英语名词术语数据驱动教学设计：术语知识解析、提取和应用

摘 要：名词术语在专业交际中发挥了重要作用，但是由于其承载了丰富的专业知识，给专门用途英语教学设计带来了挑战，教师对英语名词术语教学中应该教传授什么知识及如何获取相关知识都感到困惑。文章提出了针对英语名词术语的数据驱动教学设计，即借鉴生成词库理论提出的物性结构把名词术语知识分为概念关系和搭配关系，使用Sketch Engine快速创建面向术语教学的语料库，精选包含前述两类知识的索引行，基于索引行编写四种词汇练习。文章提出的数据驱动教学设计为解决当前专门用途英语教学中存在的问题带来了新启示。

关键词：物性结构；名词术语知识；数据驱动教学；专门用途英语教学；Sketch Engine

中图分类号：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

基金项目：2021年度国家社会科学基金后期资助一般项目“英汉专科学习型词典语境化设计研究”（21FYYB004）

作者简介：卢华国（1979—），南京理工大学外国语学院教授，硕士生导师；中国辞书学会理事和双语词典专业委员会常务理事。研究方向为术语翻译、词典学、认知语义学和语料库语言学。通信方式：louisluhuaguo@163.com。

0 引言

“术语归根结底是为专业交际服务的。”^[1]维斯特（Wüster）创立普通术语学的初衷即借助术语标准化消除专业语言中的歧义，确立术语的单义性，使术语成为有效的交际工具。维斯特坚持概念优先的工作原则，认为术语只是指称概念的抽象语言标签，概念及其标签之间的关系可以人为进行标准化。这种术语观有助于避免专业交际中产生误解，但不利于专门用途英语学习者在二语环境中学习和使用术语。伴随着术语学的描写转向，术语学家把术语重新定义为“专门用途语言中专业知识的语言表达”^[2]，认为术语不仅是知识单位，同时还是语言单位和交际单位^[3]，强调术语的概念知识和语言知识在专业交际中发挥的重要作用。描写术语学消除了术语与词语之间人为设置的界限，将术语视作存在于具体专业文本中的鲜活词语；术语因而与专业词汇不过是同一研究对象在术语学和专门用途语言研究中的不同名称而已，术语学也开始借鉴语言学研究的理论（如词汇语义学）和方法（如语料库语言学）。因此，术语可以，也应该成为专门用途英语教学的重要内容。

在专门用途英语（English for Specific purposes，以下简称ESP）教学研究中，传统观念认为教师无需教授术语^[4]。然而术语在ESP词汇教学中是无法回避的；术语教学在ESP词汇教学中的缺失势必影响对学习者专业交际能力的培养。目前，我国高校ESP教学任务普遍由不具备专业背景的EGP教师承担，很多教师面对专业术语时不知道该向学生传授什么词汇知识以及如何帮助他们获取相关知识。如果能够解决这些问题，就部分排除了术语教学中存在的障碍。本研究认为数据驱动教学模式提供了一种新思路^[5]。具体而言，生成词库理论提出的物性结构为描写术语知识提供了可操作的描写框架，语料库辅助工具Sketch Engine（以下简称SkE）可对术语教学中如何获取和应用这些知识带来重要启发。

1 生成词库视角下的英语名词术语知识解析

目前市面上的术语词典收录的术语几乎清一色是名词，极少数收录其他词性（下文提到的术语，若非特别说明，均指名词术语）。这些术语之所以给ESP教学造成困难，是因为它们承载的专业知识超出了普通语言使用者的认知范围，而这些知识也是ESP学习者需要攻克的难点。对于这些术语，ESP学习者应该掌握什么知识？生词词库（Generative Lexicon）理论对回答这个问题带来了重要启发。基于亚里士多德的“四因说”（质料因、形式因、目的因和动力因），Pustejovsky^[6]提出了物性结构（qualia structure），旨在描写词项所指对象（object）由什么构成、指向什么、怎样产生以及有什么用途或功能。物性结构虽然适用于所有词类，但是就Pustejovsky提出该理论的出发点及其对相关问题的详细论述而言，物性结构尤其适合用于阐释名词的语义结构。物性结构包含如下四个物性角色^[6-7]：

（1）构成角色（constitutive role）：描写对象与其组成部分之间的关系，包括材料、重量、部分和组成成分。

（2）形式角色（formal role）：描写对象在更大的认知域内区别于其他对象的属性，包括方位、大小、形状和维度等。

（3）功用角色（telic role）：描写对象的用途和功能。

（4）施成角色（agentive role）：描写对象是怎样形成或产生的，如创造、因果关系。

从以上论述不难看出，物性结构蕴含了丰富的语义和概念关系。Pustejovsky^[8]认为物性结构指明了词语功能，把它们与概念网络联系起来。Lenci等^[9]提出了扩展版物性结构（Extended Qualia Structure），把上述四种角色从形式上转化为词义或语义特征之间的关系，将这些关系呈现为一个层状分类体系，不仅为灵活阐释关系留下了空间，还为细化既有关系提供了可能。如Faber等人^[10]根据术语表达的概念类型，整理出如下十三种概念关系（A和B表示概念）：

（1）A TYPE_OF B，表示A是B的一种。如L-shaped groyne（L形折流坝）是groyne（折流坝）的一种。

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

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

（4）A PHASE_OF B， 表示A是形成B的一个阶段。如hurricane（飓风）是形成tropical cyclone（热带气旋）的一个阶段。

（5）A DELIMITED_BY B， 表示A以B为界。如stratosphere（平流层）以stratopause（平流层顶）为界。

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

（7）A TAKES_PLACE_IN B，A发生于B。如thermal low（热低压）发生于summer（夏季）。

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

（9）A RESULT_OF B，A是B的最终结果。如accretion（增生）是sedimentation（沉积）造成的最终结果。

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

（11）A CAUSES B， 表示A导致B。如hurricane（飓风）导致flood（洪水）。

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

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

在这十三种概念关系中，（1）与形式角色对应；（2）、（3）、（4）、（5）、（6）、（7）和（8）与构成角色对应；（12）与功用角色对应；（9）、（10）、（11）和（13）与施成角色对应。这些关系为全方位理解术语的语义内涵提供了一个参照体系。

Heylen^[11]肯定了物性结构与名词搭配之间的紧密关系，认为物性结构影响词汇的搭配方式，而搭配信息又可以用于改进物性结构。我国学者袁毓林^[12]指出，这种概念层面上的事物或事件关系，最终在语言层面上表现为词语（名词跟名词、动词、形容词等）之间的搭配关系（即选择限制关系）。他根据汉语国际教学和中文信息处理这种应用需求，基于汉语名词在真实文本中的词语搭配情况，把前述四种物性角色拓展为十种。我们认为这些物性角色虽然针对汉语名词提出，但是对英语名词同样适用，这十种角色如以下各例所示：

（1）形式：用以反映名词的分类属性、语义类型和本体层级特征。如hurricane（飓风）是storm（风暴）的一种。

（2）构成：用以反映名词所指的事物的结构属性，包括构成状态、组成成分、在更大范围内构成或组成哪些事物、跟其他事物的关系，也包括物体的大小、形状、维度、颜色和方位等。如groyne（折流坝）的构成是“海岸防护建筑物，有坝头和坝基两部分”；可以根据建筑物的形状、高度、长度、材质、地点等属性进行分类：L-shaped groyne（L形折流坝）、T head groyne（T头形折流坝）、high groyne（高折流坝）、long groyne（长折流坝）、impermeable groyne（透水折流坝）、beach groyne（海滩折流坝）等。

（3）单位：用以反映名词所指事物的计量单位，即跟名词相应的量词；如a gust of wind（一阵风）、a flake of snow（一片雪花），three inches of rain（三英寸的雨）等。

（4）评价：用以反映人们对名词所指事物的主观评价、情感色彩。如对weather（天气）的评价：fair（晴朗的）、clear（晴朗的）、sunny（阳光和煦的）、adverse（恶劣的）、gloomy（阴沉的）、calm（无风的）、humid（潮湿的）、wet（潮湿的）、damp（潮湿的）、muggy（闷热的）、mild（温和的）、typical （典型的）、unusual（反常的）、extreme（极端的）、severe（恶劣的）、violent（狂暴的）、hazardous（危险的）等。

（5）施成：用以反映名词所指的事物是怎样形成的，如创造、天然存在、因果关系等。例如wind（风）的施成是generate（产生）、form（形成）、bring（带来）、carry（带来）、deliver（带来）、induce（引起）等。

（6）材料：用以反映创造名词所指的事物所用的材料。如groyne（折流坝）的材料是granite（花岗岩建成的）、rock（岩石建成的）、timber（木头建成的）、rubble-mound（石块堆成的）、sand-filled（用沙子填充的）等。

（7）功用：用以反映名词所指的事物的用途和功能。如instrument（仪器）的功用是measure（测量）、detect（发现）、record（记录）、collect（收集）、monitor（检测）、observe（观察）、show（显示）、indicate（表明）等。

（8）行为：用以反映名词所指的事物的惯常性动作、行为、活动，如water（水）的行为是flow（流淌）、pour（倾倒）、run（流动）、gush（涌出）、rush（涌动）、spurt（喷射）、drip（滴下）、trickle（淌下）、lap（拍打）、slosh（泼洒）、spill（溢出）、splash（飞溅）、spray（喷洒）、boil（沸腾）、cool（变凉）、cool down（冷却）、freeze（结冰）、 evaporate（蒸发）。

（9）处置：用以反映人或其他事物对名词所指的事物的惯常性动作、行为、影响，如对 pollution（污染）的处置是avoid（避免）、eliminate（消除）、 combat（战胜）、 control（控制）、 fight（击败）、limit（限制）、minimize（减少）、monitor（监控）等。

（10）定位：人或其他事物跟名词所指的处所、时间等的位置、方向关系，如对“atmosphere（大气）”的定位是within（在……内）、above（在……上）、into（进入）、through（穿过）等。

除第一种角色外，其他九种物性角色涵盖了名词+名词、形容词+名词、数词+量词+名词、动词+名词、名词+动词、介词+名词等围绕术语形成的主要搭配类型。因此，这十种角色为英语术语提供了一个描写框架，对弄清楚正确使用英语术语需要掌握什么搭配信息具有非常重要的指导意义。

值得注意的是，并非每一个术语都能够与其他词语形成上述十三种概念关系和九种搭配类型。但是从前述对名词物性结构的探讨中可知，专门用途英语学习者应该掌握的术语知识大致可以分为如下两类：（1）术语与其他词语之间存在什么样的基本概念关系？如barometer（气压计）是用于预测weather（天气）的仪器。如果不知道这两个术语之间的概念关系，就无法在ESP解码活动中理解barometer的用途。（2）术语应该选择哪些词语进行组合搭配？例如，如果不知道应该选择使用calibrate与barometer组成“动词+名词”搭配，专门用途语言学习者在ESP编码活动中对如何表达“调试气压计”这一含义就缺乏自信。

2 基于SkE的英语名词术语知识提取

SkE是由英国计算语言学家Kilgarriff研发的语料库分析工具，其语料库创建和词汇素描（Word Sketch）功能为教师获取前述两类英语术语知识提供了一个快捷、实用的解决方案。

由于SkE整合了WebBootCat工具，可以借助SkE快速创建针对特定学科的专业语料库。接下来，本研究将以气象出版社2008年出版的《气象科技英语教程》（第二版）第2单元课文Frontogenesis and Frontal Characteristics为例，使用SkE的建库功能，探讨如何创建面向气象术语的专业语料库。该课文虽然篇幅较长（共1614个词），但是专业程度不高，属科普性质的文章。首先从文后列出的生词中挑出cyclone（气旋）、depression（低压）、frontogenesis（锋生）、front（锋）、precipitation（降水）、rainband（雨带）、stratocumulus（层积云）等7个术语作为种子（seed）。这些术语双语词典往往不收录，即使收入也只给出汉语对译词，极少提供例句、搭配等信息。SkE以7个词中每3个一组，共形成36个组合，以每组术语为关键词，从网络上搜索和下载英语网页。网页内容经转换、清洁和去重，可建成一个包含958 348词的语料库。

SkE不仅可以帮助教师快速创建专业语料库，还可以凭借其核心功能——词汇素描，从语料库中快速提取和归纳搭配信息。基于语料库的搭配研究一般认为，只要两个词之间间隔的词数不超过特定数目或这两个词出现在同一个语篇单位（如同一句）时，它们之间就形成共现关系^[13]，就有助于理解词义和语义关系。SkE采用不同的共现观，认为只有两个词之间形成语法关系时（如动宾关系），该组合才具有潜在的搭配关系。SkE不仅对语料库进行词语切分和消尾处理，还进行词性赋码和语法分析。在此基础上SkE 建立了26种常见的词语搭配关系，每一种搭配关系又与一种或多种句法关系匹配。如“动词+名词”搭配关系在主动语态中体现为宾语在动词之后，在被动语态和定语从句中则体现为宾语在动词之前。就前一种句法关系而言，动词和名词之间可以有其他修饰或限定成分，以下正则表达式旨在提取与该句法关系匹配的“动词+名词”搭配：

1： “V” “（DET|NUM|ADJ|ADV|N）”* 2： “N”

1和2分别代表待提取的动宾关系中的动词和名词；“|”和“*”是通配符，其中“|”表示“或者”，“*”表示括号中的限定语、数词、形容词和副词出现零次或多次^[14]。SkE以同样的方式根据句法关系定义了用于提取其他词语搭配关系的正则表达式。由于改进了算法，SkE提高了搭配提取的准确度。本研究使用SkE从自建语料库中提取了8种搭配关系，下图1汇总了与术语front（锋）形成搭配关系的部分词语。

从图1可知，front的搭配词被分为“前置修饰语+front”“front+名词”“动词+front”“front+动词”四类，每个搭配词分别给出了出现频次、搭配强度以及包含该组合的典型短语。

León-Araúz等人^[15]基于知识型式（knowledge pattern）把SkE的词汇素描功能从搭配关系拓展到了概念关系。例如在Carbon monoxide is a major pollutant of city air（一氧化碳是城市空气中的一种主要污染物）中，知识型式“is a”就体现了属—种关系^[16]。他们对知识型式进行分解或合并，结合词性标注与正则表达式，将其转写成CQL素描语法（Sketch Grammar）。以下为检索种属关系而撰写的素描语法中的1条：

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

León-Araúz等人^[15]共撰写了56条检索语法，涵盖了种属、部分—整体、因果、地点和功能等5大类最基础的概念关系。借助CQL素描语法，本研究使用SkE从自建语料库中提取front的9种概念关系，图2汇总了与front形成概念关系的部分词语。

从图2可知，与front形成概念关系的名词按照关系类型可分为 “front引起……”“front是……的一种”“……发生或出现在front附近/中”三类，每个词语分别给出了出现频次、关系强度以及包含该组合的典型短语或例句。与搭配关系的显示一样，点击SkE列出的名词，直接阅读所有包含该词的索引行，可获取更多的语境信息，从而对概念关系做出更准确的判断。

3 基于SkE词汇素描的教学活动设计

词汇素描分门别类地展示了围绕术语形成的各种搭配关系和概念关系，为ESP教师提供了一个有关术语的微型知识库。然而，前述两类关系素描不宜直接作为教学内容传授给ESP学习者，因为SkE辅助下的术语教学采用了数据驱动教学模式，旨在鼓励学习者主动从真实语料中观察、概括和归纳语言事实^[5]。该模式需要ESP教师首先从自建语料库中精选索引行，然后基于挑选出的索引行设计具体教学活动。SkE的例句精选功能（GDEX）在语料挑选方面同样可以成为教师的得力助手。下图3展示了体现“overtake + front”搭配关系的部分索引行。

如图3所示，SkE按照句子长度、词汇难度以及是否包含专有名词和代词计算索引行的易读分值，按照分数高低排序，极大方便了ESP教师根据教学需要从索引行中选择语料。

从前述词汇素描列表（图1和图2）中，本研究挑选出有代表性的搭配关系和概念关系，在GDEX功能辅助下精选了14个索引行，并基于这些真实语料设计了4种练习，具体如下：

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？

练习1涉及索引行［1］、［2］、［4］、［6］、［7］和［10］，旨在考察ESP学习者是否可以根据不同的修饰语（如温度、地域和是否活跃）把front分为不同类别如cold front（冷锋）、warm front（暖锋）；coastal front（海岸锋）、arctic front（北极锋）、ocean front（海洋锋）；stationary front（静止锋）、active front（活跃锋）。在学生作答的基础上，教师可指出这些“名词+名词”和“形容词+名词”搭配关系体现了术语概念之间的属-种关系、宿主-特征关系和事件-地点关系，进一步帮助学生梳理术语知识。

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.

练习2和练习3涉及索引行[1]、[2]、[3]、[5]、[7]、[12]和[13]，旨在考察ESP学习者是否能够根据生成需要，从语料中找出相应动词，形成符合“动词+front”结构的动宾搭配关系，以表达特定意义（overtake超过、elongate延长、accompany伴随和strengthen加强）或相近的意义（create、produce和generate均表示“产生”）。

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

练习4涉及索引行[8]、[9]、[11]和[14]。“在科学中，因果关系对理解科学知识至关重要”^[17]。因此，front能够与哪些术语概念形成因果关系是考察ESP学习者是否掌握front相关知识的重要内容。值得注意的是，与对搭配关系的提取比较而言，使用SkE提取概念关系是对词汇素描功能的实验性拓展，还处在起步阶段。据León-Araúz等^[18]的评估，SkE提取概念关系的准确率还有待提高，返回的数据还存在较大噪声。就气象专业学生而言，这为设计具体的术语教学活动提供了一种新的可能：ESP教师可以鼓励学生使用专业知识，基于索引行参与甄别、汇报和阐释SkE返回的概念关系。如在索引行[11] Widespread precipitation associated with a gradual sloping front often causes low stratus and fog中，SkE误把front视为cause的主语，因而认为front与stratus（层云）和 fog（雾）之间形成因果关系。教师可以引导学生对句子结构进行语法分析，找出cause的真正主语Widespread precipitation（大面积降雨），从而判定选项C不是font造成的结果。索引行[14]间接体现了front与tornado（龙卷风）之间的因果关系，教师也可以引导学生根据知识型式做如下推导：front导致（“cause”）weather event（天气事件），weather event又包括（“such as”）tornado，front和tornado之间因而形成因果关系。

4 结语

随着我国大学新生的整体英语水平的提高，专门用途英语教学将是我国大学英语教学的发展方向^[19]。然而，在推行ESP教学过程中遇到了不少难题。其中术语由于承载的专业知识超出了普通语言使用者的认知范围，成为大学英语教师向ESP教学转型的障碍之一。面对术语，ESP教师往往对教什么和如何教感到困惑。物性结构为确定术语教学传授什么知识提供了可操作的描写框架，语料库辅助工具SkE为获取术语知识以及将这些知识应用于教学实践奠定了技术基础。本文在物性结构理论指导下，借助SkE的语料库创建、词汇素描和例句精选等功能，尝试设计了旨在考查术语搭配关系和概念关系的相关练习。这些教学活动不仅锻炼了学生的自主学习能力，而且符合学生的认知心理，能够调动他们的求知欲和探索精神。需要指出的是，除了简答题、填空题和选择题之外，教师还可以设计出更多的题型（如判断题、翻译题、写作题等），以解决当前英语术语教学中存在的问题，更好地提高学习者的术语交际能力。此外，与传统的专业词汇教学设计相比，本文提出的数据驱动教学设计学习效果是否更好，尚需开展严谨的实证对比研究加以验证。

参考文献

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

[2] 冯志伟. 现代术语学引论（增订本）[M]. 北京：商务印书馆，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] 卢华国， 张雅. 基于 Sketch Engine 的专门用途英语（ESP）词汇数据驱动教学模式探索[J]. 现代教育技术，2015（2）：67-73.

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

[7] 宋作艳. 生成词库理论的最新发展[J]. 语言学论丛，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. 汉语名词物性结构的描写体系和运用案例[J]. 当代语言学，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] 蔡基刚. ESP与我国大学英语教学发展方向[J]. 外语界，2004（2）： 22-28.