 語的正負向會受到領域的不同而失準，同一個詞語在不同的領域會轉換正負 向，舉例而言，一般判定為負向的詞語，如「刺激」一詞，放在電影評論的 語境，卻被視為正向的詞語；如英語「指紋」（fingerprint）一詞在犯罪的 語境裡屬於正向詞語，因為案情可能有所突破（breakthrough），換到了智 慧 型 手 機 的 語 境 卻 成 了 令 人 頭 痛 的 問 題 （ http ： //uk.businessinsider.com/android-phones-fingerprint-scanners-have-serious-secu rity-vulnerabilities-2015-8），因為以指紋辨識的手機防護系統並不安全，駭 客從遠端即可竊取使用者資料，進而盜取手機使用者的出入境資料、銀行資 料訊息，換言之，「指紋」一詞在手機的語境中，恰好是個負面詞語。

上述詞語的預設會影響結果，如 Esuli & Sebastiane（2006）利用英語詞 網 WordNet 的近義詞組測試情感向度，Wilson et al.（2005）則測試作者的 情緒，但這些分析都建立在詞語具有正負向度的預設上，測試出來的結果符 合只能代表在特定的語境也許成立，也就是領域的不同會影響詞語的判斷。

同時 Draght & Fellbaum（2014）就提出並非每個詞語都符合正負向的假設，

該研究認為情感分析也和共現詞（collocation）、修飾語（modifier）相關，

這種說法比較符合一般語言使用的現象，換言之，正負向的概念，還必須涉 及了語境（或稱專業領域）的判斷。另一方面，一般無法從單詞斷定情緒的 正負向和強弱程度，以「愛」字為例，如肯定程度副詞「很 + 愛」，否定 副詞如「不 + 愛」，或者雙重否定，如「不是不愛」，或者肯定加否定詞

「不很愛」的說法，表達情感十分多元，至少還有深有淺、有強有弱，應該 有更細緻的分析才能趨近人類情感的真正表達方式。

就語言學的角度而言，詞網缺乏較細膩的分析和論述（鄭錦全，2010b），

而情感詞典與程度副詞的編纂，涉略的分析討論也僅止於是否符合正負向類

別，相對於人類情感的表達而言，情緒不會只有正負向的極端化，如此方式 顯得過於粗糙。鄭錦全認為詞網語義分類屬於表層，情感方面的語言表達必 須進入分析和論述，才真正合乎語言使用的目的；Polanyi & Zaenen （2006）

便舉例表示詞語無法直接以正負向代替，詞語的正負向還必須考慮三個層面，

一是共現的詞語（the presence of other lexical items），其次是文本的類別及 篇章的結構（thegenre type and discourse structure of the text），最後是文化 因素（cultural factors）。由於漢語經常受到上下文語境的影響，甚至是程度

astonish < surprise < amaze < astound < strike < stun < floor

< dumbfound < flabbergast < stupefy 恐懼類

fear verbs

intimidate < scare < frighten < alarm < terrify

困擾類 annoy verbs

irk < nettle < irritate < annoy < anger < exasperate

< infuriate < enrage < incense

該文提出近義詞群 間應具有相似的詞 彙語義模式 （lexical-semantic

（Y）” 便是上位詞。此模式仿效英語詞網 WordNet（Miller, 1988）設立時 所採用的「概念-語義關係」（conceptual-semantic relations），該文認為有 了固定的模式便容易尋找語料 （Snow et al., 2006），並適合擷取大量資料

（Hearst, 1992；Fellbaum, 1990；Chklovski & Pantel, 2004）。類似上述的模 式曾於第一節的等級差異提過程度副詞的研究模式，如 K. Miller（1988）、

Horn（1989）、Sheinman et al.（2013）和 Schulam & Fellbaum（2010），

本節則專論情感詞語研究。Fellbaum & Mathieu（2014）以 fear（恐懼類）

動詞的近義詞群論，先行依直覺排序強度差異如下：

intimidate < scare < frighten < alarm < terrify

作者說明將 terrify 按排序在動詞最右邊，但表示 terrify 不是恐懼的最強

作者進一步利用該模式搜尋網路語料，以兩兩比對的方式查詢恐懼類動 詞，結果顯示，兩兩比對下總有一個動詞的情感強度高於另一個動詞，同一 類的情感類別，同時具有等級特徵（scalar quality），下列是搜尋語料的前 後動詞比較排序。

表 二-8 英語恐懼類近義動詞語料搜尋前後之對比 intimidate < scare < frighten < alarm < terrify （搜尋前）

intimidate < alarm < scare < frighten < panic < terrify （搜尋後）

上述以詞彙語義模式搜尋語料後，比原來人工排序的動詞多了一個動詞 panic，順序同時也改變，結果說明直覺的語感可能比實際使用上有落差。

作者也提出一些問題，如 panic 的句法和其他動詞不同，其他動詞屬於及物 動詞，但 panic 經常以不及物動詞的型態出現，而且 panic 以名詞出現的頻 率比當動詞來得高，諸如此類的問題，都會在類似的研究上出現而難以斷定 排序。

除了上述英語類，和漢語情感詞語相關的論述中，主要參考的文獻是蔡 美智等（1999）、Chang et al.（2000）及黃居仁（2009）的論述。蔡美智等

（1999）利用語意、語法、及「平衡語料庫」觀察情感詞語「高興、快樂」、

「難過、痛苦」的近義詞組，主要是從句法的分析中，利用詞頻的比例分布，

觀察各詞語的語法行為。作者從語料庫中抽取用例，觀察句法的不同結構，

其中「高興、快樂、難過、痛苦」在語料庫的詞頻分別有 280 筆、365 筆、

83 筆及 185 筆。以「高興、快樂」為例，其中「高興」做為謂語的分布，

在 280 筆共有 224 筆（80%），而作為補語只有 8 筆（3%）、名物化 1 筆

（0.3%），兩者的比例非常低。相對下，「快樂」作為定語 119 筆（32%）

和名物化 83 筆（23%），對照下，「快樂」作為定語和名物化的比例較「高 興」高出許多，如下表 二-9，括弧中的數字表語料庫中的詞頻及比例。

表 二-9「高興、快樂、難過、痛苦」的句法功能分佈

表 二-11 七種情緒在語料庫中的分布

2003；Hanks, 1996）。雖然語言不同，但以漢語而言，近義詞語彼此語義 靠近，使用不同的詞語，確實也表示細微處的差異，否則近義詞語也無存在 必要，就此點而言，或可表示不同語言間的共性。

從上述針對情緒詞語的討論，可以得出一些應用的結論，蔡美智等人研 究的詞語「高興、快樂、難過、痛苦」是一組近義詞或反義詞的對照組，研 究著重的部分在不同的句法行為或結構；Chang et al. 與黃居仁則進一步比 較了不同的情緒詞詞群，而且進入了漢語的特殊構詞結構比較，此為英語研 究近義詞時，因為不具構詞結構而無法延伸的特點。因此，依據前述的研究 方向，本研究以情感詞語「愛」字的近義詞群為主題，同時利用語料比較句 法行為、構詞結構，也試圖提出近義詞群間是否具有情感強弱的排序可能 性。

二、漢語愛類詞語相關研究

漢語「愛」字的詞性，有三個演變的過程，首先，「愛」被趙元任（1994）

列為性質動詞與助動詞；接著，許世瑛（1954）將「愛」分入動詞類中的精 神行為一類（另一類為事件）；最後一個說法，則是呂叔湘（1974）的說法，

列為性質動詞與助動詞；接著，許世瑛（1954）將「愛」分入動詞類中的精 神行為一類（另一類為事件）；最後一個說法，則是呂叔湘（1974）的說法，