基于信息论的“连”字句的梯级模型

杨鸿禄

（河南师范大学 文学院，河南 新乡 453007）

关于汉语中的“连”字句（连XP①“连”后的成分通常是名词，但也可能是动词、形容词或短语（邵敬敏2008），这里为了简便，记为XP。+都/也+VP），学者们的研究很多，主要分为历时和共时两个方面。历时方面主要探讨“连”字句的语法化，如刘坚[1]、周小兵[2]、Xing, J. Z.[3]、邵敬敏[4]等；共时方面主要探讨：1.“连”的词性（宋玉柱[5]；梅立崇[6]；王思妮[7]）；2.“连”字句的语法意义（朱德熙1982[8]；崔永华[9]；崔希亮[10]）；3.“连”字句中“也/都”的异同（Paris[11]；郭春贵[12]；韩玉国[13]；Shyu[14]；罗琼鹏[15]；巴丹[16]；Yang[17]）；4.“连”字句的肯定和否定（崔希亮[10]；丁雪欢[18]；郭锐[19]；邵敬敏[4]）；5.“连”字歧义句（肖奚强[20]）；6.“连”字句的语用和认知（Paris[11]；崔希亮[10,21]；丁雪欢[18]；刘丹青、徐烈炯[22]；张旺熹[23]；郭锐[19]；袁毓林[24]；罗晖[25]）；7.“连”字句的生成机制（佟和龙[26]；张孝荣[27]）。

总的来说，前人的研究涉及面较广，也较为深入，但仍存在一些问题：很多学者认为“连”字句包含一个语用层级，所标举的是这个层级中的极端项（Paris[11]；崔希亮[10,21]；Portner[28]；郭锐[19]；袁毓林[24]；罗晖[25]；邓川林[29]等），并使这个极端项衍推出语用标尺中的所有个体，从而获得全称解读。然而如何理解“极端项”，“连”字句是否真的标举极端？如果把语用标尺当作一个集合，该集合是全集，还是子集？同时“连”字句的肯定和否定为什么会出现不对称，背后的制约因素是什么？基于这些问题，我们认为“连”字句仍有继续研究的必要性。

一、语用标尺和梯级模型

（一） 语用标尺

人类的会话通常不是由一串毫无关联的话语组成，否则就会不合情理。至少在某种程度上，会话都是合作性的努力；会话参与者都有共同的目标或方向。这个目标或方向可能是会话开始时就规定好的，也可能在会话的过程中逐渐变化。因此，会话参与者在会话的过程中需要遵循一般性原则，Grice[30]①Grice在1967年在哈佛大学的威廉·詹姆斯讲座中已经对会话含义理论进行了阐释，1975年正式发表了讲座中涉及的内容，即《logic and conversation》一文。称之为“合作原则”，又分为四个准则：数量（quantity）准则、质量（quality）准则、关系（relation）准则和方式（manner）准则。其中数量准则与话语提供的信息量有关，该准则包含两条次准则：1.从交谈的当前意图出发，提供充分的话语信息；2.不要提供比所需更多的信息。数量准则为Horn[31]的级差隐涵（scalar implicature）理论奠定了基础。级差蕴涵在处理级差谓词或程度谓词时，把衍推（entailment）或真值条件义看作它们意义的固有下限，把语用推理或蕴涵（implicature）看作意义的上限。Fauconnierr[32,33]在Horn[31]的基础上，提出了语用标尺（pragmatic scales）的概念，用于对语用推理进行建模。他发现英语的最高级可以起到量化词的作用，而语用标尺可以对这一现象进行解释。例如：

（1）The faintest noise bothers my uncle.(Fauconnierr[32])

如果最微弱的噪音都可以使我叔叔心烦意乱，那么大一点的噪音更有可能会产生这样的结果。因此可以构造出“x brothers y”的语用标尺（图1）。

图1 “x bothers y”的语用标尺 （Fauconnier [32]）

给定两个噪音x1和x2，使得xl在标尺上的位置高于x2(即噪声更大)，假设“x2使y心烦意乱”为真，那么“x1使y心烦意乱”也为真。

一般来说，语用标尺与命题模式有关。这种命题模式的一般形式是R(x，…②这些点表示其他自由变量，比如“x brothers y”中的y。)。如果x2在与R(x，…)相关的S标尺上小于xl，则R(x2，…)蕴涵R(xl，…)；因此，如果R适用于S上的最低元素，那么它适用于S上的所有元素（称之为标尺原则）。

此外，这一假设还预测，命题的逻辑否定会使标尺发生颠倒。因为如果R(x2) ⊃ R(x1) ，那么~R(x1) ⊃ ~R(X2)。因此，在与R相关的标尺中，最高的元素将成为与~ R相关的标尺中最低的元素，并使用相应的最高级来表达全称量化的含义。例如：

（2）The loudest noise doesn’t bother him.(Fauconnierr[32])

例（2）表示如果最大的噪音都不能扰乱他，其他的噪音更不能扰乱他。

Coulson[34]将语用标尺定义为：“语用标尺由对象或场景组成，这些对象或场景依据一些相关的语义维度（semantic dimension）进行排列，对标尺中某一成员的陈述，同时蕴涵着标尺中其他成员相关的命题。” 他认为，语用标尺的存在使说话人能够利用标尺上某一成员的信息，推断其他成员的信息。例如：

（3）Al Gore can solve the hardest equations. （Coulson[34]）

如果说Al Gore能解出最难的方程，也就意味着他能解出不那么难的方程。当一个句子（P）蕴涵另一个句子（Q）时，这意味着说话者在听到P时，将假设Q成立，除非对其做出一些限定。

（二） 梯级模型

Fillmore, Kay, & O’Connor[35]和Kay[36]对梯级模型（scalar model）的研究进一步完善了“语用标尺”的基本思想。Fillmore等[35]认为“梯级模型是具有特定结构（该结构可以看作是社会心理学中Guttman量表n个维度的概括）的一组命题”。语用尺度和梯级模型的关系是什么？Israel[37]指出，语用尺度是与命题模式相关联的一组有序元素；梯级模型是从这样的关联中派生出来的一组命题，该组命题以支持它们之间的推理的方式排列。该模型由命题模式P(x, y，…)组成，包含一个或多个自由变量，对于每个变量，都有一组可能的值，这些值按照某个语义维度排序。

Kay[36]从形式语义学的角度对梯级模型进行了界定。他认为梯级模型是由一组相互关联的命题组成的，这些命题被说者和听者理解为背景信息。在形式方面，梯级模型的性质可以概括如下：

假设真值集合T ={0,1}和事件状态集合S。从S到T的函数集合F可以解释为一组“命题”。梯级模型的特殊之处在于将特定的结构强加于集合F上——当然是“在语境中”对这一特定结构的命题集进行经验解释。为了以期望的方式形成F，假设一个有限集D = {D1…， Dn} (n > 1)，其中每个成员Di是一个有序集合（不一定是有限集）。D的成员Di可以看作是语义维度。

Kay[36]举了一个二维的例子：一组按跳跃能力排序的跳高选手和一组按难度排序的障碍物。每个语义维度Di的顺序是这样设置的：每个语义维度中编号最低的成员组成的n元组是Dx①D元素的笛卡尔积，即n元组的集合，表示为Dx。在该例中，Dx表示所有有序对的集合，该有序对的第一个元素是跳高选手，第二个元素是障碍物。中的原点，如果与Dx中任意一点对应的命题为真，那么与原点对应的命题为真。在Kay的这个例子中，原点是对应着最简单的障碍物和最有能力的跳高选手的点。现在定义一个命题函数P，它的定义域是Dx，值域是F。在该例中，P是一个从（跳高选手，障碍物）到命题的函数，例如，“跳高选手X可以跳过障碍物Y”，命题函数P为“…可以跳过…”。要获取梯级属性，需要对P进行约束。首先在Dx的元素上定义一个二元关系。给定两个成员di 和dj，如果di在至少一个语义维度上低于dj，那么di比dj更低或更接近原点。则约束P为：对于Dx中不同的di和dj，如果dj小于di，那么P(di)蕴涵P(dj)。然后将梯级模型定义为该约束条件的有序四元组(S, T, Dx, P)。

Kay[36]指出，空间维度至少包含两个维度，一维尺度只存在于它们所排序的事物的背景之中，因此每个梯级模型中至少包含两个相关的有序集。梯级模型的构造使我们能够定义Gricean的信息量概念，信息量的定义是相对于梯级模型的。给定一个包含两个不同命题p和q的梯级模型，如果p蕴涵q，那么p比q信息量更丰富。

二、“连”字句的梯级模型

（一） 梯级模型的不适用性

Paris[11]最先引入Fauconnierr[32,33]的语用标尺（pragmatic scales）理论来对汉语的“连”字句进行考察。此外还有崔希亮[21]、郭锐[19]、袁毓林[24]等。罗晖[25]引入了梯级模型（Scalar Model），他指出，该模型是对不同梯级衍推形式的概括，是“连”字句使用的基础。梯级模型引入“连”字句会不会出现水土不服的情况？先来看个例子：

（4）老兄，人家浙大法学院。你张口就是别人小学水平不到。我看你无论从品性，学识，甚至连你的头像都差别人一大截。（知乎）

对于例（4）来说，首先要依据语义维度建立语用标尺，但是无论如何都无法把“品性、学识”和“头像”归为一类，这里找不到可以有序化的语义维度，那么如何推出P(头像)蕴涵P(品性、学识)呢？这是Kay[36]的梯级模型无法解决的问题。汉语学者们已经注意到这个问题，不自觉地对语用标尺进行了调整。比如袁毓林[24]在确立“连”字句的意义结构时，指出“连”字句的预设是：

（i）存在着一组事物，它们具有VP所指谓的那种属性；

（ii）可以按照拥有那种属性的可能性的大小而建立一个语用尺度，比如：最不可能→不太可能→可能→较有可能→非常可能……；

（iii）那组事物可以分别处于这个可能性标尺的不同的刻度上；

（iv）NP所指的事物处于这个语用标尺的最低点，即它最不可能具有VP所指谓的那种属性。

袁毓林[24]和Fauconnier[32,33]、Kay[36]的处理方法都不同，虽然袁文称其依据的是Fauconnier的语用标尺理论。按照Fauconnier和Kay的处理，需要先对NP进行排序，然后再与VP所指谓的属性相结合，即前文所说的，如果x2在与R(x，…)相关的S标尺上小于xl，则R(x2，…)蕴涵R(xl，…)。袁毓林[24]是对R(x1，…)和R(x2，…)进行排序，并且为这个排序制定了“可能性大小的维度”这和Fauconnier、Kay的操作有很大差异。这也说明了袁文意识到语用标尺理论无法直接运用到“连”字句的分析中去。但是袁文没有说为什么排序的标准是可能性大小？下面本文将引进信息论，对这一问题进行说明。

（二） “概率”和“自信息”

Johnson[38]对概率的定义为，假定在一次试验中共有n个不同的等可能的结果，使事件E发生的结果有s个，使事件E不发生的结果有f个，则E成功发生的概率是：

例如，投掷一枚硬币，正面朝上和反面朝上的概率各为0.5。

一个随机事件发生后所带来的信息量成为自信息量，简称自信息，定义为其发生概率对数的负值。若随机事件xi发生的概率为p（xi），那么它的自信息量I（xi）为：

自信息量的单位与所用对数的底有关。在信息论中常用的对数底为2，信息量的单位为比特（bit）。I（xi）可以理解为由事件xi所提供的信息的数量。

陈运、周亮等[39]指出，自信息I（xi）具有以下性质：

（i）p（xi）=1，说明该事件是必然事件。必然事件不含有任何不确定性，所以不含有任何信息量。

（ii）当p（xi）=0时，I（xi）=∞。说明不可能事件一旦发生，带来的信息量是非常大的。

（iii）I（xi）是p（xi）的单调递减函数，信息量随着概率的增加而减少。

举个例子，如果你投掷一个骰子，我不知道你投出的骰子的点数，需要你告诉我。完成一次投掷后，你告诉我骰子的点数≤6，这句话提供的信息量为0，因为该事件是必然事件，概率为1，不用告诉我，我也知道；如果你告诉我骰子的点数≤5，这句话提供的信息量较少，因为该事件为高概率事件，概率高达5/6; 如果你告诉我骰子的点数为1，这句话提供的信息量较多，因为该事件的概率较低，概率为1/6。因此，信息量的大小与事件发生的概率有关，概率越小，信息量越大；概率越大，则信息量越小。

梯级模型是否可以引入信息论呢？Israel[37]说Kay曾经告诫他（私人通信），统计学中的概率和梯级推理不是一回事，从技术层面上说，人们没有办法给语用梯级中的各个命题项分配准确的概率。Israel认为梯级模型依据的仅仅是命题间的衍推关系，而非可能情景的概率。蒋勇[40,41]认为无须给语用梯级中的各个命题项分配准确的概率，需要分配的是“大致的、相对的先验概率”，因此蒋文建议把信息论引入梯级模型，同时他基于信息论建立了极性词①极性词也称极性敏感词。极性词通常分为负极性词和正极性词，负极性词（如“压根儿”）典型地分布在否定句中，正极性词（如“一丁点儿”）典型地分布在肯定句中。（蒋勇[40]）的梯级模型。

“连”字句的梯级模型是否可以引入信息论呢？我们认为蒋勇[40,41]的观点并不能说明将信息论引入（极性词的）梯级模型的必要性，如果原有的梯级模型已经是一个完善的模型，无论是给各个命题项分配准确的概率还是分配相对的模糊的概率，都无关紧要。正如Israel[37]所说的，梯级模型依据是命题间的衍推关系。言外之意：衍推关系已经能保证模型的正常运行，为什么还要添加不必要的概率进去？当然我们并不认同Kay和Israel的观点，因为依据命题间的衍推关系对于汉语的“连”字句并非完全适用，对于大量例（4）这样的句子，无法为NP建立语用标尺。如果结合汉语“连”字句的实际，就必须引入信息论（即袁毓林[24]所说的“可能性大小”）。当找不到NP排序的语义维度时，尝试从概率大小的维度对R(x，…)进行排序。

（三） 模型的建立

结合学者们的研究，我们认为基于信息论的“连”字句的梯级模型为：

基础条件：该模型是一个有序四元组(S, T, Dx, P)，其中S为事件状态集合；T ={0,1}为真值集合；Dx表示有序对集合；P为命题函数，它的定义域是Dx，值域是F，对于Dx中不同的di和dj，如果dj小于di，那么 P(di)发生的概率小于P(dj)，因此P(di)的发生蕴涵P(dj)的发生。

附加条件：当该模型并未涉及有序对集合Dx时，只需要依据概率大小对“连”字句激活的事件建立语用标尺。

这样的处理的优势在于，相对于Kay[36]和袁毓林[24]的方案变得更加全面了。Kay[36]只包括基础条件，缺少附加条件，因此遇到基础条件不能解决的问题就无能为力。例如：

（5）汤古岱跪在那里，连头也不敢抬，知道自己惹了祸，但是，现在已是后悔也来不及了。（李文澄《努尔哈赤》）

对于例（5），如果要为NP（“头”）所在的集合建立语用标尺，就会意识到无法确定集合中其他的成员，也无法确定标尺的语义维度。因此这里基础条件的规则无能为力，只能依据附加条件为NP+VP建立语用标尺：不敢抬头＜不敢顶撞＜……。该语用标尺中 P（不敢抬头）的概率低于P（不敢顶撞）等一系列事件的概率，该事件的发生蕴涵着其它事件的发生。

袁毓林[24]的方案是直接给NP+VP建立语用标尺，不考虑是否涉及有序对集合Dx，这样的处理方案看似简洁，实际上还是摆脱不了把基础条件和附加条件分开处理，例如：

（6）八国联军打进了北京城，连皇上都跑了，也没把我的脑袋掰了去呀！（老舍《四世同堂》）

按照袁毓林[24]的处理方法，例（6）中NP+VP事件按概率大小排列的语用标尺为：皇上跑了＜大臣跑了＜……＜老百姓跑了。P（皇上跑了）的概率最小，如果该事件发生了，意味着“大臣跑了”“老百姓跑了”等高概率事件更应该发生。这个基于概率的语用标尺附带激活了基于权势的语用标尺：皇上>大臣>……老百姓。因此这里仍然采用的是基础条件。

三、“连”字句的特征分析

正如在引言中所指出的，很多学者认为“连”字句所标举的是这个层级中的极端项，并获得全称解读。然而什么是“极端项”，“连”字句是否标举极端，是否是全称量化？以及“连”字句肯定和否定不对称的相关问题都没有得到满意的回答。

（一） 标举极端

很多学者认为“连”字句标举极端，对于什么是“极端”，崔永华[9]认为，从说者的角度看，它是“V的”这类事物中，“最不该V”的那个。Paris[11]、崔希亮[21]、Portner[28]、Shyu[14]郭锐[19]、袁毓林[24]、罗晖[25]、邓川林[29]等都持有该观点。罗琼鹏[15]认为，“极端”是从“相对”的角度来讲的。这个“相对”的角度可以根据层级蕴涵关系来定义。如果层级结构里有{x,y,z}三个元素，只要x≤y≤z，则“x”和“z”都可以是极端。罗文之所以要对“极端”重新界定，是因为他发现了这样的事例：

（7）（小张太矮了，小王比小李高，）可连小李都比小张高。（罗琼鹏[15]）

罗文指出，例（7）中，“连”并没有引出极端值。按照罗文的思路，如果分别将“小张”、“小李”和“小王”的身高赋值为：“小张”160 cm，“小李”162 cm，“小王”180 cm。三人身高的排序为：小张＜小李＜小王。“小李”的身高在三者中居中，显然不是极端项。但是说话人的意图是按照概率（可能性）大小进行排序：……“小李比小张高”概率＜“小王比小李高”的概率＜……（省略号表示可能出现的其他成员）。需要注意的是，这里的“连”字句聚焦的项目并不是相关标尺中最极端的项目，而是通常被认为是断言谓词为真的最极端项。简单来说，就是说话人截取的只是标尺的一部分，而不是全部。因此我们认为这里的“连”字句仍然是标举极端。

2.3.2 专属性 取空白孵育样品（即“2.2.3”项下不含ZG02的两相孵育体系）、ZG02对照样品（即“2.2.3”项下含ZG02的两相孵育体系）、肝微粒体孵育样品[即“2.2.3”项下含ZG02两相孵育体系按“2.2.4”项下方法处理后（孵育30 min时）所得样品]各适量，按“2.3.1”项下色谱与质谱条件进样分析，色谱图见图3。结果，内标和ZG02的峰形均良好，保留时间分别为0.70、1.57 min，孵育体系中的内源性物质并未干扰待测物的测定，提示本方法的专属性良好。

罗琼鹏[15]所指出的相对极端，有一定的道理，但是没有清晰地揭示出“连”字句所涉及的是语用标尺的整体还是部分，而且对语用标尺理解也存在一些问题，所以出现了判断失误的情况。

郭锐[19]对“极端”的理解又往前推进了一步。他认为：“连”字句表征的事件可能性最低，这是与“连”字句衍推的其他事件相比，而非就所有同类事件而言。例如：

（8）连小棉袄也脱了，只剩了件小褂，他想飞跑一气, 跑忘了一切，摔死也没多大关系！ （老舍《骆驼祥子》）

如果就同类事件而言，“脱了小棉袄”不是极端项，因为还有比它更极端的“脱了小褂”。与“连”字句所衍推的其他事件相比，这里的“脱了小棉袄”是极端项。

郭文的论述已经接近了问题的实质，但是结论需要加以修正：

“连”字句所标举的事件发生的概率（可能性）最低，这可能是相对于整个语用标尺（就所有同类事件）来说的，也可能是相对于语用标尺的子集来说的。

基于修正后的结论，例（8）中语用标尺地全集为：x1＜x2……＜脱了小棉袄＜脱了小褂，但是说话人截取的（与其蕴涵的其他事件相比）只是标尺的子集：x1＜x2……＜脱了小棉袄，因此这里的“脱了小棉袄”是子集中的极端项。

胡亚[42]认为“极端”的说法过于绝对，建议改为“低端”。例如：

（9）他连小县城都没出过，更别说出国了。（胡亚[42]）

（二） 全称量化

“连”字句有全称量化含义，几乎成为了学者们的共识，他们认为“连”字句具有全称性，由“连”后NP所指的事物具有VP所指谓的语义属性，可以推理出其他与NP同属于该语用标尺中的事物都具有VP所指谓的语义属性。然而如何理解“连”字句的全称量化？其实前文在分析“连”字句标举极端时，已经涉及到这个问题：“连”字句的“论域”（universe of discourse）。Horn[31]指出论域的作用是“暗中限制句子中各种算子的作用范围”。Kretzmann[43]论文中提到13世纪哲学家William of Sherwood的一个例子：“只有苏格拉底在奔跑”，这句话的意思不是除了苏格拉底以外的所有人都不在奔跑，而是“同一类属内出苏格拉底以外的人都不在奔跑”。这里就涉及了算子的论域问题，只有明确了论域，才能对话语进行正确的解读。

“连”字句的“论域”不一定是语用标尺的全集，有可能是语用标尺的子集。先来看个例子：

（10）他告诉记者，去年西宁市举办了首届江河源奇石展，连省长都来称贺道喜，鼓励西宁抓住西部大开发机遇，做好“石头”大文章，开拓奇石资源，兴办奇石产业，以奇石兴西宁，以奇石兴青海。（2000年人民日报）

例（10）中“连”后的“省长”并不位于官衔的顶端。中国的官衔级别为：国家级正职>国家级副职>省部级正职>省部级副职>厅局（地）正职>厅局（地）副职>县处级正职>县处级副职>乡科级正职>乡科级副职……省长属于省部级正职，其上还有其他官衔。“连省长都来称贺道喜”，该句并不蕴涵“副总理、总理、副主席、主席等来称贺道喜”，即不能推理出官衔标尺集合中比“省长”大的官衔具有VP所指谓的语义属性，只能推理出比“省长”小的官衔（副省长、市长、副市长等）具有VP所指谓的语义属性。可见，该句中的“连”字句所涉及的只是官衔标尺集合中的子集{省部级正职，省部级副职，厅局（地）正职……}，而非全集{国家级正职，国家级副职，省部级正职，省部级副职，厅局（地）正职……}。

胡亚[42]认为周遍义（全称量化义）不是绝对的，如“他连我的名字都忘记了”，忘记名字不一定忘记与“我”相关的一切，比如“我们”认识的场合等等。胡文这儿的分析混淆了语用标尺的全集和子集。“认识的场合”等并不包含在“连”字句所涉及的语用标尺的子集内。因此所谓的全称量化义或周遍义指的不一定是全集，有可能是语用标尺的子集。

（三） 肯定和否定

探讨“连”字句肯定和否定的学者有崔希亮[10]、丁雪欢[18]、郭锐[19]、袁毓林[24]和邵敬敏[4]等。

崔希亮[21]指出，有些“连”字句有否定式而没有相应的肯定式，但是凡有肯定式的“连”字句都有相应的否定式。我们认为崔文的观点过于绝对，因为有的“连”字句有肯定式，却没有否定式①严格来说，并不是有无的问题，而是接受度高低的问题，前者是句法层面，后者是语用层面。（郭锐[19]和袁毓林[24]等也持有该观点）。例如：

（11）a.连皇上都/也怕洋人。b. *连皇上都/也不怕洋人。（自拟）

（12）a.连10万都/也有。 b.连10万都/也没有。（自拟）

例（11a）的“连”字句肯定式的接受度高，而其否定形式（11b）的接受度低。郭文认为之所以会出现这种不对称情况，是因为“连”字句相应肯定式和否定式在衍推序列中的地位总是不对称。但是如果简单归结于不对称，那么对于（12a）和（12b）都成立的情况该如何说明呢？

我们认为这和“连”字句的“论域”有关。正如前文所指出的：“连”字句的“论域”不一定是语用标尺的全集，有可能是语用标尺的子集。例（11）和（12）的区别在于，前者“连”字句的“论域”是语用标尺的全集（图2），后者的“论域”是语用标尺的子集（图3）。

图2 “连”字句的论域①② 箭头方向表示事件发生的概率由低到高。（论域为语用标尺全集）

图3 “连”字句的论域（论域为语用标尺子集）

当“连”字句的“论域”是语用标尺的全集时，“连”字句所标举的极端项是标尺全集中的极端项（绝对极端项），在肯定句（11a）中“皇上怕洋人”是概率最低的事件，当转换为否定句（11b）时，“皇上不怕洋人”是概率最高的事件。“连”字句的NP拥有VP所指的属性，是概率最低的事件，因此（11a）成立，而（11b）不成立。

结合前面的分析，我们认为，如果“连”字句所标举的是绝对极端项，“连”字句将呈现出如下规律（记为规则1）：当所标举的是所在标尺全集中概率最低的事件时，“连”字句的肯定形式和否定形式不能相互转化，即绝对不对称。

当“连”字句的“论域”是语用标尺的子集（元素数目≥2③这里规定子集元素数≥2，是因为“连”字句标举极端，因此必须包含对比项，如果没有对比项，也就无所谓极端了。）时，“连”字句所标举的极端项是标尺子集的极端项（相对极端项）。例（12a）中“有10万元”是所在子集的相对极端项，是概率最低的事件，转换为否定形式（12b）时，“没有10万元”是所在子集的相对极端项，是概率最低的事件。这个看似矛盾的转化其实并不矛盾。如果把根据资金大小维度建立的标尺提取出来更能说明问题，该语用标尺为：1分钱>……1千元>1万元>10万元>100万元…>1亿元。基于社会财富分配不均的现实，10万元对低薪群体来说是很大的金额，对高薪群体来说是很小的金额。因此“有10万元”对低薪群体来说概率较低，对高薪群体来说是概率较高。（12a）和（12b）可以同时成立的原因在于，前者采用的是低薪群体的视角，后者采用的是高薪群体的视角。

换一种思路，如果对（12a）和（12b）都采用低薪群体视角，那么（12a）的可接受度较高，（12b）的可接受度较低；如果对（12a）和（12b）都采用高薪群体视角，那么（12a）的可接受度较低，（12b）的可接受度较高；如果对（12a）采用高薪群体视角，对（12b）采用低薪群体视角，那么（12a）和（12b）的接受度都很低；之所以会这样，是因为对于低薪群体来说，有“10万元”是低概率事件，没有“10万元”是高概率事件；对于高薪群体来说，有“10万元”是高概率事件，没有“10万元”是低概率事件。

结合前面的分析，我们认为，如果“连”字句所标举的是相对极端项，“连”字句将呈现出如下规律（记为规则2）：

当标举的是所在标尺子集中概率最低的事件时，肯定式和否定式的转换受说话者的个人主观喜好、知识水平、智商和财富高低、社会地位等主客观因素的制约。假设有A和B两个分属不同群体的说话者，当“连”字句的肯定式和否定式分别采用A和B两种不同的视角，或者肯、否式接受度都很高，或者接受度都很低；当采用相同的A视角或B视角时，或者肯定式接受度高，或者否定式接受度高。

邵敬敏[4]发现在否定式中“N+VP”的可能性越大，则“连”字句的可接受度越高，反之就越低。在肯定式中，“N+VP”的可能性越小，则“连”字句的可接受度越高，反之就越低。邵文这里涉及一个非常重要的问题：当“连”字句的“论域”是语用标尺的子集时，对子集成员的确定，会有多种可能性。这也意味着极端项不是固定的，会发生变动。以例（13）来说，肯定式极端项的备选项组成了一个集合M{x|1分钱＜x≤1亿元}。集合中的成员越接近极大项（如“1亿元”），越容易成为肯定式极端项的备选项，越远离极大项（即越接近极小项“1分钱”），越难成为肯定式极端项的备选项；否定式极端项的备选项组成的集合是N{x|1分钱≤x＜1亿元}。集合中的成员越接近“1分钱”，越容易成为否定式极端项的备选项，越远离极小项（即越接近极大项“1亿元”），越难成为否定式极端项的备选项。进一步可以推知：“连”字句肯定式中极端项的备选项越接近极大项（如“1亿元”），越难转换为否定式；否定式中极端项的备选项越接近极小项（如“1分钱”），越难转换为肯定句。

同时我们认为，标尺子集的极端项越接近标尺全集的极端项（极大项或极小项），越倾向于采用绝对极端项的规则（即规则1）；越远离标尺全集的极端项，越倾向于采用相对极端项的规则（即规则2）。背后的原因在于：当标尺子集的极端项越接近标尺全集的极端项，不同群体间就越容易达成一致；当标尺子集的极端项越远离标尺全集的极端项，不同群体间就越容易产生分歧。例如1亿元无论是对低薪群体还是对高薪群体来说，都是很大的数目，而10万元对低薪群体来说是很大的数目，对高薪群体来说是很小的数目。

邵敬敏[4]发现在表示递进关系的“连”字句中（一般另一分句由“不仅/不但/别说”等引导），肯定式严格按照数量从多到少、程度由高到低的顺序排列，否定句则相反。例如：

（13）他不但有1块钱，连1000块也/都有。（自拟）（高概率→低概率）

（14）他连1块钱都/也没有，更不用说1000块了。（自拟）（低概率→高概率）

按照邵文的理解，例（13）是数量从多到少，例（14）是数量从少到多。这种分析只指明了问题的表象，真正的原因在于“连”字句标举极端（NP最不可能具有VP所指谓的属性），因此“连”字句的事件发生概率要低于其他对比项所在小句的概率。一旦违反这个制约条件，句子在语用上可接受度就较低。例如：

（15）*他不但有1000块钱，连1块钱也/都有。（自拟）（低概率→高概率）

（16）*他连1000块钱也/都没有，更不用说1块钱了。（自拟）（高概率→低概率）

例（15）和（16）可接受度低，是因为这两例中“连”字句的事件发生概率高于其他对比项所在小句的概率，即“有1块钱”的概率高于“有1000块钱”的概率，“没有1000块钱”的概率高于“没有1块钱”的概率，违反了“连”字句的制约条件。

四、结语

本文构建了基于信息论的“连”字句的梯级模型，并在此基础上分析了“标举极端”“全称量化”“肯定否定”等相关问题。考察发现：“连”字句标举的极端是相对极端，而非绝对极端。“连”字句的“论域”可能是语用标尺的全集或子集，因此所谓的全称量化义或周遍义等受“论域”的制约。“连”字句肯定式极端项的备选项，越接近语用标尺全集的最大项，接受度越高，且越难转换为否定句；否定式极端项的备选项，越接近语用标尺全集的最小项，接受度越高，且越难转换为肯定句。标尺子集的极端项越接近标尺全集的极端项（极大项或极小项），越倾向于采用绝对极端项的规则；越远离标尺全集的极端项，越倾向于采用相对极端项的规则。