【摘要】
本文以《现代汉语词典》第7版收录的词目为现代汉语基本词汇的代表，统计这些词语的词类、词长、词义的数量特征并进一步探讨这些特征之间的内在关系。从词长来看，基本词类以双音节为主，而叹词、助词、量词等以单音节为主；从词义来看，汉语以单义词为主；从词类来看，名词、动词、形容词是主体，占比超过95%。无论是否区分词性，词长和词量、词长和词义数、词义数和词量均大致呈反比关系。
【关键词】
《现代汉语词典》 词类 词长 词义 数量特征
【作者简介】
张永伟，文学博士，中国社会科学院大学文学院教授，中国社会科学院语言研究所研究员
张永伟
目次
一、定词规则
（一）基本定词规则
（二）对异形词的处理
1.对规范内异形词的处理
2.规范外异形词的处理
（三）对用其他条目/义项做注解的条目或义项的处理
（四）对多义词及同形异义词的识别
（五）对多音词的识别
二、词的基本数量分布
（一）词长的基本数量分布
（二）词类的基本数量分布
（三）词义的基本数量分布
三、词类、词长、词义的关系
（一）词类、词长的数量关系
（二）词类、词义的数量关系
1.不同词类的词义数和词量呈反比关系，当词义数和词类数均较大时尤为明显。
2.汉语各词类均以单义词为主
3.不同词类的平均词义数最小为1.06，最大为1.55
4.汉语词的多义性经常以不同词类呈现
（三）词长、词义的数量关系
（四）不同词类的词长、词义数分布
（五）不同词类的词义、平均词长分布
四、结语
词类、词长、词义均是词汇的基本特征，基于统计数据对这些特征进行规律分析，探讨它们的相互关系，有助于加深对汉语词汇整体面貌及其分布规律的认识。同定性研究相比，汉语词汇数量特征分析研究的起步较晚，《现代汉语频率词典》的附录统计了多种类型的词长分布，是早期的词汇数量特征分析研究成果之一。权威语文辞书，尤其是《现代汉语词典》（以下简称《现汉》）成为很多研究的主要材料。尹斌庸为《现汉》词目标注词类，较早地统计并揭示了汉语词类的数量特征，但限于当时的条件，在统计时每个词目均只计一个词类，这在一定程度上影响了结论的可靠性。苏新春专门对《现汉》第2版和第3版的收词、注音、释义、词语性质等进行数量特征分析，描绘了汉语词汇的基本面貌，但《现汉》第2版距今已出版41年，《现汉》第3版距今已出版28年，其收词已不能反映汉语词汇的最新面貌。王惠利用《现汉》第5版和文本语料对多义词的词长、词义、词频之间的关系进行系统研究，进行了一些很有启发性的分析，但未将单义词作为考察对象，也未将词类作为考察对象。黄丽君、端木三抽取《现汉》中1/10的单音词对词长弹性进行了数量特征考察，认为弹性词长是汉语的普遍现象，但未对词和语素进行区分，不能不说是一个遗憾。另外，郭锐利用《现代汉语语法信息词典》中43330个词的材料，对各类词的数量特征以及词类在真实语料库中的实际分布进行了考察。
《现汉》收录的是现代汉语的基本词、常用词，有极广的流传面和极高的权威性，是致力于反映现代汉语词汇系统的词典，其收录的词目在很大程度上反映着现代汉语词汇的构成与概貌。《现汉》从第5版开始标注词性，并区分义项中的词义和语素义，此后又经过两个版本的修订，对收词立目、注音、词类标注、释义等进行完善。《现汉》在收词、词类标注、释义等方面的工作堪称典范。
本文以《现汉》第7版收录的词目为基本词汇，将词类、词长、词义作为基本特征，全面分析词类、词长、词义的数量特征及其内在关系。本文与前人研究的不同之处有以下四点：第一，笔者以《现汉》第7版为考察材料，希望能更全面、更准确地反映汉语词汇的最新面貌；第二，在基本定词规则中，除了参考词性，根据《现汉》的编纂特点，对异形词、用其他条目或义项做注解的条目或义项等进行处理，使统计的结果更贴近真实情况；第三，在考察时，多义词往往存在多种合理的统计方法，本文相应地给出每种统计结果并加以分析；第四，本文对词类、词长、词义之间的关系进行了更多角度、更细致的统计分析，得出一些新的结论。
一、定词规则
（一）基本定词规则
这里的基本定词规则指从《现汉》中提取词时依据的规则。《现汉》收录的单字条目除了词，还包含不成词的语素和非语素字；多字条目除了词，还包括词组、成语和其他熟语。经统计，《现汉》第7版明确收录单字条目11166个，多字条目58700个，合计69866个。《现汉》从第5版开始为词标注词类，因此可以通过观察条目是否有义项标注了词类（姓氏义的名词除外）来判断条目是否是词。这样的基本定词规则与王惠的研究成果一致。
（二）对异形词的处理
《现汉》收录了大量的异形词，规范词形大多正常独立出条，非推荐词形有的不明确出条，有的出条但难以根据基本定词规则准确识别为词。据张永伟统计，《现汉》第7版收录“已有国家试行标准”的异形词337组（以下简称规范内异形词）、“国家标准未做规定”的异形词687组（以下简称规范外异形词），合计1024组。规范内和规范外的非推荐词形均需要经过一定处理后，才可以使用基本定词规则准确识别。
1. 对规范内异形词的处理
对规范内异形词，《现汉》第7版凡例指出，“以推荐词形立目并做注解，非推荐词形加括号附列于推荐词形之后；在同一大字头下的非推荐词形不再出条，不在同一大字头下的非推荐词形如果出条，只注明见推荐词形”。
“搭讪—搭赸、答讪”是规范内异形词。其中，“搭讪”是推荐词形，独立出条并做注解。“搭赸”和“答讪”是非推荐词形，二者均附列于“搭讪”后的括注内，但前者和“搭讪”在同一大字头下，没有独立出条，后者和“搭讪”在不同大字头下，独立出条。《现汉》这样的处理有助于节约篇幅，但有可能导致有的非推荐词形可以被准确识别为词，有的不可以。为避免这种情况，在推荐词形后括注内的所有非推荐词形均应独立出条，并将推荐词形的注解作为非推荐词形的注解。例如，将“搭赸”“答讪”的注解处理为：
“答讪”是原有条目，为了想跟人接近或把尴尬的局面敷衍过去而找话为了想跟人接近或把尴尬的局面敷衍过去而找仅补充了注解。“搭赸”是新增条目，注解使用“搭讪”的注解。此时“答讪” “搭赸”均可按基本定词规则被准确识别为动词。
2.规范外异形词的处理
对规范外异形词，《现汉》第7版凡例指出，“以推荐词形立目并做注解，注解后加‘也作某’……非推荐词形如果出条，只注同推荐词形”。比如：
“绿荫—绿阴”是规范外异形词，其中，“绿荫”是推荐词形，独立出条并做注解；“绿阴”是非推荐词形，虽然独立出条，但没有标注词类，只注“同‘绿荫’”。根据基本定词规则，“绿阴”未标词类，无法被识别为词。为避免这种情况，非推荐词形的注解应与推荐词形的注解保持一致。例如，将“绿阴”的注解改写为：
在改写后，“绿阴”被标记为名词，此时使用基本定词规则可以准确将其识别为名词。
（三）对用其他条目/义项做注解的条目或义项的处理
在《现汉》中有的条目或义项使用了其他的条目或义项做注解。例如：
“楔”字包括两个义项，第1个义项的注解使用了“楔子”的前两个义项，第2个义项使用了“揳”字条目。“楔子”和“揳”的完整注解如下：
“楔子”有3个名词义项，“揳”只有一个动词义项。在直接使用基本定词规则时，“楔”将被误识别为只有1个名词义项，而结合“楔子”“揳”的注解不难看出，“楔”实际上有2个名词义项，1个动词义项。为了准确识别“楔”的全部义项，在应用基本定词规则前，需将“楔”的注解改写，例如：
上述例子仅涉及义项和词类的识别。有时，不对注解进行这样的改写，将影响词的识别，例如：
《现汉》第7版中“原3”没有义项标注词类，因此将不会被识别为词。然而，仔细分析后发现，义项2使用“同‘塬’”做注解，而“塬”是名词。因此“原3”的义项2也应直接使用“塬”的注解全文，从而在应用基本定词规则时，应当被识别为词。
（四）对多义词及同形异义词的识别
同一条目的不同义项，意义不相同但有联系，因此包含多个成词义项的条目，视为多义词。与多义词相关的，是同形异义词。根据凡例，《现汉》对形同音不同的词分立条目，对形同音同但意义需要分别处理的也分立条目。例如：
两个“草本”形同音同，但在意义上需要分别处理，分立为两个条目。因此，两个“草本”应视为不同的词，而不是多义词。
（五）对多音词的识别
《现汉》为绝大多数词形相同而读音不同的词分立不同条目，它们在使用基本定词规则时，也将被识别为不同的词。例如：
但是，《现汉》为极个别词形相同、词义相同但有不同读音的词只出一个条目，并同时注明不同读音。对这样的词，本文将之视为一个词。例如：
二、词的基本数量分布
对《现汉》第7版收录的条目及义项进行相应处理后，统计得知《现汉》第7版收录单字条目11166个、多字条目58878个，合计70044个。对这些条目使用基本定词规则进行识别，共得到55812个词、71572个标注了词类的义项，接下来对这些词的词长、词类和词义的基本数量分布进行分析。
（一）词长的基本数量分布
词长通常指词的音节数，其基本数量分布主要通过词量和比例来体现。词量指词的数量，对多义词而言，每个词的词量既可以是1，也可以是义项数。前者以词为基本单位统计，与义项无关；后者以义项为基本单位统计，与词义相关。在按义项统计时，有的义项还包含子义项，子义项也应视为独立义项。此外，名词“姓”的义项和未标注词类的非词义项均忽略不计。采用两种方法分别统计，词长的基本数量分布情况见表1。
两种统计方法均显示《现汉》第7版的词长介于1到6之间，二字词数量最多，三字词和单字词数量次之，三者合计占比超过99%。长度大于3的词，数量极少，合计占比不足1%。此外，对多字词而言，词长和词量呈反比关系，即词长越长、词量越小，反之亦然。
两种统计方法的主要不同在于，在以词为基本单位统计时，三字词数量多于单字词；而在以义项为基本单位统计时，单字词数量多于三字词。造成这种差异的原因是单字词的义项数量远多于三字词，故在以义项为基本单位统计时，义项多的单字词比义项少的三字词更多次地被重复统计。
（二）词类的基本数量分布
《现汉》标注了12种词类，分别为名词、动词、形容词、数词、量词、代词、副词、介词、连词、助词、叹词、拟声词，与《中学教学语法系统提要（试用）》的分类相同。
假设多义词有n个义项词性相同，则在统计时该词性对应的词量可以是1，也可以是n，前者以词形为基本单位统计，与n的大小无关；后者以相同词性的义项为基本单位统计，与n的大小相关。当多义词标有多种不同词性时，每种词性的词量均应单独统计。采用两种方法分别统计，词类的基本数量分布情况见表2。
可以看到，两种方法统计的不同词类的词量分布情况较为一致：不同词类的词量差异很大，名词、动词、形容词是主体，占比超过95%，其他9类词不足5%。两种统计结果的不同之处在于按义项统计时，代词的词量大于连词，助词的词量大于介词，而按词形统计时恰好相反。代词和连词的词量大小存在差异，是由于代词和连词的词量比较接近，而代词的义项数比连词多。助词和介词的词量大小差异也是由同样原因导致的。
（三）词义的基本数量分布
词义的基本数量分布主要通过不同词义数的词量和比例来体现，词义数按词的义项数来统计。经统计，词义的基本数量分布情况见表3。
可以看到，在汉语中79.19%的词都是单义的，也就是说，大部分的词只表示一个意义。而多义词中又以两个义项的多义词为主，占多义词的78.96%。所以，尽管《现汉》第7版收录的义项数比词的数目多了15760个，但这大部分是由双义词贡献的。一个词承载的意义不宜过多，这才能保证词在语境中被迅速识别和理解。此外，基于表3的结果进一步统计得到，汉语词的平均词义数为1.28，单义词和多义词的数量比值为3.8。表3同时显示，词义数越大，词量越小，二者呈反比关系。
三、词类、词长、词义的关系
（一）词类、词长的数量关系
不同词类、不同词长的词量统计，依然有按词统计和按义项统计两种方法，不同方法的统计结果分别见表4和表5。
“汉语词以双音节为主”已经是学界的共识，但通过对不同词类词长的分析可以看到，不同词类的词长还是存在一定差异的。表4和表5同时显示，词长均值最接近双音节的是名词、形容词和动词，而叹词、助词和量词的词长均值更接近于单音节。由于名词、形容词、动词是汉语词类的主体，占比95%以上，故而它们的词长决定了汉语词长的基本面貌。所以，更准确地说，汉语的基本词类以双音节为主，而叹词、助词、量词等则仍以单音节为主。
在三个基本词类中，名词不仅数量最多，而且平均词长明显大于其他词类，同时也是三字词数量多于单字词的唯一词类。从词长的角度看，长度大于2的词，以名词为主，占比超过半数；长度大于4的，形容词有1个（可惜了儿的），名词有17个（哀的美敦书、爱斯基摩人、布尔什维克、叽里旮旯儿、纪事本末体、居民身份证、柯尔克孜族、克里姆林宫、萨噶达娃节、手指头肚儿、乌孜别克族、无后坐力炮、小手工业者、伊斯兰教历、阿尔茨海默病、达摩克利斯剑、英特纳雄耐尔）。名词表示事物，世界上的事物千差万别，新的事物也在不断产生。事物的不同特征需要反映在名词中，这样表示A事物的名词才能与表示B事物的名词区分开来，不影响人们交际。
动词的三字词含儿化数量较多，有170个。另外，“双音名词+词缀”的构词方式也产生了不少三字动词，仅以“化”结尾的动词就有33个，如“城镇化、概念化、人格化、沙漠化”等。此外，将“V得+补”“V不+补”作为动词的数量也较多，分别有24个、49个，如“吃得来、对得住”“吃不来、对不住”等。
形容词的三字词、四字词大多是表描摹的状态词。重叠是用来表示描摹的重要手段，是造成形容词三字词、四字词数量较多的主要原因。例如，在按词统计的388个三字词中，状态词有228个，而在状态词中ABB模式的有218个，如“碧油油、沉甸甸、乐滋滋、香喷喷”等。在按词统计的115个四字形容词中，有90个是状态词，而在状态词中AABB模式的有63个，如“沸沸扬扬、轰轰烈烈、堂堂正正、熙熙攘攘”等。一般的成语词典也收录了这些词，所以它们是词还是语其实是可以讨论的。
（二）词类、词义的数量关系
假设多义词有n个义项词性相同，总义项数有m个（1≤n，n≤m，等号不同时成立），则在统计时该词性对应的词义数可以是1、n或者m。在按1计算时，某个词的词类对应的词义数始终为1，词类与词义的数量分布等同于词类在按词统计时的数量分布；在按n计算时，词义数等于与该词性相同的义项数，即排斥异类义项；在按m计算时，词义数等于整个词包含的所有义项数，即包含异类义项。例如，“楔”有2个名词义项，1个动词义项，总义项数为3，则在统计名词的义项数时，上述三种统计方法分别对应1、2、3。后两种统计方法的区别在于，当多义词只有一种词性时（n=m），统计结果完全一致；当多义词为兼类词时，按m计算的词义数大于按n计算的词义数，多出的是其他词性对应的义项数。由此可见，当考察词类与词义的关系时，只统计与该词类相同的义项数更为合理。
1. 不同词类的词义数和词量呈反比关系，当词义数和词类数均较大时尤为明显。
统计不同词类、不同词义数的词量，有助于详细分析每个词类的词义数量分布。不同词类、不同词义数的词量详情见表6。
表6最末行数据显示，在区分词性统计时，词义数和词量之间依然整体呈现反比关系，词义数越大，词量越小。表6最末行数据和表3数据略有不同，前者在统计时区分词性，后者不区分。但无论是否区分词性，统计结果都显示了词义数和词量之间的反比关系，说明这种反比关系具有稳定性。但是，具体而言，并非所有词类都满足这种反比关系。例如，表6显示，形容词义项数为6的词少于义项数为7和8的词，副词义项数为5的词少于义项数为6的词等。因此，词义数与词量的关系，还应补充以下两点：一是名词、量词等的词义数和词量呈反比关系，词义数越小，反比关系越明显、越稳定；二是当词义数较大且词量较小时，词义数和词量之间的反比关系就会受到挑战。一种关系的呈现需要一定的数据量，而当词义数较大时，各词类的词量通常都非常小，以个位数为主，上述这种反比关系只能大致呈现，难以验证。
2.汉语各词类均以单义词为主
将不同词类的多义词作为整体同单义词进行对比，有助于考察不同词类的单义词、多义词整体数量差异。不同词类的单义词、多义词数量及二者的比值见表7。
表7显示，所有词类的单义词数量均大于多义词数量，这进一步明确了汉语各词类均以单义词为主的事实。其中，尽管代词的单义词与多义词的数量比值最小，但单义词数量依然是多义词数量的2.55倍。拟声词、叹词、连词、量词的单义词数量甚至是多义词数量的10倍以上。按单义词与多义词的数量比值从大到小排列，名词、动词、形容词分别居于第7、8、9位，处在中后段，比值在4.54~5.7区间内。
需要指出的是，表7统计得到的单义词与多义词的数量比值为5.29，而根据前文统计得到单义词与多义词的数量比值为3.8。这是因为，前文在统计时不区分词类，而此处在统计时区分词类，只考虑和目标词类完全相同的义项。对非兼类词和单义词而言，两种方法的统计结果相同，但对兼类的多义词而言，前者统计的多义词数量大于后者，因为非目标词类的义项也被统计，导致多义词的数量增加，从而单义词与多义词的数量比值降低。
3.不同词类的平均词义数最小为1.06，最大为1.55
对词类平均词义数的分析有助于考察不同词类的词义数的整体差异。将各词类的平均词义数按从大到小排列，结果见图1。
图1显示，不同词类的平均词义数分布不均匀。助词、代词、介词的平均词义数较大，均在1.3以上，但平均词义数最大的助词的该数值也只有1.55；拟声词、叹词、连词、量词的平均词义数较小，均小于1.1；动词、数词、形容词、名词、副词的平均词义数居中，在1.1~1.3区间内。
需要指出的是，根据前文统计得到汉语词平均有1.28个词义，那是在不区分词性的情况下统计得到的，而图1的词义数在统计时只考虑和目标词类完全相同的词义，忽略和目标词类不同的词义。如果在统计时考虑词性因素，则汉语词的平均词义数为1.22，这个数值主要是由动词、形容词、名词决定的，因为三者的词量占比95%以上，而且其平均词义数居于中段，在1.1~1.3区间内。
4.汉语词的多义性经常以不同词类呈现
统计词的兼类数和词义数，有助于考察二者之间的关联，详细数据见表8。
兼类数大于1的为兼类词。表8显示，兼类数为2、词义数为2的词，即兼类数和词义数均为2的兼类词为2247个，占所有兼2个词类的词的73.19%，即73.19%的双义词有不同词类表现。更全面地，兼类数和词义数相等的兼类词共计2339个，占全部兼类词（3314个）的70.58%，即超过70%的多义词均有相等数量的词类表现，这充分说明兼类对词的多义贡献是非常大的。
此外，随着兼类数的增加，兼类数和词义数相等的词占相同兼类数的词的比例逐渐降低。换言之，一个多义词的词类种数越多，出现相同词性词义的可能性也就越大。
（三）词长、词义的数量关系
统计不同词长、不同词义数的词量，可以更细致地考察不同词长的词义数的数量分布以及不同词义数下词长的数量分布。不同词长、不同词义数的词量见表9。
表9中词义数大于等于10的28个词均是单字词，词义数的最大值为24。更详细地，词义数为10~18的单字词数量分别为7、7、3、3、3、3、0、0、1个，词义数为24的单字词只有1个，即“打”。
由前文可知，汉语多字词的词长和词量整体上呈反比关系，表9显示这一关系不受词义数的影响。换言之，不同词义数的多字词的词长和词量整体上呈反比关系。同样由前文可知，汉语词的词义数和词量也呈反比关系，表9显示这一关系不受词长的影响。换言之，不同词长的词义数和词量均呈反比关系。例如，长度为3的词，单义词为5422个，数量最多，而当词义数逐步增加到2、3、4、5时，词量逐步减少为578、51、6、1个。
此外，表9显示，词长越长，词的平均词义数越小，二者大致呈反比关系，例外的是词长为4的词的平均词义数为1.13，比词长为3的词的平均词义数1.12大。在所有长度的词中，只有单字词的平均词义数大于平均值，为1.89。词长为5和6的词，平均词义数最小，均只有1个词义。表9还显示，词义数越大，平均词长越短，二者呈反比关系。单义词的平均词长最长，为2.08；超过7个词义的词的平均词长最短，全部为单字词。
（四）不同词类的词长、词义数分布
前文指出，词长和词的平均词义数大致呈反比关系。接下来将按不同词类分别统计不同词长的平均词义数，以观察哪些词类的词长和平均词义数呈反比关系，哪些没有呈现，统计详情见表10。
表10显示，名词、动词、数词、量词、代词、介词、连词、助词、叹词的词长和平均词义数之间均呈严格的反比关系，而形容词、副词、拟声词是例外。词长为4的形容词、副词的平均词义数大于词长为3的，这是导致这两类词的词长和平均词义数未呈严格反比关系的主要原因。如前文所述，这部分条目是词还是语是可以讨论的。
（五）不同词类的词义、平均词长分布
前文发现词义数和平均词长呈反比关系，本部分将按不同词类分别统计不同词义数的平均词长，以观察是否所有词类的词义数和平均词长之间均呈反比关系，统计详情见表11。
表11显示，虽然词义数和平均词长在整体上呈反比关系，但具体到各个词类，只有名词、形容词、动词、副词、连词、量词、助词的词义数和平均词长呈严格的反比关系，其余5个词类（拟声词、代词、介词、数词、叹词）的词义数和平均词长只是大致呈反比关系，均存在例外情况。但是，由于名词、动词、形容词占比高达95%以上，故而词义数和平均词长在整体上的关系主要受它们的影响，依然呈反比关系。
四、结语
本文在对《现汉》词语的词类、词长和词义等基本特征进行统计的基础上，分析了三者之间的内在关系，主要得出以下五点结论。
第一，汉语词整体上以双音节为主，其中基本词类以双音节为主，而叹词、助词、量词等以单音节为主。无论是否区分词性，多字词的词长和词量整体上均呈反比关系。
第二，在各词类中，名词、动词、形容词是主体，占比超过95%。
第三，汉语以单义词为主，占比高达79.19%，在多义词中又以两个义项的多义词为主，占多义词的78.96%。在统计时无论是否区分词性，所有词类的单义词词量均多于多义词词量，各词类的平均词义数在1.06~1.55区间内。此外，汉语词的多义性经常以不同词类呈现，兼类对词的多义性贡献是非常大的。
第四，词长和平均词义数大致呈反比关系。其中，形容词、副词、拟声词的词长和平均词义数没有呈现严格的反比关系，其余词类均呈严格的反比关系。词义数和平均词长呈反比关系，其中拟声词、代词、介词、数词、叹词的词义数和平均词长没有呈现严格的反比关系，其余词类均呈严格的反比关系。
第五，无论是否区分词性，词义数和词量整体上均呈反比关系。其中，形容词、副词大致呈反比关系，仅存在个别例外情形，其余词类的词义数和词量均呈严格的反比关系。
表中数据较为详细，但限于文章篇幅，本文仅对表中数据进行了概要分析，分析得还不够细致。此外，本文未结合真实语料库中统计的词频进行分析，也未对兼类词的数量特征进行分析。词频也是词汇的重要特征之一，关于词频与词性、词长、词义之间的数量关系特征以及兼类词的数量特征将另文讨论。
（责任编辑：陈华积）
（网络编辑：何淑萍）
（原文载《中国社会科学院大学学报》2024年第5期，是“现代汉语特征研究”专题文章之一，注释从略，全文请见原刊，引用请据原文并注明出处）
拓展阅读
张永伟：语文辞书在异形词规范中的作用——以含有非规范汉字的异形词处理为例返回搜狐，查看更多