单现词

》中词语的频次—等级图。该小说中约44%的不同词形（如「matrimonial」）只出现一次，因此是单现词（图中红色部分）；约17%的词形（如「dexterity」）出现两次，称为「双现词」（，图中蓝色部分）。根据齐夫定律的预测，图中的点应近似分布在斜率为−1的直线上]]

单现词（，，亦读作或；复数为，有时简写为，复数），又称一次词，是语料库语言学中一个特定语境内只出现一次的词或。这一语境可以是某种语言的全部书面记录、某位作家的全部作品，也可以是单一的一篇文本。该术语有时也被引申用于指仅在一位作家的某一部作品中出现、但在该作品中可能不止一次出现的词。「」一词是古希腊语「」（意为「只说一次」）的罗马化转写。

与之相关的术语还有「双现词」（，）、「三现词」（，）和「四现词」（，），分别指出现两次、三次、四次的词，但实际使用频率远低于单现词。

齐夫定律预言，语料库中任一词的出现频率与其频次排名成反比，因此单现词十分常见。在大型语料库中，约40%至60%的词为单现词，另有10%至15%为双现词。例如在美式英语的布朗语料库中，约5万个不同的词形里大约有一半在该语料库内仅出现一次。

单现词关注的是某词在一段文本中出现的频次，而不涉及该词的来源或在口语中的流行程度。这一点使它有别于（）：临时词可能从未被书面记录，也可能流行开来并被广泛记录，还可能在最初铸造它的那部作品中多次出现。

重要意义
各保罗书信中单现词数量的统计]]

古代文献中的单现词通常很难解读，因为从多个语境推断词义远比仅凭一处用例容易。例如，至今未释读的玛雅文字符号很多都是单现词，希伯来语圣经中的单现词（参见希伯来语一节）有时也会给翻译造成困难。单现词在自然语言处理中同样构成挑战。

部分学者认为单现词有助于判定文献的作者归属。（）在《教牧书信问题》（，1921年）中提出，三封教牧书信中的单现词数量明显多于其他保罗书信，由此使单现词在圣经研究学者中流行开来。他认为，假设作者作品集中的单现词数量反映了该作者的词汇量，是其个人风格的特征。

由于其他学者提出了大量质疑，哈里森的这一理论已逐渐失去影响力。例如，1896年，（）统计了各封保罗书信中单现词的数量：

乍看之下，最后三封（即教牧书信）的总数与其他书信并无明显差异。考虑到各书信篇幅不同，沃克曼又计算了每页平均出现的单现词数，结果在3.6到13之间，详见右侧第一张图：

文本长度：直接影响单现词的预期数量与比例；教牧书信篇幅较短也使任何统计分析都存在问题。
文本主题：作者若写不同主题，自然会有许多与主题相关的词只出现在有限语境中。
文本受众：作者写给同辈与写给学生不同，写给配偶与写给雇主不同，措辞会有相当大的差别。
时间：随着年代推移，语言本身、以及作者对语言的认识与运用都会发生变化。

就教牧书信而言，上述变量与保罗书信集其他部分都相当不同，因此学界已不再将单现词视为作者归属的有力证据；那些不接受教牧书信出自保罗之手的学者，转而依靠其他论证。

此外，「两种词形是否算同一个词」也存在主观判断的问题，例如「dog」与「dogs」、「clue」与「clueless」、「sign」与「signature」等等，类似的灰色地带还有很多。《犹太百科全书》指出，希伯来圣经中虽有1,500个单现词，但其中只有约400个与其他已知词形没有明显关联。

利用单现词判断作者归属还面临最后一个难点：已知出自同一作者的作品之间差异颇大，而不同作者之间反而常呈现相近的数值。换言之，单现词并非可靠的指标。如今的作者鉴定研究通常采用多种指标组合来寻找规律，而不再依赖单一指标。

计算机科学
在计算语言学和自然语言处理（NLP），尤其是语料库语言学和基于机器学习的NLP领域，研究者通常会忽略单现词（有时也包括其他低频词），因为它们对计算方法的价值有限。这种处理还有一个附带的好处：由于齐夫定律使得大量词都是单现词，忽略它们能显著降低应用程序的内存开销。

实例
以下是各语言或语料库中单现词的若干实例。

阿拉伯语
古兰经中：

专有名词「」（，第89章第7节，）、「」（，第2章第102节，巴比伦）、「」（第3章第96节，）、「」（第4章第51节）、「」（第2章第185节，斋月）、「」（第30章第2节，拜占庭帝国）、「」（第83章第27节）、「」（第106章第1节，）、「」（第22章第17节，）、「」（第2章第102节，）、「」（第48章第24节，麦加）、「」（第71章第23节）、「」（第21章第87节）和「」（第2章第102节，）均仅出现一次。
「」（，姜）是古兰经中的单现词（第76章第17节）。
「」（）是古兰经中的单现词（第76章第13节），通常解释为指极端寒冷。
修饰性称号「」（，）是古兰经中的单现词（第112章第2节）。
「」（，山）是古兰经中的单现词（第26章第63节）。

汉语和日语
古典汉语和日语文献中含有许多在现存语料中只出现一次的汉字，这些汉字的字义和读音往往已经失传。在日语中这类汉字称为「」（即「孤独的字」），可以视为一种单现词。例如《诗经》（约成书于西元前1000年）中只出现过一次「篪」字，见于「伯氏吹埙，仲氏吹篪」一句；后人是在郭璞（276年—324年）的相关注释中才得以将该字与一种特定的古代笛类乐器联系起来。

英语
戏剧《爱的徒劳》第一对开本中出现的「」一词]]

作者「铸造」新词以表达特定意义或仅出于娱乐目的、并不主张其为「正式词」的情况相当常见。例如P·G·伍德豪斯和路易斯·卡罗都常自创新词。下文提到的「indexy」似乎也属此例。

「」是雪花（）的同义词，是英语书面语中的单现词，见于成书约1275年的写本《》（）。
「」是莎士比亚作品中的单现词，源自伊拉斯谟的《》（）。
「」出现在布拉姆·斯托克的《德古拉》中，作为形容词描述某种情境状态，在英语中没有其他用例：「If that man had been an ordinary lunatic I would have taken my chance of trusting him; but he seems so mixed up with the Count in an indexy kind of way that I am afraid of doing anything wrong by helping his fads.」
「」意为「关于先知家族或氏族统治的」，似为T·E·劳伦斯所造，仅在《智慧的七柱》中出现一次。但其他学者对该术语有不同定义，所给出的数字最少为《伊利亚特》303个、《奥德赛》191个。
「」（），古希腊语意为「极不合时」，是《伊利亚特》中众多只出现一次的词之一。
希腊语新约中含686个局部范围内的单现词，有时被称为「新约单现词」，其中62个出现在彼得前书，54个出现在彼得后书。
「」（）在英文圣经和的主祷文中通常译作「日用的」（daily），在已知的全部古希腊语文献中再无其他出处。
希腊语新约中的「」（，意为「茅厕」）出现两次，分别见于马太福音15:17和马可福音7:19；但由于学界普遍认为马太福音作者以马可福音为来源，因此该词通常仍被视为单现词。该词曾被误译为「肠子」，直到《》（「帕加马市政官法令」）的一处铭文证实其意义为「茅厕」。

希伯来语
希伯来圣经中不同的单现词共1,480个（占所用不同词形总数8,679的一部分）。但由于希伯来语存在、后缀和前缀，「真正」的单现词只有约400个。

「」（，奶酪）是圣经希伯来语中的单现词，仅见于《约伯记》10:10。该词在现代希伯来语中已极为常用。
「」（）是圣经希伯来语中的单现词，仅见于《约伯记》28:17，源自意为「清澈、透明」的词根，指玻璃或水晶。在现代希伯来语中用以表示「玻璃」。
「」（）在希伯来圣经中只出现一次，见于描写以东荒凉的《以赛亚书》34:14。其译法不一。下一节即《以赛亚书》34:15中含另一单现词「」（），不同译本将其译作猫头鹰、纤蛇或沙鹑。

匈牙利语

「」一词出现于（）1559年的著作《》。据文学史家盖佐·森特马尔托尼·萨博（）的看法，该词意为「半睡半醒」。

爱尔兰语

「」是一个意义不明的形容词，用于描述某种板条，仅见于公元850年以前成书的《》第169首。

意大利语

「」（可能意为「希望」）在意大利文学中仅出现一次，见于但丁《神曲》（）的《》第十一歌第25行。
动词「」在《神曲·炼狱篇》第33歌第48行只出现一次。意义存有争议，通常解作「使昏暗」或「阻碍」。部分抄本作另一单现词「」。
「」是《神曲》中另一单现词，见于《》第1歌第70行（曼德尔鲍姆英译为「Passing beyond the human」）。
「」意为「超越哲学」，出现在莱奥帕尔迪的《杂思录》（，1820年6月7日，第114–115页）中。

拉丁语

「」是动词「」（意为「激烈作战」或「猛烈搏斗」）的分词形式，仅见于贺拉斯《》第1卷第9首第11行。
「」是「」的单数夺格，意为「因杀戮」，仅见于卢克莱修的《物性论》。
「」意义疑似为「纪念物」或「备忘小品」，仅见于卡图卢斯《》第12首。
「」是指小妓女的小词形式，仅见于卡图卢斯《》第10首第3行。
「」是一个形容词，似指雷霆般的演讲方式，仅见于奥古斯丁《忏悔录》第8卷。
「」是一个意为「罗马气质」「罗马方式」或「罗马作风」的名词，仅见于德尔图良的《》。
「」可能为某专有名词，仅见于，或是「」的逆向拼写。
「」是修饰太阳的形容词，意为「生于东方者」，仅见于在卡斯泰拉马雷-迪斯塔比亚（古斯塔比亚）发现的一处铭文。

波斯语

「」（，「」；古木基文转写为）仅在《》第四节中出现过一次。该作品是一部波斯语文学作品，源自旁遮普地区，仅见于。该词在旁遮普语和波斯文学中再无出处，因此对鉴别目前真伪存疑的《》具有价值。

斯拉夫语族

「」（）是已知中世纪俄罗斯语料中的一个单现词，见于约1220年至1240年间诺夫哥罗德出土的[https://web.archive.org/web/20171031191111/http://gramoty.ru/index.php?act=full&id=612 第600号文献]，原句意为「捕到了'вытол'」（，）。据安德烈·扎利兹尼亚克的研究，该词在其他文献中没有出处，意义不明。学界对其有不同诠释，或视其为人名，或视其为某种社会身份。

西班牙语

「」是16世纪（）所记一句谚语「」中的单现词。其本义已不可考，最初被诠释为「饱足」。现代词源学家则将其与北非阿拉伯语词「」/「」相联系，后者指一种洋葱与香菜炖煮的菜肴。
「」据信源自拉丁语连词「」（意为「虽然」），仅见于《》（1446年）。

在大众文化中

先锋派电影人（）在1971年至1972年间制作了由七部影片组成的系列，从《》（）到《单现词VII：特技效果》（）。
在决赛后，「」一词在英国曾短暂走红——视频显示冈维尔与凯斯学院学生泰德·洛夫迪在主持人杰里米·帕克斯曼刚说出「Meaning 'said only once', what two-word Greek term denotes a word...」时便迅速给出了正确答案。
2015年，Vsauce主持人曾以「」一词作为单现词的实例：尽管该词被收入《牛津英语词典》，Google当时仅返回。该词随即成为短暂的网络迷因，如今Google上已可返回数千条结果。
在电子游戏《NetHack》中，「」是某种尚未鉴别的魔法卷轴的随机文本之一。一旦读取，该卷轴会施放其魔法效果并消失（呼应「只说一次」之意），但在该次游戏中可能从此获得鉴别（如附魔甲卷轴、传送卷轴等）。

参见
*
*
*
*

参考资料
外部链接

[https://web.archive.org/web/20110713091316/http://www.javaforge.com/project/4269 用于文本分析与hapax比率计算的开源Java软件（JHapax）]

评论 (0)