意义问题的大数据思维突破
发布时间：2022-11-28 11:50:19 所属栏目：大数据 来源：
导读： 意义问题是语义学研究中最重要的一个问题，而语言意义理解的片面性、局限性与单向性桎梏长期以来一直都是关于语言问题研究的重点所在。为此大数据的意义包括，利奇曾说：“‘意义’这个词和它的相
|
意义问题是语义学研究中最重要的一个问题，而语言意义理解的片面性、局限性与单向性桎梏长期以来一直都是关于语言问题研究的重点所在。为此大数据的意义包括，利奇曾说：“‘意义’这个词和它的相应的动词‘意指’是英语中争议最多的术语之一。”在小数据时代，人们借助于直观对象筛选、抽样计量分析来试图把握能够具有普遍意义内涵空间的概念、理论特征，但概念、理论意义的理解脱离开语境又会失去其原有的合法性，这种意义问题研究的窘境伴随着大数据分析方法的形成与发展及大数据思维的逐步确立而得到了破解。 意义丰富性与具体性的大数据融合 大数据分析在对自然语言意义的处理和操作过程中，首要面临的一个问题就是自然语言意义的丰富性和具体性如何有机融合。所谓意义的丰富性，是指意义实现空间的范围、界限具有多种可能性。从逻辑上来看，意义的丰富性达到极致，就是意义的“整体性”，而脱离开语境的整体架构去研究意义，则从根本上背离了语言意义的社会性功能与要求。迈尔-舍恩伯格认为，大数据在数据分析过程中的其中两个方面的鲜明特征就是“更多”和“更杂”，这种“更多”和“更杂”在语义学层面上即表现为意义理解的完整性趋向。在早期的逻辑实证主义那里，意义只有一种真值条件，所谓语言意义的理解完全建立在命题的经验证实基础上，由此导致意义的理解完全脱离了自然语言—在一个逻辑形式的构造体系中，自然语言的意义相当“空洞”和“贫乏”。与之相对，大数据分析所获得的海量数据资源依托于包括自然语言在内的人类行为活动、现象的经验表征，它是一种未经加工与规范处理的原始信息，这种信息在数量上因与人类社会生活的复杂性相关联而具有了膨胀发展的可能性，由此而形成的“数据-镜像世界”为数据“关系-意义”的发掘提供了无限的可能性。在大数据分析过程中，意义就存在于海量数据之间的“相关性”联结机制中—有了“相关性”，意义的空间在“可能世界”层面上才能够得到最大限度的拓展。同时，大数据分析所倚重的数据采集、存储和挖掘能力的大幅度提升，使得人们逐步有能力在一个“全息”的信息-数据语境中来观照和理解“意义”—借助于“分布式的”“去中心化的”数据处理策略，关于事物、对象状态和信息的知识表征统一以集约的方式而得到了数据化的整体呈现，“现代自然语言处理机制和机器学习程序能够让我们从全球海量数据集的语境中识别意义的类型”。当然，仅仅坚持意义的“丰富性”，大数据分析的目标尚不能实现，而最终达到意义的“具体性”，才是大数据分析的本质功能体现。所谓意义的具体性，意味着意义在特定语境中的结构封闭性、局域性。在大数据分析的过程中，概念、语词的意义超越了其自身所属的时空范围而获得了一种方法论意义上可操作的“平等权利”。这种“平等权利”意味着在某些特定范围内的、具有一定封闭界限的语言意义理解同样可以被人们所便利地把握和应用，这种高维度的便捷性正是大数据分析方法为语言问题的研究所能够带来的宽阔视野所在。 意义动态性与规范性的大数据整合 大数据分析对数据意义的挖掘和处理是在一种动态性的立场上展开的，这种动态性意味着大数据分析的对象—数据信息的存在依赖于社会的、文化的和历史的条件与基础大数据的意义包括，上述这些要素决定了大数据分析的对象是一种基于“言外语境”的即时性产物—这些可分析对象包括了事物的时空特征、存在状况、变动趋势等。在此基础上，大数据分析利用其计算处理的高效性优势，采用近似频率分布考察的策略以发现不同事物、事态之间的内在关联，从而为其赋予可理解的意义价值。在算法层面上，大数据分析继承了20世纪后期模态逻辑、时态逻辑、直觉逻辑等非经典逻辑的思想精髓，从而为意义问题的研究建立起了一个立体式的、多维度的空间体系。在此过程中，大数据分析所注重的并非抽象理论形式框架中的意义“空洞”对应，而是由于其最大限度地排除了与目标问题相关的个体观察、测量和经验的局限性，从而使得数据的意义空间得到了深度揭示。由此，表象的直觉判断在大数据分析过程中不再占据主导地位，“意义”的发现和创造在一种自动化、智能化的基础上从效率、规模和层次等方面都得到了大幅度延伸。当然，大数据分析在对数据意义的系统把握过程中所坚持的“动态性”原则并非没有边界和范围的，事实上由数据间关系的确立到实在事物之间的意义寻求与获取，同样有着相对严格的理性评价原则与标准—自然语言的意义具有类似于“泊松分布”的潜在概率性特征，在其表面非逻辑、非规范的性状特征背后，隐含着复杂的语言逻辑动力机制和作用，这种机制和作用并非完全无规律的、随机的，而是需要有一个能够动态地容纳海量分散数据的计算分析平台来承载。因此，在大数据分析过程中，数据意义理解的动态性与规范性之间并不矛盾，而是在彼此之间存在着协调与统一性，“动态性”是数据意义定位的基本要求，而“规范性”则是数据意义外化的重要保障，两者共同为大数据分析过程中的意义理解目标的实现提供了保障—从隐性的、不可观察的数据意义到显性的、可观察的数据意义，大数据分析建立起了一种围绕语用目标而展开的系统结构规则，这种结构规则对数据意义的深层内涵的揭示起到了重要的约束和推动作用。 意义主体性与语境性的大数据统一 意义实现过程中的“主体性”是20世纪后期以来西方分析哲学所获得的主要共识之一，“语词的意义和其他语言形态本质上具有深刻的主体性和人类性”。①从意义实在论的基本立场来看，理论、概念的意义一方面与社会文化的约定有关，这表明意义绝不仅仅是一种人们“头脑中”的产物；另一方面也包含着人们某种心理意向的状态和趋向性。在大数据分析过程中，人们不再将意义看作是一种超越主观性而追求绝对意义上的客观性存在或者某种固定的实体，而是将其看作是一个不断发展与演化、不断创造与“衍生”的过程。在这一过程中，大数据分析以海量数据为基础，深入意义实践主体的具体活动之中，不仅能够把握个体参与意义创造的语法规则、心理习惯及行为特征，而且能够对建立在个体-主体性基础上的群体活动趋向、群体心理集聚规律进行充分了解—数据的意义不是纯粹自然状态上的意义，而是有人这一主体参与“创造”的意义—这使得传统的语言意义理解被置于了一个与人的主体性、语用性相互关联的复杂动力学平台之上，同时也使得意义存在的结构、功能与形式获得了一种高度的动态整合。另外，大数据分析对于意义理解过程中主体性能力的突显，潜在地隐含着一种语境的支撑作用—数据本身没有意义，数据的关联才产生意义，而这种关联脱离开一定的语境是不可能实现的，“语义搜索建立在语境化意义的基础上”。迈尔-舍恩伯格认为，大数据在数据分析过程中的另外一个特征即是“更好”—所谓的“更好”，即是一种对事物之间关系的把握建立在“相关性”基础上的语境化选择结果。因此，大数据分析对语言意义“更好性”的把握，符合与遵循了语言存在的自然性特征，同时也满足了语言使用的目标导向性需求。表面上来看，大数据分析弱化了“因果”语境而选择了“相关”语境，似乎这使得语境的约束性作用降低了，而实际上这一选择的目的在于进一步扩展语境的边界与范围—其扩展并非任意的，而是围绕着大数据分析的目标定位而有规律地实施的—大数据分析在一种“相关性”的语境中，将意义的感性与理性、形式表征与实在定位有机地融合在了一起。 （编辑：PHP编程网 - 襄阳站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
浙公网安备 33038102330434号