依存句法模式挖掘完整教程：从依存关系与三元组，到词性骨架、动词论元框架和修饰搭配

手里有十年的政府工作报告，想知道推进后面常跟哪些宾语，发展前面常加哪些修饰语，这批文本反复使用哪些句法套路。按固定窗口统计词语搭配，只能看到挨在一起的词；推进了多年的农村土地制度改革，推进和改革隔了十个字，窗口一小就看不到这层关系。

依存句法分析给每句话标出词与词之间的语法关系，谁是谁的主语和宾语，谁修饰谁，不管两个词隔得多远都能连起来。依存句法模式挖掘在此基础上再进一步，把一大批句子的分析结果按同一种模式归类累加，找出整批语料里反复出现的句法关系。

在 TATOOLS 的【依存句法模式挖掘】里【上传文档】，TATOOLS 逐句做依存句法分析，按工具页选定的一种视角归类统计，可以看依存三元组和词性序列，也可以看动词论元框架或修饰对，每个模式给出出现次数、涉及多少个句子和多少份文件，并附原句作例证。

这篇教程先讲依存关系怎样表示，再用几句示例讲清四种统计视角各数的是什么，然后讲节点词、频次口径和文档检查，最后讲报告的读法和论文里的写法。

依存语法由 Tesnière 1959 年系统提出。它认为句子里每个词都依附于另一个词，被依附的叫支配词，依附的叫从属词，每条依附关系都有一个语法类型，整句只有一个词不依附别人，叫根。

以一句示例说明。

每条关系由三部分组成，支配词、关系类型和从属词。关系类型的标签沿用 Chang 等人 2009 年为中文整理的斯坦福依存关系，词性沿用宾州中文树库的标注。

依存关系按语法结构连接词语，和两个词隔得多远无关。推进了多年的农村土地制度改革，推进和改革之间隔了好几个词，分析出来仍是一条直接宾语关系。

TATOOLS 先把文本按标点切成句子，再逐句交给本站的依存句法分析能力，同时拿到分词、词性和依存关系三层结果。这个工具目前适用于中文文本。

依存三元组就是一条依存关系本身，写作支配词、关系和从属词。【挖掘哪种句法模式】默认选【依存三元组（dep_triple）】，TATOOLS 把整批句子里的全部依存关系按三元组归类计数，根节点不计入。

三个句子的主语和状语各不相同，推进带改革作宾语这条关系出现了三次。三元组是最直接的句法关系统计，也最容易出结果，适合先对整批语料做一个全景扫描。

报告的【高频模式排行】把三元组写成推进 → 改革 [dobj] 的样子，按出现次数从多到少排列。

词性序列不看具体的词，只看连续几个词的词性排成什么样子。TATOOLS 取每个词词性标注的首字母，n 是名词，v 是动词，把连续 2 到 4 个词的词性首字母用加号连起来，作为一个模式计数。

同一种词性骨架可以装进许多不同的词，推进农村改革和加快产业升级都是 v+n+n，深化体制创新也是。选【词性序列（pos_seq）】，TATOOLS 统计的是这批文本偏爱哪几种句法骨架，比较两类文体时很有用。

一个动词能带几个、带哪些论元，语言学叫配价，Tesnière 用化学里的价来比喻这件事。动词论元框架统计的就是每个动词实际带了哪些论元。

选【动词论元框架（verb_frame）】，TATOOLS 找出句中每个动词，收集挂在它下面的主语和宾语这类论元，被动句的主语和话题也算在内，按主语在前、宾语在后的顺序拼成一个框架。

框架按动词和论元类型归类，推进带主语和宾语的句子算作同一个框架，推进只带宾语的句子算作另一个。报告里的框架显示的是其中一句的论元词，展开示例可以看到更多原句。比较同一个动词在不同框架下的次数，能看出它在这批文本里常带主语，还是常省略主语。

修饰对只看修饰类关系，把修饰语和被修饰的词配成一对。TATOOLS 收的修饰关系以形容词修饰和副词性状语为主，也包括复合名词修饰和时间修饰这类关系。

选【修饰对（mod_pair）】，可以看到这批文本习惯用哪些词修饰核心概念，比如发展前面最常出现的是高质量、协调还是可持续。

研究问题常常围绕几个关键词。在【节点词】里填上推动和加快这样的词，TATOOLS 只统计与这些词相关的模式。三元组和修饰对要求节点词出现在其中一端，动词论元框架要求节点词就是那个动词，词性序列要求这段骨架对应的原文里包含节点词。

还没想好填什么，打开【自动使用 Top 10 高频词作为节点词】，TATOOLS 先从整批语料里挑出出现最多的 10 个词，排除停用词后作为节点词。

填了节点词以后，报告多出【节点词模式】一块，每个节点词一个标签页，列出与它相关的高频模式和总命中次数。节点词不受停用词和词性过滤的影响，始终保留。

同一个模式在一句话里出现几次，都只算一次，所以频次也就是出现这个模式的句子数。跨文件数是这个模式出现在几份文件里，出现在多数文件里的模式，是这批语料共有的句法习惯。

【最小模式频次】默认 5 次，出现次数不到 5 次的模式不进入结果，语料越大可以调得越高。【输出前 N 个高频模式】默认 100 个，决定报告和下载表格里列出多少个模式。

TATOOLS 为每个模式保留几条原句作例证，报告里点【示例】展开，模式涉及的词在原句里高亮。

依存句法分析以句子为单位。TATOOLS 按标点切句，超过 200 个字符的句子不进入解析，单份文件参与解析的句子数也有上限。

整段没有标点的长文，切句后几乎全是超长句，会被整段跳过。【自动检查并分段不合格文档】默认打开，TATOOLS 先检查每份文件是否缺少句末标点、段落边界，或者有明显过长的行；不适合直接解析的文件，按逗号这类自然边界和长度切成较短的片段再解析，并在结果里写明原因。

报告的【文档检查与自动分段】列出哪些文件做了自动分段，【文件级解析摘要】列出每份文件切出多少句，其中多少句解析成功，多少句解析失败或因超长被跳过。

的、是这类高频功能词会大量进入模式排行，把有内容的句法搭配淹没。TATOOLS 的【使用系统停用词】默认关闭，建议打开，还可以在【自定义停用词】里补充；【使用词性过滤】可以把选中的词性类型排除在外。

过滤按模式类型分别生效。三元组和修饰对任何一端命中停用词，整条不计；词性序列的窗口里有停用词，这段骨架不计；动词论元框架里命中停用词的论元被剔除，剔除后一个论元都不剩的框架不计。【词形合并】把同一个词的不同写法并成一个再归类。

四种视角一次选一种，换一种视角重新提交即可，TATOOLS 会对同一批文本给出另一组模式。

读的顺序是先看已解析的句子够不够多，跳过和失败的句子占比高，先回头清理标点再跑；再看高频模式排行，展开几条示例确认分析得对不对；最后看跨文件数，区分全批语料共有的套路和个别文件的写法。

【高频模式排行】可以按文字筛选，勾选关注的模式单独导出。TATOOLS 下载的结果里有两张表，一张是模式总表，一张是每个模式的原句示例。

下面是一段常见的写法示例，方括号里换成自己的内容。

论文里写明模式类型、频次门槛和停用词设置，并引用几条原句说明模式的实际用法，读者就能判断这些句法模式的代表性。

想逐句查看依存树，并按句子复杂度打分，可以用 TATOOLS 的【依存句法分析】；想按窗口统计词语搭配并比较关联强度，用【词语搭配强度分析】；想看词性分布和相邻词性的搭配，用【词性标注】。