books on American history. 完成式助動詞功能詞
[t1] 除 名，藥到病 除，中東戰事陰影未 除 動詞實詞
[t2] 除 發表聲明外，除 專任教職外 介詞功能詞
以下的分類與討論，原則上以合約語料庫中頻數較高的常用詞類為準。
4.2.1 英文合約
(A)
詞表在 67 萬詞的英文合約語料中，相異詞詞表共彙整出 10715 個類符，如 4.1 節所 述，其 STTR 比例平均為 31.93%，低於一般通用語料庫的 40% - 50%。詞表中頻數最 高的前 50 字以功能詞為主，佔 80%，另有 9 字屬於實詞，高頻 50 詞的累計覆蓋率達 47.35%。相較而言，COCA 參照語料庫的前 50 個高頻詞，功能詞佔 49 個，僅有 said 一字為實詞，50 詞的累計覆蓋率為 39.02%。
英文合約出現頻數最多的 9 個實詞，依序為 agreement, party, company, parties, information, use, section, time, date，這些也是合約文本的主題詞及關鍵主題詞，成為 合約文類鮮明的語域標記，涉及契約文件本身的指稱 (this Agreement)、簽約當事人 (party, parties, company)，條款章節指稱 (section)，以及合約通常涉及的內容，例如簽 約日期時間、合約資訊、合約標的之使用等 (date , time, information, use)。
至於合約最常見的 41 個功能詞，其中有 27 字與 COCA 參照語料庫高頻 50 詞 重疊，特別值得注意的是其餘 14 個超出 COCA 高頻 50 詞範圍的功能詞，包括情態 助 動 詞 shall, may, will ， 表 示 範 圍 或 關 係 的 any, each, no, such, other, ’s, its, which，以及引介條件或列舉項目的 under, including, provided。其中 shall, will 主要用法並非表示未來時態，而是權利義務，
provided 也非動詞「提供」的過去式，而是做為連接詞表示條件。同樣的，這 14 個功能詞也是英文合約文類的主題詞及關鍵主題詞，大量重複出現在各種合約文本。
以下表 4-3 為英文合約高頻 50 詞與 COCA 高頻 50 詞的比較；英文合約 1000 詞的完 整詞表，請見附錄二。
表 4-3：英文合約高頻 50 詞與 COCA 參照語料庫
從參照語料庫詞表對照觀察合約文類的詞彙分佈，可以看到合約文類顯著多用 及少用的詞彙，清楚反映出合約文本自成一格的文體特徵。本研究以 COCA 當代美 語語料庫做為英文合約的參照語料庫，利用 WordSmith 6 統計合約主題詞 (key words) 與關鍵主題詞 (key keywords)，進而依據主題詞表、關鍵主題詞表，以及其他的篩選 條件，決定出合約文類的核心主題詞表。
WordSmith 的主題詞統計，提供的統計檢定方法有卡方檢定 (chi-square, x2) 及 對數似然率 (log likelihood, LL)，本研究採用 LL。工具預設的最小頻數為 3，但若要 觀察顯著少用的詞彙 (亦即 LL 為負值)，則需要將最小頻數設定為 1，否則頻數小於 3 的詞彙就會忽略不計。
最後統計結果得到顯著多用的主題詞 2243 詞，顯著少用有 1381 詞，另有關鍵 主題詞 1421 詞。由於主題詞表是比較單詞在參照語料庫及合約語料庫的出現頻率有 無顯著差異，因此單一文本中大量使用的詞彙容易標示為主題詞，例如在一篇大型銀 行聯貸案的合約中，銀行名稱可能重複出現三、四百次，頻數因而顯著高於參照語料 庫，但其實並非合約文體的普遍特徵，這類詞彙可以視為「偽陽性」主題詞。相對的，
關鍵主題詞表是考量單篇文本的主題詞，從中找出在多篇文本重複出現的主題詞，然 而有些詞彙可能在每一篇合約皆固定出現一次，事實上是合約文體明顯的語域標記，
例如 “in witness whereof”、“entire agreement”、“shall be governed by and construed”，但因其頻數不足以成為單篇的主題詞，也就會排除在關鍵主 題詞表之外，這類詞彙可以稱為「偽陰性」關鍵主題詞。在討論主題詞表及關鍵主題 詞表時，對於偽陽性及偽陰性的主題詞必須另外加權考量。
此外，顯著多用的主題詞總數超過兩千詞，關鍵主題詞也超過一千詞，難以逐 一進行檢索行質性分析，需要進一步篩選，找出最值得討論的核心主題詞表。因此我
們將檢索工具所得到的詞表彙整於 Excel 工作表，如圖 4-1 所示，以便根據不同的篩 選條件，將詞項進一步歸納分類。
圖 4-1：以 Excel 工作表篩選主題詞表及關鍵主題詞表
工作表中的篩選條件除了主題詞 (K)、關鍵主題詞 (KK) 之外，同時還考量主 題詞 keyness，未達設定值的同樣捨去不計。雖然在統計上，p<0.001 時 LL 臨界值為 10.83，大於 10.83 即表示具有統計顯著差異，但實際處理詞表時可以發現，LL 絕對 值要達到 200 甚至 300 以上，詞目在合約文類中才較有實質意義，此外詞目的總數也 不至於太過龐大，比較容易歸納討論。
第三個篩選條件是「詞頻篇數比例」與「關鍵主題詞篇數比例」，將兩者加總後 分段篩選，例如篇數比例和 25%以下捨去不計，以排除僅出現在少數文本的「偽陽性」
詞目。這個概念與資訊檢索中常用的加權技術「詞頻—逆文本頻率指數」(term
frequency - inverse document frequency; TF-IDF) 並不相同，TF-IDF 的基本原理是如果 一個詞彙在少數文本當中出現的頻率高，但很少出現在其他文本，則表示這個詞彙具 有良好的類別區分能力，能夠反映該文本的主題。然而，對於本研究的核心詞表而言，
這類只出現在少數合約的個別主題詞，並不是合約文件整體的共同特徵，反而是需要 排除的。
第四個篩選條件是考量參照語料庫的高頻 3000 詞範圍，分段標示出參照語料庫 高頻 100 詞 (R_100)、300 詞 (R_300)、1000 詞 (R1K)、2000 詞 (R2K) 及 3000 詞 (R3K)。整體而言，參照語料庫高頻 300 詞範圍以內的極度常用詞，其「術語性」並 不強，可以捨去不計。R1K 的範圍則保留 keyness 達到 1000 以上的詞目，例如 party 一詞的 keyness 高達 16666，且其語義並非一般常用的「派對」，而是合約當事人的「一 方」，因此屬於值得討論的核心主題詞。最後是數詞、量詞及大部分的功能詞，都列 入「停用詞」而捨去不計。
依據以上的篩選條件，總計共得到 438 個核心主題詞，包括功能詞 30 詞，實詞 408 詞，這些是合約文本當中真正普遍大量使用的詞彙，而且顯著有別於一般文類常 見的用詞，如表 4-4 所示。
在 438 個核心主題詞當中，多達 299 詞超出參照語料庫高頻 3000 詞的範圍，這 些詞彙最能明顯反映合約文類與一般文類的用詞差異，例如主題詞 keyness 最高的前 50 詞包括：