基于復雜網絡視角的《現代漢語詞典》與《國語辭典》常用動詞釋義元語言研究

徐德寬　何保榮　邱立坤

摘 要：詞典釋義元語言作為一種特殊語言形式，具有重要的研究價值。本文以HSK漢語水平考試大綱中的動詞為母本，選取《現代漢語詞典》（第六版）和《國語辭典》（修訂版）中共有的608個詞條，以其在各自詞典中的釋義作為語料，構建字同現網絡，以復雜網絡的視角對其進行了多方位的研究，解釋了其在小世界性、無標度性、居間中心性、層次性和匹配度等方面的特點，揭示了詞典釋義元語言字同現網絡獨特的復雜網絡性質，拓寬了語言網絡研究的領域和范圍。

關鍵詞：動詞；釋義元語言；字同現網絡；復雜網絡

中圖分類號：H0-0 文獻標識碼：A 文章編號：1003-6822（2016）02-0002-12

1. 引言

網絡在自然界和人類社會中普遍存在，自然界中的天然星系、神經網、食物鏈網絡，人類社會中的社交網絡、疾病傳播網絡以及人類創造的通信網絡、交通網絡等都屬于復雜網絡。作為一門新興科學，復雜網絡是對普遍存在的網絡現象及其復雜性進行解釋的一門學科。

近年來，復雜網絡研究日益成為學界研究的熱點，語言網絡研究的成果更是不斷涌現，比如，詞同現網絡、依存句法網絡、詞匯聯想網絡和辭典網絡等（Jin and Liu， 2014； Li and Zhou， 2007； Sheng and Li， 2009； Solé， 2001； Solé et al， 2010； 林楓 等，2012； 韓普 等，2014）。其中，對于漢語語言網絡的研究也不乏其例，如An empirical study of Chinese language networks一文以實驗的方法說明了語言網絡的小世界效應、無標度網絡結構、異配性等特點，得出漢語言網絡與其他復雜網絡在其發展進程中可能具有共同特點的觀點 （Zhou et al， 2008）；（Cong and Liu， 2014）。梁偉等的Modeling the Chinese language as an evolving network 則提出了一個發展中的語言網絡模型，并通過模擬共生網絡發現了在舊詞中高頻出現的詞語在構建新詞時經常被重新啟用的現象（Liang et al， 2014）。同現網絡研究是語言網絡研究的重要構成部分，許多學者對其進行過深入研究（韓普、王東波、路高飛、蘇新寧，2014；梁偉 等，2012；劉知遠 等，2008）。

“元語言”這一概念來自哲學。詞典學中，元語言是指用來解釋詞典所收詞語的定義語言，有學者稱之為“釋義元語言”（蘇新春，2006）。詞典學注重實踐，收詞釋義是詞典的基本內容，因此，以解釋詞語為己任的元語言研究就成了一個重要方面。

詞典釋義元語言作為一種特殊語言形式，具有獨特的研究價值（李葆嘉，2002）。許多學者對漢語詞典釋義元語言進行了孜孜不倦的研究，得出了重要的成果（安華林，2009； 蘇新春，2006）。但這些研究大都是基于直覺和定性研究得出的結果，但對于詞典釋義元語言的定量對比研究卻鮮有人涉及。本文以HSK漢語水平考試大綱中的動詞為母本，選取《現代漢語詞典》（第六版）（以下簡稱《現漢》）和《國語辭典》（修訂版）（以下簡稱《國辭》）中共有的608個詞條，以其在兩部詞典中的釋義作為語料（參見劉珺、徐德寬等，2014），構建了字同現網絡，力求對兩部詞典的釋義用詞在小世界效應、無標度特征、層次性、居間中心性和匹配度等方面的進行量化的對比，以便更為精確而深入地探求漢語釋義元語言的底層特征及其本質。

2. 字同現網絡

字同現網絡是一種基于大規模語料庫的語言網絡。本質上，它可以揭示人類語言的某些特性，是近年來語言研究中的一個非常重要的、新的方向。

字同現網絡的構建：語料中所包含的每一個字對應著字同現網絡中的一個節點，若兩個字之間在n階馬爾科夫鏈①的條件下存在同現關系，則認為這兩個節點之間存在一個連接。（Solé， 2001）本文所構建的詞典釋義元語言字同現網絡為1階有向同現網絡，即把詞典釋義中緊密相鄰的兩個字符連接起來，構成一個網絡。

例如，《現漢》對于“愛”“喜歡”和“愛好”三個詞條的釋義為：

愛：對人或事物有好感或感興趣。

喜歡：對某種事物具有濃厚的興趣。

愛好：喜歡。

《國辭》對于“愛”“喜歡”和“愛好”三個詞條的釋義為：

愛：喜好、親慕。

喜歡：喜愛。

愛好：喜好。

圖1、圖2（見下頁）是分別是《現漢》和《國辭》對上述三個詞條的釋義所構建的字同現網絡示意圖。

圖1中，首先以“對”為一個節點，由該節點發出的兩條邊連接了它的兩個鄰居節點“人”和“某”，其中，由“某”發出的一條邊又連接了節點“種”，“種”又連接了“事”，按照箭頭方向依此類推，即形成這樣一條字符鏈：“對→某→種→事→物→具→有→濃→厚→的→興→趣”。相應地，由“人”這個節點發出的邊連接了“或”這個節點，以此類推形成了字符鏈“對→人→或→事→物→具→有→濃→厚→的→興→趣”。另外，“喜→歡”單獨形成了一條字符鏈。

圖2則是以“喜”為一個節點，由它發出兩條邊連接了“愛”和“好”這兩個節點，另外，“好”這一節點通過標點“、”（本文中的標點符號也被包括在同現網絡中）依此連接起“親”和“慕”兩個節點。

字同現網絡中，度（degree）是指與某個節點連接的其他節點的數目，連接某個節點的邊的數目就表示該節點的度。一般而言，一個節點的度越大則表示該節點在某種程度上越重要。比如，與“某”這個節點連接的有兩條邊，那么它的度就是2。本文字同現網絡采用的是有向圖，有向圖指節點的度是有向的，包括出度（out-degree）和入度（in-degree）。比如，連接“某”這個節點的邊是由其發出的一條邊和指向它的一條邊組成，前者我們稱之為出度，后者則稱之為入度。圖中，箭頭所指的方向限制了節點之間連接的順序，使其構成了一個有向網絡（directed network）。

3.網絡的性質

在同現網絡中，小世界效應、無標度特征、層次性、居間中心性和匹配度等是其幾個主要的特性（Liu et al， 2008； Newman， 2003； Solé， 2001； Yu et al， 2011），因此，本文將從這幾個方面對《現漢》和《國辭》釋義元語言字同現網絡進行計量研究，并分析出兩者的特征和差異。

3.1 小世界效應

何為“小世界效應”？簡單來講就是網絡中的任意某個節點僅通過為數不多的幾步就可以達到網絡中的其他任何一個節點（郭世澤，2012）。有的網絡具有很大的尺寸，但是網絡中任意兩個節點之間的距離相對較小。此外，這種網絡還有著較高的集聚系數。著名的“六度分離理論”就是很好的解釋。“六度分離”源于20世紀60年代美國哈佛大學心理學家米爾格拉姆（Milgram）的實驗假設：在大多數人中，任意兩個素不相識的人通過朋友（或朋友的朋友），平均最多通過六個人就可以彼此認識（瓦茨，2011）。

1998年美國科學家瓦茨和斯特羅加茨在《自然》雜志上發表了“‘小世界網絡的群體動力行為”一文，推廣了“六度分離”假設，提出了小世界網絡模型（Strogatz， 1998； Watts and Strogatz， 1998）。

網絡的小世界性與其平均最短路徑長度d和較大的網絡聚類系數C有關。若i和j表示網絡中的兩個節點，將dmin（i，j）定義為網絡中i和j兩個節點的最短路徑，則節點i與其他所有詞的平均最短路徑為：

那么，網絡的平均路徑長度為：

另一個與網絡的小世界效應密切相關的變量是聚合系數C，網絡的聚合系數指網絡中某個節點的任意兩個鄰居節點互為鄰居節點的概率。網絡聚合系數的公式為：

設網絡的平均度為k，那么該網絡的聚合系數為Crandom≈k/n，，平均路徑長度為drandom≈lnn/lnk。如果網絡的平均路徑長度d≈drandom，，聚合系數C>>Crandom，，則該網絡具有小世界效應。

3.2 無標度特征

在有些網絡中，存在極少數節點（關鍵節點），這些節點與數量眾多的其他節點相鏈接；而其他的大部分節點只與少量節點鏈接。由于包含這類關鍵節點的網絡的度無明顯特征長度，所以被稱為無標度網絡。無標度網絡由大量低度節點和少量高度節點構成，具有“增長”和“優選”兩個特征：增長是指復雜網絡是開放的系統，隨著新的單元的不斷加入，節點總數也在不斷上升；優選則是指一個節點連接新節點的概率主要依賴于節點已有的度，且優先和度數比較大的節點連接。

無標度特性是指度為k的節點在網絡中出現的概率P（k）要滿足冪律分布（長尾分布）P（k）～k。該公式表明，度k的值越高，度為k的節點的數量（P（k））就會越少，節點出現的次數（P（k））與該節點的度的冪（k）成反比關系（負號表示反比例）。

3.3 層次模塊性

模塊（module）是指一組連接在一起的、具有相對獨立功能的節點，許多網絡中的模塊是按等級組織起來的，這樣就形成了一個等級網絡（hierarchical network）。網絡的層次性一般通過平均度k 與網絡聚合系數C（k）這兩個參數來觀察。許多網絡的平均度-聚合系數（k-C（k））的分布圖呈冪律分布：C（k）～k ，且≈1。該公式說明，一個網絡的平均度k值越小，則該網絡越具有較高的聚合系數，屬于高度連接的模塊；平均度k值越高，則該網絡越具有較低的聚合系數，屬于低度連接的模塊。一般而言，度較高的節點具有較低的聚集系數，其作用是將不同的模塊連接起來。在層次模塊性網絡中，許多內部聯系密切的小規模節點組之間松散關聯，這些聯系松散的小模塊又構成了規模更大的模塊。

3.4 居間中心性

居間中心性又叫“中介度”，指網絡中某個節點連接其他（任意兩個）節點時的最短路徑的條數，其他任意兩個節點要產生聯系，必須經過該節點的連接。居間中心性體現了某些節點在網絡連接中的重要作用。我們定義節點v的居間中心值為g（v），Gv（i， j）表示節點Si、Sj之間通過節點v的最短路徑的條數，G（i， j）表示節點之間所有的最短路徑條數，即G（i，j）=。那么gv （i， j）=Gv （i， j）/G（i， j）可以表示節點v在節點i和j的聯系中的重要性。

3.5 匹配度

匹配度是指網絡中各節點在度連接方面的相似性，即是否高連接度的節點與高連接度的節點相連。網絡中，如果高連接度的節點傾向于同高連接度的節點相連，則該網絡具有同配性；反之，高連接度的節點傾向于同低連接度的節點相連，則該網絡具有異配性。網絡的匹配度可通過匹配系數Γ來測量：

若Γ>0，網絡同配；若Γ<0，則網絡異配。

4. 《現漢》與《國辭》字同現網絡的對比

本文以HSK漢語水平考試大綱中的動詞為母本，選取《現漢》和《國辭》中共有的608個詞條，將其在各自詞典中的釋義作為構建網絡的基礎語料。我們用自編程序提取2元字串，構建了字同現網絡，然后用Cytoscape 2.83②、Network X③和Pajek 4④等開源的復雜網絡處理軟件計算了網絡基本參數，并用Origin 9.1科學計算與制圖軟件對數據進行了擬合，得出了《現漢》和《國辭》常用動詞釋義元語言字同現網絡的基本數據（表1）。

4.1 網絡基本數據對比

從表1可以看出，《現漢》網絡的節點總數為1201，而《國辭》的節點總數為1246。即《現漢》中釋義元語言所使用的字種總量為1201個，《國辭》則為1246個。《現漢》網絡的總字頻為9142，《國辭》的總字頻為6083。

兩者的節點總數較其總字頻的數量小很多。釋義元語言的功能是完成對其他詞語的描述和說明，因此，其數量必須限定在一定數量范圍之內。有限量是元語言形成的一個外部特征，同事又是其內在素質要求的體現。只有“有限”才能具有“元”語言的資格，才能更好地體現其表意功能（蘇新春，2006）。而用有限量的詞語來描寫大數量的語義，無疑大大提高了詞語的使用頻率。《國辭》的總字頻比《現漢》少很多。我們知道，《現漢》使用簡體字，而《國辭》使用繁體字（正體字）。繁體字中異體字較多，在漢字的規范化和簡化過程當中，部分異體字被取消使用，許多繁體字被合并成了一個簡體字。基于這一原因，《現漢》釋義元語言所使用的字種的總量比《國辭》要少是有據可循的，體現在釋義元語言網絡上，就是《現漢》的釋義元語言網絡比《國辭》的節點要少。這說明在釋義上《國辭》比《現漢》要簡明，而《現漢》比《國辭》更為詳盡。

《現漢》網絡的邊數為5120，而《國辭》的邊數為3868。字同現網在某種程度上可以看作是一種表層組合關系網絡，《現漢》的邊數比《國辭》多，則說明《現漢》釋義元語言里的組合關系的類型比《國辭》的多。

《現漢》網絡的平均度為8.159867，而《國辭》的平均度為5.94061。如上所述，一個字的度能夠反映該字的組合能力，《現漢》的平均度比《國辭》大，說明《現漢》釋義元語言用字的平均的組合能力比《國辭》要強。這其實是上述三種效應綜合作用的結果：《現漢》網絡的節點數比《國辭》少，而總字頻和邊數都比《國辭》多，三個方面綜合作用下，形成了《現漢》釋義元語言網絡的平均度要大于《國辭》。這說明在《現漢》釋義元語言里，字的組合能力要比《國辭》的組合能力強。

通過以上分析，我們可以推測，《現漢》釋義元語言與《國辭》相比，組合類型更為豐富，釋義方式更為多樣化，釋義用語也更為詳盡。而《國辭》的釋義元語言則更為簡潔、凝練。

4.2 網絡性質對比

4.2.1 小世界效應

將兩個網絡的平均路徑長度和聚合系數與隨機網絡相比較，我們發現，《現漢》和《國辭》釋義元語言字同現網絡的平均路徑長度分別為3.034652和3.162426，聚合系數分別為0.178438和0.179535；而相對應的隨機網絡的平均路徑長度分別為3.377866和4.000251，聚合系數分別為0.0068和0.004772。對于兩個網絡，均有d≈drandom，C>>Crandom，符合復雜網絡小世界效應的一般條件：d≈drandom，C>>Crandom。因此，兩部詞典的動詞釋義元語言字同現網絡均具有小世界效應。對于《現漢》來講，其（d/drandom）/（ C/Crandom）的值為0.034236396，而《國辭》的值為0.021012825。該比值越小，表示小世界效應越大。可以認為，《國辭》的小世界效應比《現漢》大，其釋義元語言更為凝練。

詞典學要求在語義解釋過程中，應盡量使用簡單的意思，對于具有復雜語義的詞則要努力給出一個簡單易懂的釋義。因此，詞典釋義應該用簡潔、精煉的語言對詞語進行解釋。而這種小世界性恰恰保證了詞典釋義過程中一個字能夠以較短的路徑與另一個字相關聯，從而避免釋義元語言之間距離過大造成的釋義拖沓、繁雜。相較《現漢》，《國辭》釋義元語言網絡的小世界性更強，主要原因在于《國辭》在收詞、釋義上使用了更多文言詞語。

4.2.2 無標度特征

圖5—圖8分別為《現漢》和《國辭》兩部詞典釋義元語言字同現網絡的所有度累積分布曲線圖和分段的所有度累積分布曲線圖。其中，橫坐標k表示節點的度：；縱坐標Pc（k）表示節點的累積頻率。通過觀察，我們不難發現兩部詞典釋義元語言字同現網絡的度的分布曲線都大致遵循冪律分布。

但對這些累積分布曲線圖進行更細致的觀察后，我們發現，兩部詞典釋義元語言字同現網絡的度的分布并非一條直線，而是呈現出斜率不同的兩個線段。為了方便觀察，我們將兩部詞典釋義元語言所有度累積分布曲線的分段情況用不同的線型（點線與直線）進行標示（圖7、圖8），圖中，所有度的累積分布曲線明顯地被分成了兩個不同斜率的線段（箭頭指向處）。在字同現網絡中，度被分為兩段不同斜率的線段的現象，就暗示了釋義語言中核心字的存在。任何話語的表達過程中，都會反復使用某些字，這些有限的、被重復運用的字就構成了人類語言中的核心字典。其中，位于第一段的字的度較低，這類字是釋義時使用的特殊的字，這類字由于使用有限，所以與其他字產生連接的肯能性較小，其度相對也要小很多。而處在第二段度較大的字，其連接性較強，因此被反復使用，就構成了所謂的核心字典。

自然語義元語言論的“還原釋義法”目的是用最基本、最簡單的詞語解釋復雜的語義現象，即用簡單的詞語表征、解釋復雜的語義。該方法的目標是把語義分析的解釋用語還原為一組數量最小、解釋力最強且適用性最為廣泛的詞語。因此，正如日常語言的運用，詞典釋義元語言時，為了使使用者能夠以最為省力的方法讀懂字詞的釋義，往往采用一些解釋力很強，連接性很高，但語義相對簡單的字。但為了使釋義完整、準確，某些低連接度的字的采用也是不可或缺的。

4.2.3 層次性

圖9、圖10分別為《現漢》和《國辭》兩部詞典釋義元語言字同現網絡的總度-聚合系數圖。橫坐標k表示兩個網絡的總度；縱坐標C表示兩個網絡的聚合系數。分析結果顯示，兩部詞典釋義元語言字同現網絡總度-聚合系擬合指數γ分別為-1.22322和-0.88527，且兩者都大致遵循冪律分布。兩圖中，總度-聚合系數的擬合曲線呈明顯下降趨勢，表明該網絡中不僅存在著很多度雖小但聚合系數較高的節點，也存在很多度很高而聚合系數比較低的節點。這說明在詞典釋義元語言中不僅存在具有高連接性的模塊，也存在連接性較低的模塊。因此，兩部詞典的釋義用字具有層次性。

在詞典釋義過程中，許多相似或相關詞語的釋義常常使用相同的元語言來進行描寫，但不同詞語之間所使用的元語言則有較大差別。不同類別的元語言形成了不同規模的組塊，組塊內部聯系密切，組塊與組塊之間則關系疏松。因此，釋義元語言網絡就呈現出一定的模塊性和層次性。

4.2.4 居間中心性

《現漢》和《國辭》釋義元語言字同現網絡的度—居間中心性關系圖和居間中心性累積分布圖如圖11-圖14所示。圖11-圖12中，橫坐標k表示兩個網絡的度；縱坐標g表示連個網絡的居間中心性。由圖可知，兩個網絡中度和居間中心性有著較強的正相關關系，即度越高，居間中心性也隨之增大。圖13-圖14中，橫坐標g是兩個網絡的居間中心值：縱坐標Pc（g）是兩個網絡的累積居間中心值。由圖可知，兩個網絡的居間中心性累積分布曲線呈明顯的兩段分布。表1數據顯示，兩個網絡的居間中心性指數η分別為-0.16613/-1.00218和-0.21052/-1.26147，雖然《現漢》的釋義元語言字同現網絡的居間中心性指數要大于《國辭》的居間中心性指數，但兩者的指數相對都較低，兩個網絡中起到連接作用的關鍵字較少。

詞典釋義元語言重在對詞義進行描寫，多采用具有實際意義的實詞，要求元語言具有精煉、概括的特點。漢語中，具有高度鏈接作用的詞主要是一些功能詞，比如連詞、助詞等虛詞。這些功能詞沒有實際意義，因此詞典釋義時使用較少。

4.2.5 匹配度

圖15—圖16分別為《現漢》和《國辭》釋義元語言字同現網絡的字頻-總度關系圖。其中，橫坐標表示兩部詞典釋義元語言時所運用的字的頻率f；縱坐標則表示兩個網絡的總的度數k。計算表明，釋義元語言網絡的字頻-總度關系呈冪律分布的關系：

即f～

其中，總度—字頻的擬合指數ξ≈1（《現漢》、《國辭》分別為1.0824和1.04158）。通過觀察釋義元語言網絡字頻-總度的相關圖表，我們不難發現該同現網絡的度與字頻的正相關關系，即字頻越高，度也隨之增大。雖然兩個網絡的系數差別不大，但相較而言，《現漢》的擬合指數略高于《國辭》，這說明《現漢》釋義元語言中，字頻較高的字的度也高，即頻率較高的字，與其他字相聯系的可能性也較大。這可能與《現漢》釋義更為多樣化有關系。

根據表1中的數據，《現漢》和《國辭》釋義元語言字同現網絡的匹配度系數Γ分別為-0.20425和-0.13003，Γ<0。這說明兩個網絡均具有異配性，即網絡中高連接度的節點更傾向于與低連接度的節點相連。在語言網絡中，高連接度、高頻率的節點一般為功能詞，比如“的”、“和”、“在”等。高連接性的節點與低連接性的節點相連接也符合語言的特點和要求：節點度比較高、含義比較虛的功能字作為連接成分或粘附成分，大都附加在節點度比較低、含義比較實在的字詞周圍，符合語言的句法、語義和表達規律。釋義元語言的主要功能是滿足社會交際需要對該語言的詞語進行一般性的陳述、描繪和再現，應服務于語言社會的普通成員。因此，釋義元語言雖然比較特殊，但仍需遵循語言表達的這一總的規律和要求。

相比較而言，《現漢》匹配度系數的絕對值高于《國辭》，說明《現漢》中度數高的字更傾向于與度數低的字相連接。原因可能在于《現漢》中常用虛字的種類較多，頻率較大，從而使得度數高的字與一般度數的字連接的概率較大。

5. 結論

本文從復雜網絡的視角對《現漢》和《國辭》常用動詞的釋義元語言字同現網絡的特征進行了研究，分析了兩個網絡的小世界效應、無標度特征、層次性和居間中心性及匹配度等特性，并從網絡基本參數和基本性質方面對兩部詞典常用動詞釋義元語言進行了對比，得出以下結論：

第一，《現漢》網絡與《國辭》網絡相較而言，其總字頻、總邊數、平均度都大于《國辭》，表明《現漢》在釋義上比《國辭》要更精細、詳盡，釋義元語言的組合關系更為復雜。

第二，在小世界性上，兩部詞典均符合復雜網絡小世界效應的一般條件，均具有小世界性。但《國辭》釋義元語言更加凝練，其小世界性更強。

第三，兩部詞典釋義元語言網絡的度都遵循冪律分布，因此都具有無標度性；但兩個網絡度的分布的折線型也暗示了詞典釋義元語言的核心字的存在。兩部詞典的釋義元語言不僅存在高連接的模塊，也存在低連接的模塊，表現出了一定的層次性。

第四，在居間中心性上，《現漢》和《國辭》兩個網絡的居間中心性指數都比較低，說明兩個網絡中起到連接作用的關鍵字較少，這與詞典釋義元語言的精煉特點不無關系。

第五，匹配度上，兩個網絡的匹配度系數都小于零，表明兩個網絡均具有異配性，高連接度的節點更傾向于與低連接度的節點相連。詞典釋義元語言雖較為特殊，但仍遵循漢語語言的表達規律，即節點度較高、含義較虛的功能字有著很強的連接能力，比如“的”“和”“在”等。

本文把復雜網絡方法引入到漢語釋義元語言研究中，將以往基于感性認識和定性描述研究提升到了精確的定量的層次，使元語言研究朝著科學化的方向邁進。本文的研究也為詞典對比研究提供了一個新的角度，使得詞典對比在一個客觀的可比較的框架內進行。同時，本文將元語言這種特殊的語言形式作為研究的對象，也拓寬了語言網絡的研究視野，這對復雜網絡研究的拓展和深化有一定的推動作用。但是由于所用語料規模較小及研究水平的限制，本文也存在一些不足和缺陷。希望在以后的工作中，能擴大語料庫的規模和范圍并對其進行更為全面和深入的研究。

參 考 文 獻

Jin Cong， Liu Haitao. Approaching Human Language with Complex Networks [J]. Physics of Life Reviews， 2014， （4）： 598-618.

Li Jianyu， Zhou Jie. Chinese Character Structure Analysis Based On Complex Networks [J]. Physica A： Statistical Mechanics and its Applications， 2007： 629-638.

Liang Wei， Shi Yuming， Huang Qiuling. Modeling the Chinese Language as an Evolving Network [J]. Physica A： Statistical Mechanics and its Applications， 2014 ： 268-276.

Liu Zhi Yuan， Zheng Ya Bin， Sun Mao Song. Complex Network Properties of Chinese Syntactic Dependency Network [J]. Complex Systems & Complexity Science， 2008.

Newman， M. E. J. The Structure and Function of Complex Networks [J]. SIAM Review， 2003： 167-256.

Sheng Long， Li Chunguang. English and Chinese Languages as Weighted Complex Networks [J]. Physica A： Statistical Mechanics and its Applications， 2009，（12）： 2561-2570.

Solé Ramon Ferrer I. Cancho. The Small World of Human Language [J]. Proceedings of the Royal Society of London. Series B： Biological Sciences， 2001，（1482）： 2261-2265.

Solé， R. V.， Corominas-Murtra Bernat， Valverde Sergi， Steels Luc. Language Networks： Their Structure， Function， and Evolution [J]. Complexity： NA-NA， 2010.

Strogatz， D. J. & S. H. Watts. Collective Dynamics of“Small-World”Networks [J]. Nature， 1998， （6684）： 440-442.

Watts D. J.， Strogatz S. H. Collective Dynamics of Small-World [Z].1998.

Yu Shuiyuan， Liu Haitao， Xu Chunshan. Statistical Properties of Chinese Phonemic Networks [J]. Physica A： Statistical Mechanics and its Applications， 2011，（7）： 1370-1380.

Zhou Shuigeng， Hu Guobiao， Zhang Zhongzhi， Guan Jihong. An Empirical Study of Chinese Language Networks [Z]. 2008.

安華林.漢語釋義元語言理論與應用研究[M]. 上海：學林出版社，2009.

郭世澤.復雜網絡基礎理論 [M]. 北京：科學出版社，2012.

韓 普、王東波、路高飛、蘇新寧.語言網絡研究進展[J]. 中文信息學報2014，（1）： 9-18.

李葆嘉.漢語元語言系統研究的理論建構及應用價值[J]. 南京師大學報（社會科學版），2002，（4）.

梁 偉、史玉明、謝智剛、王艷麗.不同時期漢語散文的字同現網絡之研究[J]. 中國科學：信息科學，2012，（7）： 831-842.

林 楓、劉 云、江鐘立.漢字網絡的歷時性模式探析[J]. 復雜系統與復雜性科學，2012，（3）： 50-61.

劉 珺、徐德寬、馬夢佳、陳淑梅.現代漢語常用動詞釋義對比研究——以《現代漢語詞典》（第六版）和《重編國語辭典修訂本》為例[J]. 中文信息學報，2014，（1） .

劉知遠、鄭亞斌、孫茂松.漢語依存句法網絡的復雜網絡性質[J]. 復雜系統與復雜性科學，2008，（2）： 37-45.

蘇新春.漢語釋義元語言研究[M]. 上海：上海教育出版社，2006.

瓦 茨.六度分隔[M]. 北京：中國人民大學出版社，2011.

Abstract： As a unique language form， the meta-language of dictionary interpretation is of great importance. In this paper， we select 608 entries included both in the modern Chinese Dictionary （the six edition） and Mandarin Dictionary （the revised edition） on the basis of the verbs in the syllabus of Chinese Proficiency Test （HSK） and then built a character co-occurrence network with the interpretations of these verbs in each dictionary. We have taken an all-round research from the perspective of complex network and studied such characteristics as small-worldness， scale-free， betweenness centrality， hierarchy and assortiveness. The unique nature of the character co-occurrence network of meta-language of dictionary interpretation has been revealed and the scope of research on language network has been broadened.

Key words： verb； meta-language of interpretation； character co-occurrence network； complex network

作者簡介：徐德寬，男，博士，魯東大學文學院教授、碩士生導師。主要從事語言網絡、漢語國際教育和計算語言學等領域的研究；

何保榮，女，魯東大學文學院碩士研究生。主要從事語言學及應用語言學研究；

邱立坤，男，博士，魯東大學文學院副教授、碩士生導師。主要從事計算語言學研究。

通訊地址：山東省煙臺市芝罘區紅旗中路186#，魯東大學文學院，郵編264025

E-mail：xudekuan@tom.com

（責任編輯：周統權）