第四章 實驗設計與分析
4.3 標記情形分析
我們將系統的標記情形以人工進行細分類，並分析其錯誤標記或無 法辨識的原因，茲分別說明如下：
表 4-7 標記情形分類
編號 名稱
0 標記正確
1 線索詞出現位置超出比對範圍
2 線索詞連結方向有歧義
3 線索詞功能有岐義
4 相似句門檻值誤差
5 詞性優先順序誤差
6 詞性標註錯誤
7 語篇涵蓋範圍誤差
8 語篇切分錯誤
9 線索詞省略現象
10 未處理的語篇連貫關係
11 標點符號使用習慣
12 未收錄線索詞
13 未收錄輔助特徵
1. 線索詞出現位置超出比對範圍
我們為了提高系統標記的正確率，將比對線索詞的出現位置門 檻值設定為 3，因此會造成無法正確比對線索詞的情形發生，此類 錯誤的比例在句內為 0.13%，句間則為 0.05%，如例句 1(B)的並列 線索詞「也(D)」，因為出現在分段中的第四個位置，因此會造成系 統的標記錯誤。
例句
1
：這種作法在公司法上站不住腳(A)
，在性質上也是延宕蹉跎
(B)
2. 線索詞連結方向有歧義
在實際的語料中，我們觀察到有些線索詞除了一般的連結方向 之外，有時也會因應語意的需求，而出現不同的連結情況，因此會 造成無法正確連結語篇片段，此類錯誤的比例在句內為 0.18%，句 間則為 0.45%，如例句 2(B)的因果線索詞「因為(Cbb)」的連結方向，
在此長句中應為向前連結。
例句
2
：陳木在遭公股解任(A)
，大概是因為財政部認為他續任 董座不利於該公司之健全經營(B)
。3. 線索詞功能有岐義
此類錯誤有四種主要的類型：第一種是某些線索詞具有可連結 詞彙或連結語篇的特性，因此會造成系統的標記錯誤，主要是選擇 關係的線索詞，如例句 3(C)的選擇線索詞「或(Caa)」，其連結對象 應為前後兩個動詞片語，而不是(B)(C)之間的語篇連貫關係。
例句
3
：即便央行提出浮動利息的建議(A)
，在自由利率的體制 下(B)
，採行或不採行仍然得由各銀行自行決定(C)
。 第二種是具有重複出現以表示並列關係的線索詞，有時也可當 成數量名詞使用，如例句 4(A)(B)的並列線索詞「一(Neu)」，其語 法功能為普通名詞，而並非語篇線索詞：例句
4
：「紅唇族」平均每吃一顆檳榔(A)
，其醫療費用支出較 不吃檳榔民眾要多出零點一元(B)
。第三種是具有表示時間承接關係的線索詞，當其單獨出現在句 內時，有時為連結句間語篇，有時則只是表示語氣的結尾，並未構 成承接語篇，如例句 5(A)的承接線索詞「現在(Nd)」，其為連接句
間語篇連貫關係之線索詞，但卻會造成(A)(B)兩個句內語篇的連結 錯誤。
例句
5
：現在(A)
，會計年度第一季尚未結束(B)
，雲林縣就擬議 課徵「碳稅」(C)
，可見地方財政問題之嚴重(D)
。 第四種是因為前方或後方語篇片段中，含有具功能歧義的特殊 線索詞，因而造成系統未進行合併，如例句 6「交代(VE)」的功能 為動名詞，並不具備連接語篇的功能，卻使得系統合併時產生錯誤。例句
6
：開發金經營者的作為是否違反公司法三六九條之四、二六七條或其他公司治理原則，也是三、五天就能釐 清之事，金管會實應以最快速度調查，並在最短時間 內給人民一個交代。
以上四類錯誤的比例在句內為 2.36%，句間則為 3.39%。
4. 相似句門檻值誤差
此類錯誤乃因為相似句門檻值的設定，造成非並列關係的語篇 片段被標記，或應為並列關係而未被標記，此類錯誤的比例在句內 為 0.45%，句間則為 0.05%，如例句 7 (A)(B)應為並列關係，但因為 其比對結果未達門檻值，而未能成功標記：
例句
7
：這般無限上綱的行政裁量空間(A)
，這般無所不管的「積 極管理」(B)
，比當年的「戒急用忍」還要可怕(C)
。5. 詞性優先順序誤差
設定詞性的優先順序，雖能幫助我們減低錯誤率，但還是有部 份語篇片段，無法完全適用。其錯誤主要是線索詞詞性優先順序的 誤判，造成系統無法正確比對，此類錯誤的比例在句內為 0.09%，
句間則為 0.05%，如例句 8(B)的線索詞「連(Cbb)」其優先順序大於 真正的遞進關係線索詞「甚至(D)」，而造成功標記錯誤：
例句
8
：針對最近事故連連(A)
，甚至連金管會都放話不排除約 談其負責人(B)
。6. 詞性標註錯誤
此錯誤為中研院斷詞系統的 POS 標記錯誤所導致，此類錯誤的 比例在句內為 0.04%，句間則未發現，如例句 9(B)的詞彙「一意想 以後現代」被標成「一(Neu) 意想(b) 以後(Nd) 現代(Nd)」，造 成系統誤以「以後(Nd)」將(A)(B)合併成承接關係：
例句
9
：但台灣若想東施效顰(A)
，一意想以後現代解構民族榮 光云云，可得三思(B)
。7. 語篇涵蓋範圍誤差
我們將單一線索詞及特殊線索詞的涵蓋範圍門檻值設定為 3，
因此會造成無法正確連接語篇的情形發生，此類錯誤的比例在句內 為 0.59%，句間則為 2.29%，如例句 10(A)的轉折線索詞應將 (A)(B)(C)(D)四個語篇片段合併，但卻只合併了(A)(B)(C)：
例句
10
：雖然我們可以自我安慰(A)
，東亞自由貿易區因成員眾 多關係繁雜(B)
，彼此利害、立場又很難統一(C)
，完成 困難度頗高(D)
；但在全球性區域經貿組織不斷出現壓 力下(E)
，以及中、日分別積極推動與區內國家或東協 建立經貿合作關係的激烈競爭(F)
，出現突破性結果的 可能性不能排除(G)
。8. 語篇切分錯誤
我們在切分的過程中發現有以下兩種錯誤發生。
第一種是包含在一對引號(「」)之中的語句，有時是一個完整的 語篇片段，應被系統分析及標記，但有時只是某語篇片段的一個名 詞或形容詞組，如例句 11「」所包含的語句乃形容忿懣與積怨的形 容詞組，並非完整之語篇片段：
例句
11
：還夾雜著對大規模企業「本縣拉屎，他處下蛋」的忿 懣與積怨第二種錯誤是由於語料中有時會夾雜表示金額的數字，其中會 使用「,」來斷開數字，在切分的過程中，為避免非中文字的雜訊干 擾，因此會將所有的非中文符號全部轉成全形來處理，因此會造成 系統的誤判，而將數字間的分隔符號斷成語篇片段，如例句 12 的
「8,878」、「7,404」兩個數字，將造成此種錯誤。
例句
12
：但1987
年每人GDP
，香港則高達8,878
美元居首、新加坡
7,404
美元居次。9. 線索詞省略現象
在實驗結果的觀察中，我們發現語篇片段之間，有時會有省略 線索詞的現象。這種現象在社論這種文類中似乎特別常見，此類現 象的比例在句內為 7.22%，句間則為 3.89%。如例句 13(C)便是省略 了線索詞「並且」，因此造成系統無法將(B)(C)兩個片段連結成並 列關係。
例句
13
：情勢如此發展(A)
，不但出乎蔡英文意料之外(B)
，對 以照顧地方民眾基本利益起家的民進黨政府而言(C)
，亦是相當難堪(D)
。10. 未處理的語篇連貫關係
由於我們的研究僅處理第二章所定義的九種語篇連貫關係，因 此會出現不在處理範圍內的語篇片段出現，此類現象的比例在句內 為 36.63%，句間則為 46.79%。如例句 14(A)(B)兩個片段應為指代 關係：
例句
14
：這個事件可能模糊了焦點或偏離主題(A)
，對台灣經濟 發展無甚幫助(B)
。11. 標點符號使用習慣
在寫作中文文章之時，有時會因為構句較為複雜或語氣停頓的 因素，而標上標點符號，但這些標點有時並非一個完整的語義表達 片 段 ， 因 此 會 造 成 系 統 無 法 標 記 ， 此 類 現 象 的 比 例 在 句 內 為 15.40%，句間則為 0.1%。如例句 15 (A)中的「可惜」應可與(B)片 段合併，而(B)片段也應可與(C)片段合併。
例句
15
：可惜(A)
，讓積穢現形的(B)
，不是像李子春這樣的體 制內改革者(C)
，而竟然是媒體的狗仔隊(D)
，這更顯 示司法改革的內部動力實在太過微弱(E)
。12. 未收錄線索詞
我們雖然在 2.4 節時，做過初步的線索詞探勘，但是由於我們 的收集範圍不夠，以及因為我們的實驗是採開放測試，因此會出現 未收錄線索詞影響系統標記的現象，此類現象的比例在句內為 2.85%，句間則為 3.09%。如例句 16(E)中的「乃至」並未被系統收 錄，以致無法將(D)(E)合併為遞進關係：
例句
16
：我們建議政府儘快明白宣示政策的走向(A)
，如此一來(B)
， 類似的爭議才有可能停歇(C)
，對立、抗爭(D)
，乃至衝突 的危機才有可能化解(E)
。13. 未收錄輔助特徵
有某些較為複雜的語篇片段，需要更多的輔助特徵才能進行標 記，如例句 17(C)(D)與(E)(F)兩個語篇段落，應為並列的兩個相似片 段群，但是由於目前相似句比對只針對連續的分句，對於句群之間 的比對無法處裡。此類現象的比例在句內為 0.58%，句間則為 2.14%。
例句
17
：地方財政苦不堪言(A)
，但是(B)
，各縣市政府、縣市 議會(C)
，卻蓋得一棟比一棟金碧輝煌(D)
，縣市政府 與議會首長(E)
，公務轎車一輛比一輛高級豪華(F)
。由上之說明，我們統計出本次實驗中各項標記情況的數量及比例，