多词序列(又称为词语序列、词项或ngram)是指n个连续的单词组成的序列，在语言学许多分支中被越来越多的学者所研究。这些研究的重点之一是lexicalbundles(通常翻译为词束)，通常被认为是对搭配研究的扩展(Cortes，2004：397)。按Biber(2007：264)的定义，词束以频数为准则，既词束是出现频数最多的多词序列。Biber(2007：283)在该文中同时承认，频数并非研究格式化多词序列的唯一标准--出现次数多和预制化并非完全一致。Altenberg(1998：102)认为，词束作为研究口语习语的原材料是有用的，但是词束中的许多组合在习语研究中意义不大，因为它们是简单的重复或者是更大结构的组成部分。 本文是建立在以下假设上的：高搭配力度是多词序列预制性的标志。本文研究的多词序列是搭配按照另一个准则--搭配力度准则进行延伸而形成的多词序列，它在结构上体现了一种比词束更预制化的倾向。 这种新的结构化的多词序列的递归定义如下： 1.研究者指定的某个(某些)单词作为这些多词序列的根节点。 2.如果字符串X是m-word高搭配力度多词序列或者高搭配力度多词序列的根节点，且collocability(WL，X，-1)>=CLT-OFF，那么字符串WLX是(m+1)-word高搭配力度多词序列。 3.如果字符串x是m-word高搭配力度多词序列或者高搭配力度多词序列的根节点，且collocability(WR，X，+1)>=-CUT-OFF，那么字符串XWR是(m+1)-word高搭配力度多词序列。 解释： 1.collocability(WL，X，-1)表示节点词为X，跨距为-1/-1时，搭配词WL(节点词左一位置搭配词)相对与节点词的搭配力度，可以用T值，Mi值或者Z值来衡量。 2.collocability(WR，X，+1)表示节点词为X，跨距为+1/+1时，搭配词WR(节点词右一位置搭配词)相对与节点词的搭配力度，可以用T值，Mi值或者Z值来衡量。 3.CUT-OFF为研究者指定的临界搭配力度。当搭配词相对与节点词的搭配力度大于该值时，节点词可以与搭配词排列而形成更长的高搭力度多词序列。 实验发现高搭配力度多词序列的特点：高频；非对称：有界。 搭配理论是语法和词语的交汇点(卫乃兴，2002：120)。卫乃兴(2002：107)指出，搭配不仅是单词间的联系纽带，而且是文本中意义的载体。当前语言研究证实，形式和意义密不可分，词汇和语法密切相关，两者存在共选关系(濮建忠，2003：220)。选择词汇的同时也意味着同时对含义做出了选择，反之亦然。本文的实验结果也与这种观点一致：如果我们选择语法词(the，of，and，it)作为根节点，生成的高搭配力度多词序列中，有相当大的比例是典型的词项或者词项的组合。在这个过程中，我们以grammaicalwords为根词，得到了lexicalitems(或者是lexicalitems的组合)，这一过程也体现了语法与词语的密切关系：Lexisisgrammmical，grammarislexical。 同时，在高搭配力度多词序列的生成过程中，如果临界搭配力度较小，这个算法会生成比较长的语言单位(例如句子)；如果临界搭配力度比较大时，会生成短的语言单位(例如词项或者词项的组合)。从这个角度讲，这也验证了语法和词语的区别不是绝对不可逾越的。 当节点词频率不是太高，且节点词的搭配词分布相对均匀时，一系列搭配词与节点词相搭配，这些模式(例如putit+in/on)其实是类连接(即putit+prep(in/on))。 实验发现：如果选取一些高频词(例如the，and，of)作为根词，按照搭配力度为准则延伸后可以得到结构比较规范，并且和文本的内容高度相关的lexicalitems(或者是lexicalitems的组合)，可以作为文章的候选关键词组。 我的论文由五章组成。第一章介绍了多词序列的重要性和搭配理论。第二章综述了研究所涉及的语言模型。第三章给出了高搭配力度多词序列的递归定义，并且给出了一个以单词to为根的高搭配力度多词序列的例子。在第四章，这种方法被运用为算法，从BEC中提取以the，of，and，it为根节点的高搭配力度多词序列，然后加以分析。最后一章探讨了高搭配力度多词序列的特征，本研究的局限性，高搭配力度多词序列的应用和今后研究方向。