英語名詞術語數據驅動教學設計：術語知識解析、提取和應用

摘 要：名詞術語在專業交際中發揮了重要作用，但是由于其承載了豐富的專業知識，給專門用途英語教學設計帶來了挑戰，教師對英語名詞術語教學中應該教傳授什么知識及如何獲取相關知識都感到困惑。文章提出了針對英語名詞術語的數據驅動教學設計，即借鑒生成詞庫理論提出的物性結構把名詞術語知識分為概念關系和搭配關系，使用Sketch Engine快速創建面向術語教學的語料庫，精選包含前述兩類知識的索引行，基于索引行編寫四種詞匯練習。文章提出的數據驅動教學設計為解決當前專門用途英語教學中存在的問題帶來了新啟示。

關鍵詞：物性結構；名詞術語知識；數據驅動教學；專門用途英語教學；Sketch Engine

中圖分類號：N04；H083" DOI：10.12339/j.issn.1673-8578.2025.01.015

Design of Data-Driven Teaching of Noun Terms： Categorizing， Extracting and Applying Terminological Knowledge//LU Huaguo

Abstract： Noun terms play an important role in specialized communication. The specialized knowledge they carry poses challenges to the teaching of English for specific purposes （ESP）： teachers often feel at a loss about what to teach regarding these terms and how to teach it. In response to these problems， this paper draws upon the Qualia Structure （QS） proposed in the theory of Generative Lexicon and classifies the specialized knowledge of noun terms into conceptual relations and collocational relations. This paper also uses Sketch Engine （SkE） to build instant specialized corpora， select knowledge-rich contexts， and create four types of vocabulary exercises. It is believed that the proposed design of data-driven teaching of noun terms provides insights into solving the aforementioned problems.

Keywords： qualia structure; knowledge of noun terms; data-driven teaching; ESP teaching; Sketch Engine

收稿日期：2024-05-27" 修回日期：2024-08-21

基金項目：2021年度國家社會科學基金后期資助一般項目“英漢專科學習型詞典語境化設計研究”（21FYYB004）

作者簡介：盧華國（1979—），南京理工大學外國語學院教授，碩士生導師；中國辭書學會理事和雙語詞典專業委員會常務理事。研究方向為術語翻譯、詞典學、認知語義學和語料庫語言學。通信方式：louisluhuaguo@163.com。

0 引言

“術語歸根結底是為專業交際服務的。”^[1]維斯特（Wüster）創立普通術語學的初衷即借助術語標準化消除專業語言中的歧義，確立術語的單義性，使術語成為有效的交際工具。維斯特堅持概念優先的工作原則，認為術語只是指稱概念的抽象語言標簽，概念及其標簽之間的關系可以人為進行標準化。這種術語觀有助于避免專業交際中產生誤解，但不利于專門用途英語學習者在二語環境中學習和使用術語。伴隨著術語學的描寫轉向，術語學家把術語重新定義為“專門用途語言中專業知識的語言表達”^[2]，認為術語不僅是知識單位，同時還是語言單位和交際單位^[3]，強調術語的概念知識和語言知識在專業交際中發揮的重要作用。描寫術語學消除了術語與詞語之間人為設置的界限，將術語視作存在于具體專業文本中的鮮活詞語；術語因而與專業詞匯不過是同一研究對象在術語學和專門用途語言研究中的不同名稱而已，術語學也開始借鑒語言學研究的理論（如詞匯語義學）和方法（如語料庫語言學）。因此，術語可以，也應該成為專門用途英語教學的重要內容。

在專門用途英語（English for Specific purposes，以下簡稱ESP）教學研究中，傳統觀念認為教師無需教授術語^[4]。然而術語在ESP詞匯教學中是無法回避的；術語教學在ESP詞匯教學中的缺失勢必影響對學習者專業交際能力的培養。目前，我國高校ESP教學任務普遍由不具備專業背景的EGP教師承擔，很多教師面對專業術語時不知道該向學生傳授什么詞匯知識以及如何幫助他們獲取相關知識。如果能夠解決這些問題，就部分排除了術語教學中存在的障礙。本研究認為數據驅動教學模式提供了一種新思路^[5]。具體而言，生成詞庫理論提出的物性結構為描寫術語知識提供了可操作的描寫框架，語料庫輔助工具Sketch Engine（以下簡稱SkE）可對術語教學中如何獲取和應用這些知識帶來重要啟發。

1 生成詞庫視角下的英語名詞術語知識解析

目前市面上的術語詞典收錄的術語幾乎清一色是名詞，極少數收錄其他詞性（下文提到的術語，若非特別說明，均指名詞術語）。這些術語之所以給ESP教學造成困難，是因為它們承載的專業知識超出了普通語言使用者的認知范圍，而這些知識也是ESP學習者需要攻克的難點。對于這些術語，ESP學習者應該掌握什么知識？生詞詞庫（Generative Lexicon）理論對回答這個問題帶來了重要啟發。基于亞里士多德的“四因說”（質料因、形式因、目的因和動力因），Pustejovsky^[6]提出了物性結構（qualia structure），旨在描寫詞項所指對象（object）由什么構成、指向什么、怎樣產生以及有什么用途或功能。物性結構雖然適用于所有詞類，但是就Pustejovsky提出該理論的出發點及其對相關問題的詳細論述而言，物性結構尤其適合用于闡釋名詞的語義結構。物性結構包含如下四個物性角色^[6-7]：

（1）構成角色（constitutive role）：描寫對象與其組成部分之間的關系，包括材料、重量、部分和組成成分。

（2）形式角色（formal role）：描寫對象在更大的認知域內區別于其他對象的屬性，包括方位、大小、形狀和維度等。

（3）功用角色（telic role）：描寫對象的用途和功能。

（4）施成角色（agentive role）：描寫對象是怎樣形成或產生的，如創造、因果關系。

從以上論述不難看出，物性結構蘊含了豐富的語義和概念關系。Pustejovsky^[8]認為物性結構指明了詞語功能，把它們與概念網絡聯系起來。Lenci等^[9]提出了擴展版物性結構（Extended Qualia Structure），把上述四種角色從形式上轉化為詞義或語義特征之間的關系，將這些關系呈現為一個層狀分類體系，不僅為靈活闡釋關系留下了空間，還為細化既有關系提供了可能。如Faber等人^[10]根據術語表達的概念類型，整理出如下十三種概念關系（A和B表示概念）：

（1）A TYPE_OF B，表示A是B的一種。如L-shaped groyne（L形折流壩）是groyne（折流壩）的一種。

（2）A PART_OF B，表示A是B的組成部分。如river head（河源）是river（河流）的組成部分。

（3）A MADE_OF B，表示B是制作A的材料。如groyne（折流壩）由stone（石頭）制成。

（4）A PHASE_OF B， 表示A是形成B的一個階段。如hurricane（颶風）是形成tropical cyclone（熱帶氣旋）的一個階段。

（5）A DELIMITED_BY B， 表示A以B為界。如stratosphere（平流層）以stratopause（平流層頂）為界。

（6）A LOCATED_AT B，A位于B。如groyne（折流壩）位于coast（海岸）。

（7）A TAKES_PLACE_IN B，A發生于B。如thermal low（熱低壓）發生于summer（夏季）。

（8）A ATTRIBUTE_OF B，B以A為特征。如permeability（透水性）是permeable groyne（透水折流壩）的特征。

（9）A RESULT_OF B，A是B的最終結果。如accretion（增生）是sedimentation（沉積）造成的最終結果。

（10）A AFFECTS B， 表示A影響B。如sea water（海水）影響concrete（混泥土）。

（11）A CAUSES B， 表示A導致B。如hurricane（颶風）導致flood（洪水）。

（12）A HAS_FUNCTION B，表示A的功能是B。如aquifer（含水層）的功能是water supply（供水）。

（13）A EFFECTED_BY B，表示A借助B得以實施。如dredging（挖泥）借助 a dredger（挖泥船）得以實施。

在這十三種概念關系中，（1）與形式角色對應；（2）、（3）、（4）、（5）、（6）、（7）和（8）與構成角色對應；（12）與功用角色對應；（9）、（10）、（11）和（13）與施成角色對應。這些關系為全方位理解術語的語義內涵提供了一個參照體系。

Heylen^[11]肯定了物性結構與名詞搭配之間的緊密關系，認為物性結構影響詞匯的搭配方式，而搭配信息又可以用于改進物性結構。我國學者袁毓林^[12]指出，這種概念層面上的事物或事件關系，最終在語言層面上表現為詞語（名詞跟名詞、動詞、形容詞等）之間的搭配關系（即選擇限制關系）。他根據漢語國際教學和中文信息處理這種應用需求，基于漢語名詞在真實文本中的詞語搭配情況，把前述四種物性角色拓展為十種。我們認為這些物性角色雖然針對漢語名詞提出，但是對英語名詞同樣適用，這十種角色如以下各例所示：

（1）形式：用以反映名詞的分類屬性、語義類型和本體層級特征。如hurricane（颶風）是storm（風暴）的一種。

（2）構成：用以反映名詞所指的事物的結構屬性，包括構成狀態、組成成分、在更大范圍內構成或組成哪些事物、跟其他事物的關系，也包括物體的大小、形狀、維度、顏色和方位等。如groyne（折流壩）的構成是“海岸防護建筑物，有壩頭和壩基兩部分”；可以根據建筑物的形狀、高度、長度、材質、地點等屬性進行分類：L-shaped groyne（L形折流壩）、T head groyne（T頭形折流壩）、high groyne（高折流壩）、long groyne（長折流壩）、impermeable groyne（透水折流壩）、beach groyne（海灘折流壩）等。

（3）單位：用以反映名詞所指事物的計量單位，即跟名詞相應的量詞；如a gust of wind（一陣風）、a flake of snow（一片雪花），three inches of rain（三英寸的雨）等。

（4）評價：用以反映人們對名詞所指事物的主觀評價、情感色彩。如對weather（天氣）的評價：fair（晴朗的）、clear（晴朗的）、sunny（陽光和煦的）、adverse（惡劣的）、gloomy（陰沉的）、calm（無風的）、humid（潮濕的）、wet（潮濕的）、damp（潮濕的）、muggy（悶熱的）、mild（溫和的）、typical （典型的）、unusual（反常的）、extreme（極端的）、severe（惡劣的）、violent（狂暴的）、hazardous（危險的）等。

（5）施成：用以反映名詞所指的事物是怎樣形成的，如創造、天然存在、因果關系等。例如wind（風）的施成是generate（產生）、form（形成）、bring（帶來）、carry（帶來）、deliver（帶來）、induce（引起）等。

（6）材料：用以反映創造名詞所指的事物所用的材料。如groyne（折流壩）的材料是granite（花崗巖建成的）、rock（巖石建成的）、timber（木頭建成的）、rubble-mound（石塊堆成的）、sand-filled（用沙子填充的）等。

（7）功用：用以反映名詞所指的事物的用途和功能。如instrument（儀器）的功用是measure（測量）、detect（發現）、record（記錄）、collect（收集）、monitor（檢測）、observe（觀察）、show（顯示）、indicate（表明）等。

（8）行為：用以反映名詞所指的事物的慣常性動作、行為、活動，如water（水）的行為是flow（流淌）、pour（傾倒）、run（流動）、gush（涌出）、rush（涌動）、spurt（噴射）、drip（滴下）、trickle（淌下）、lap（拍打）、slosh（潑灑）、spill（溢出）、splash（飛濺）、spray（噴灑）、boil（沸騰）、cool（變涼）、cool down（冷卻）、freeze（結冰）、 evaporate（蒸發）。

（9）處置：用以反映人或其他事物對名詞所指的事物的慣常性動作、行為、影響，如對 pollution（污染）的處置是avoid（避免）、eliminate（消除）、 combat（戰勝）、 control（控制）、 fight（擊敗）、limit（限制）、minimize（減少）、monitor（監控）等。

（10）定位：人或其他事物跟名詞所指的處所、時間等的位置、方向關系，如對“atmosphere（大氣）”的定位是within（在……內）、above（在……上）、into（進入）、through（穿過）等。

除第一種角色外，其他九種物性角色涵蓋了名詞+名詞、形容詞+名詞、數詞+量詞+名詞、動詞+名詞、名詞+動詞、介詞+名詞等圍繞術語形成的主要搭配類型。因此，這十種角色為英語術語提供了一個描寫框架，對弄清楚正確使用英語術語需要掌握什么搭配信息具有非常重要的指導意義。

值得注意的是，并非每一個術語都能夠與其他詞語形成上述十三種概念關系和九種搭配類型。但是從前述對名詞物性結構的探討中可知，專門用途英語學習者應該掌握的術語知識大致可以分為如下兩類：（1）術語與其他詞語之間存在什么樣的基本概念關系？如barometer（氣壓計）是用于預測weather（天氣）的儀器。如果不知道這兩個術語之間的概念關系，就無法在ESP解碼活動中理解barometer的用途。（2）術語應該選擇哪些詞語進行組合搭配？例如，如果不知道應該選擇使用calibrate與barometer組成“動詞+名詞”搭配，專門用途語言學習者在ESP編碼活動中對如何表達“調試氣壓計”這一含義就缺乏自信。

2 基于SkE的英語名詞術語知識提取

SkE是由英國計算語言學家Kilgarriff研發的語料庫分析工具，其語料庫創建和詞匯素描（Word Sketch）功能為教師獲取前述兩類英語術語知識提供了一個快捷、實用的解決方案。

由于SkE整合了WebBootCat工具，可以借助SkE快速創建針對特定學科的專業語料庫。接下來，本研究將以氣象出版社2008年出版的《氣象科技英語教程》（第二版）第2單元課文Frontogenesis and Frontal Characteristics為例，使用SkE的建庫功能，探討如何創建面向氣象術語的專業語料庫。該課文雖然篇幅較長（共1614個詞），但是專業程度不高，屬科普性質的文章。首先從文后列出的生詞中挑出cyclone（氣旋）、depression（低壓）、frontogenesis（鋒生）、front（鋒）、precipitation（降水）、rainband（雨帶）、stratocumulus（層積云）等7個術語作為種子（seed）。這些術語雙語詞典往往不收錄，即使收入也只給出漢語對譯詞，極少提供例句、搭配等信息。SkE以7個詞中每3個一組，共形成36個組合，以每組術語為關鍵詞，從網絡上搜索和下載英語網頁。網頁內容經轉換、清潔和去重，可建成一個包含958 348詞的語料庫。

SkE不僅可以幫助教師快速創建專業語料庫，還可以憑借其核心功能——詞匯素描，從語料庫中快速提取和歸納搭配信息。基于語料庫的搭配研究一般認為，只要兩個詞之間間隔的詞數不超過特定數目或這兩個詞出現在同一個語篇單位（如同一句）時，它們之間就形成共現關系^[13]，就有助于理解詞義和語義關系。SkE采用不同的共現觀，認為只有兩個詞之間形成語法關系時（如動賓關系），該組合才具有潛在的搭配關系。SkE不僅對語料庫進行詞語切分和消尾處理，還進行詞性賦碼和語法分析。在此基礎上SkE 建立了26種常見的詞語搭配關系，每一種搭配關系又與一種或多種句法關系匹配。如“動詞+名詞”搭配關系在主動語態中體現為賓語在動詞之后，在被動語態和定語從句中則體現為賓語在動詞之前。就前一種句法關系而言，動詞和名詞之間可以有其他修飾或限定成分，以下正則表達式旨在提取與該句法關系匹配的“動詞+名詞”搭配：

1： “V” “（DET|NUM|ADJ|ADV|N）”* 2： “N”

1和2分別代表待提取的動賓關系中的動詞和名詞；“|”和“*”是通配符，其中“|”表示“或者”，“*”表示括號中的限定語、數詞、形容詞和副詞出現零次或多次^[14]。SkE以同樣的方式根據句法關系定義了用于提取其他詞語搭配關系的正則表達式。由于改進了算法，SkE提高了搭配提取的準確度。本研究使用SkE從自建語料庫中提取了8種搭配關系，下圖1匯總了與術語front（鋒）形成搭配關系的部分詞語。

從圖1可知，front的搭配詞被分為“前置修飾語+front”“front+名詞”“動詞+front”“front+動詞”四類，每個搭配詞分別給出了出現頻次、搭配強度以及包含該組合的典型短語。

León-Araúz等人^[15]基于知識型式（knowledge pattern）把SkE的詞匯素描功能從搭配關系拓展到了概念關系。例如在Carbon monoxide is a major pollutant of city air（一氧化碳是城市空氣中的一種主要污染物）中，知識型式“is a”就體現了屬—種關系^[16]。他們對知識型式進行分解或合并，結合詞性標注與正則表達式，將其轉寫成CQL素描語法（Sketch Grammar）。以下為檢索種屬關系而撰寫的素描語法中的1條：

HYPONYM，|（|：|is|belongs （to） （a|the|…） type|category|…of HYPERNYM

León-Araúz等人^[15]共撰寫了56條檢索語法，涵蓋了種屬、部分—整體、因果、地點和功能等5大類最基礎的概念關系。借助CQL素描語法，本研究使用SkE從自建語料庫中提取front的9種概念關系，圖2匯總了與front形成概念關系的部分詞語。

從圖2可知，與front形成概念關系的名詞按照關系類型可分為 “front引起……”“front是……的一種”“……發生或出現在front附近/中”三類，每個詞語分別給出了出現頻次、關系強度以及包含該組合的典型短語或例句。與搭配關系的顯示一樣，點擊SkE列出的名詞，直接閱讀所有包含該詞的索引行，可獲取更多的語境信息，從而對概念關系做出更準確的判斷。

3 基于SkE詞匯素描的教學活動設計

詞匯素描分門別類地展示了圍繞術語形成的各種搭配關系和概念關系，為ESP教師提供了一個有關術語的微型知識庫。然而，前述兩類關系素描不宜直接作為教學內容傳授給ESP學習者，因為SkE輔助下的術語教學采用了數據驅動教學模式，旨在鼓勵學習者主動從真實語料中觀察、概括和歸納語言事實^[5]。該模式需要ESP教師首先從自建語料庫中精選索引行，然后基于挑選出的索引行設計具體教學活動。SkE的例句精選功能（GDEX）在語料挑選方面同樣可以成為教師的得力助手。下圖3展示了體現“overtake + front”搭配關系的部分索引行。

如圖3所示，SkE按照句子長度、詞匯難度以及是否包含專有名詞和代詞計算索引行的易讀分值，按照分數高低排序，極大方便了ESP教師根據教學需要從索引行中選擇語料。

從前述詞匯素描列表（圖1和圖2）中，本研究挑選出有代表性的搭配關系和概念關系，在GDEX功能輔助下精選了14個索引行，并基于這些真實語料設計了4種練習，具體如下：

Study front in the following concordance and finish the exercises below it.

Concordance

［1］ Because cold fronts move faster， the cold front is likely to overtake the warm front.

［2］ This cold air mass forms a coastal front when interacting with the warmer sea air.

［3］The approach of a cold front is accompanied by a decrease in pressure.

［4］Usually a stationary front will weaken and eventually dissipate.

［5］ Conversely， the warm front is strengthened on the upwind slope and weakened on the downwind slope.

［6］ The arctic front can be as strong as the polar front.

［7］ The equation describes the processes that act to generate or destroy the ocean front.

［8］ Cold fronts move faster than warm fronts and can produce sharper changes in weather.

［9］ Cold front usually causes a shift of wind from southeast to northwest.

［10］ High cirrus cloud is the first sign of the approach of an active warm front.

［11］ Widespread precipitation associated with a gradual sloping front often causes low stratus and fog.

［12］ At the southwest end， the cold front is elongated by the advection.

［13］ Air masses meet and produce fronts， which can bring lowered pressure and stormy weather.

［14］ Many fronts cause weather events such as rain， thunderstorms， gusty winds， and tornadoes.

Exercises

1. What can be used as the distinguishing features of fronts？ Can you propose at least two different classifications of them？

練習1涉及索引行［1］、［2］、［4］、［6］、［7］和［10］，旨在考察ESP學習者是否可以根據不同的修飾語（如溫度、地域和是否活躍）把front分為不同類別如cold front（冷鋒）、warm front（暖鋒）；coastal front（海岸鋒）、arctic front（北極鋒）、ocean front（海洋鋒）；stationary front（靜止鋒）、active front（活躍鋒）。在學生作答的基礎上，教師可指出這些“名詞+名詞”和“形容詞+名詞”搭配關系體現了術語概念之間的屬-種關系、宿主-特征關系和事件-地點關系，進一步幫助學生梳理術語知識。

2. Complete the following sentences using appropriate words.

A front" another front when the former moves faster and goes past the latter.

A front is"" if it becomes longer because something stretches it.

An atmospheric phenomenon" a front when the former happens with the latter or as a result of it.

A front is" when it becomes stronger.

3. Find synonyms for the underlined part of the following sentence.

We will examine the subset of advections that tends to create a cold front.

練習2和練習3涉及索引行[1]、[2]、[3]、[5]、[7]、[12]和[13]，旨在考察ESP學習者是否能夠根據生成需要，從語料中找出相應動詞，形成符合“動詞+front”結構的動賓搭配關系，以表達特定意義（overtake超過、elongate延長、accompany伴隨和strengthen加強）或相近的意義（create、produce和generate均表示“產生”）。

4. Which of the following does NOT result from a front？

A. changes in weatherB. a shift in wind

C. low stratus and fogC. tornadoes

練習4涉及索引行[8]、[9]、[11]和[14]。“在科學中，因果關系對理解科學知識至關重要”^[17]。因此，front能夠與哪些術語概念形成因果關系是考察ESP學習者是否掌握front相關知識的重要內容。值得注意的是，與對搭配關系的提取比較而言，使用SkE提取概念關系是對詞匯素描功能的實驗性拓展，還處在起步階段。據León-Araúz等^[18]的評估，SkE提取概念關系的準確率還有待提高，返回的數據還存在較大噪聲。就氣象專業學生而言，這為設計具體的術語教學活動提供了一種新的可能：ESP教師可以鼓勵學生使用專業知識，基于索引行參與甄別、匯報和闡釋SkE返回的概念關系。如在索引行[11] Widespread precipitation associated with a gradual sloping front often causes low stratus and fog中，SkE誤把front視為cause的主語，因而認為front與stratus（層云）和 fog（霧）之間形成因果關系。教師可以引導學生對句子結構進行語法分析，找出cause的真正主語Widespread precipitation（大面積降雨），從而判定選項C不是font造成的結果。索引行[14]間接體現了front與tornado（龍卷風）之間的因果關系，教師也可以引導學生根據知識型式做如下推導：front導致（“cause”）weather event（天氣事件），weather event又包括（“such as”）tornado，front和tornado之間因而形成因果關系。

4 結語

隨著我國大學新生的整體英語水平的提高，專門用途英語教學將是我國大學英語教學的發展方向^[19]。然而，在推行ESP教學過程中遇到了不少難題。其中術語由于承載的專業知識超出了普通語言使用者的認知范圍，成為大學英語教師向ESP教學轉型的障礙之一。面對術語，ESP教師往往對教什么和如何教感到困惑。物性結構為確定術語教學傳授什么知識提供了可操作的描寫框架，語料庫輔助工具SkE為獲取術語知識以及將這些知識應用于教學實踐奠定了技術基礎。本文在物性結構理論指導下，借助SkE的語料庫創建、詞匯素描和例句精選等功能，嘗試設計了旨在考查術語搭配關系和概念關系的相關練習。這些教學活動不僅鍛煉了學生的自主學習能力，而且符合學生的認知心理，能夠調動他們的求知欲和探索精神。需要指出的是，除了簡答題、填空題和選擇題之外，教師還可以設計出更多的題型（如判斷題、翻譯題、寫作題等），以解決當前英語術語教學中存在的問題，更好地提高學習者的術語交際能力。此外，與傳統的專業詞匯教學設計相比，本文提出的數據驅動教學設計學習效果是否更好，尚需開展嚴謹的實證對比研究加以驗證。

參考文獻

[1] CABR M T. Elements for a theory of terminology： towards an alternative paradigm [J]. Terminology， 2000， 1： 49.

[2] 馮志偉. 現代術語學引論（增訂本）[M]. 北京：商務印書館，2011：20.

[3] CABR" M T. Theories of terminology： Their description， prescription and explanation [J]. Terminology， 2010， 2： 183.

[4] DUDLEY-EVANS T， St John M J. Developments in English for Specific Purposes： A Multi-disciplinary Approach [M]. Cambridge： Cambridge University Press， 1998： 80.

[5] 盧華國， 張雅. 基于 Sketch Engine 的專門用途英語（ESP）詞匯數據驅動教學模式探索[J]. 現代教育技術，2015（2）：67-73.

[6] PUSTEJOVSKY J. The Generative Lexicon [M]. Massachusetts： MIT Press， 1995： 85-86.

[7] 宋作艷. 生成詞庫理論的最新發展[J]. 語言學論叢，2011（44）： 204.

[8] PUSTEJOVSKY J. Type construction and the logic of concepts [C]//Bouillon P， Busa F. The Syntax of Word Meaning. Cambridge： Cambridge University Press， 2001： 5.

[9] LENCI A， BELL N， BUSA F， et al. SIMPLE： A general framework for the development of multilingual lexicons [J]. International Journal of Lexicography 2000（4）： 254.

[10] FABER P， LEN-ARAZ P， REIMERINK A. Representing environmental knowledge in EcoLexicon [C]//BárcenaE， Read T， Arús J. Languages for Specific Purposes in the Digital Era. Niew York： Springer， 2014： 275-276.

[11] HEYLEN D. Lexical functions， generative lexicons and the world [C]//Patrick S，Evelyne V. Computational Lexical Semantics. Cambridge： Cambridge University Press， 1995： 132.

[12] 袁毓林. 漢語名詞物性結構的描寫體系和運用案例[J]. 當代語言學，2014（1）： 31-48.

[13] BARTSCH S， EVERT S. Towards a Firthian notion of collocation [J]. Vernetzungsstrategien Zugriffsstrukturen und automatisch ermittelte Angaben in Internetwrterbüchern， 2014， 2（1）： 48-61.

[14] KILGARRIFF A， RYCHL P， SMRZ P， et al. The sketch engine [C]//Moiron M. Proceedings of the Eleventh EURALEX International Congress. Lorient， 2004： 116.

[15] LEN-ARAZ P， SAN MARTN A， FABER P. Pattern-based word sketches for the extraction of semantic relations[C]//Drouin P， Grabar N， Hamon T， et al. Proceedings of the 5th International Workshop on Computational Terminology. Osaka， 2016： 73-82.

[16] SAN MARTN A， TREKKER C， LEN-ARAZ P. Extraction of Hyponymic Relations in French with Knowledge-Pattern-Based Word Sketches[C]//Proceedings of the 12th Language Resources and Evaluation Conference. 2020： 5953-5961.

[17] L’HOMME M C. Lexical Semantics for Terminology： An Introduction[M]. Amsterdam： John Benjamins Publishing Company， 2020： 154.

[18] LEN-ARAZ P， REIMERINK A. Improved Knowledge Rich Context Extraction for Terminography [C]//Read T， Montaner S， Sedano B. Technological Innovation for Specialized Linguistic Domains. Beau Bassin： ditions universitaires européennes， 2018： 69-84.

[19] 蔡基剛. ESP與我國大學英語教學發展方向[J]. 外語界，2004（2）： 22-28.