語用學(Pragmatics)是什麼?

研究語言在具體交流上下文中的使用方式與使用者意圖的語言學分支。|本頁含完整原理、應用場景、iPAS 考試重點與 3 個常見問答。

英文
Pragmatics
主題標籤
自然語言處理、對話理解、言語行為
考點定位
非 iPAS 核心術語
最後更新
2026/07/30
語用學(Pragmatics)是什麼? 自然語言處理對話理解
術語快查

搜尋意圖: 如果你在找「語用學 是什麼」或「語用學 和相近概念差在哪」,先看這頁的短定義、完整說明與延伸比較。

TL;DR: 研究語言在具體交流上下文中的使用方式與使用者意圖的語言學分支。

實用情境: 適合用在閱讀 AI 文章、產品文件或和同事討論時,先用一頁快速對齊概念。

下一步: 先讀完定義,再往下看延伸比較與對應工具,把概念轉成實際應用。

研究語言在具體交流上下文中的使用方式與使用者意圖的語言學分支。

語用學(Pragmatics)起源於哲學與語言學,由 Austin、Searle 等學者奠定基礎,研究語言使用者如何透過語言達成交流目標。

核心概念

言語行為理論(Speech Act Theory)

Seale 提出言語行為包含三層:

  • 發話行為(Locutionary Act):說出具有語法與語義的句子。
  • 取效行為(Illocutionary Act):透過發話實現的社交行為(命令、許諾、質問等)。
  • 達成行為(Perlocutionary Act):聽眾因應言語的心理或行為反應。 例如「能開門嗎?」字面上是一個能力質問,實際取效行為是要求開門。

會話含義(Implicature)與隱含前提(Presupposition)

  • Grice 的會話含義:說話者未直言但期待聽眾推導出的含義。例如「A:晚餐吃什麼?B:我冰箱裡有雞蛋。」B 的隱含含義是「吃雞蛋」。
  • 隱含前提:言語成立所預設的背景知識。例如「我弟弟很聰明」前提了「我有弟弟」。

會話合作原則(Cooperative Principle)

Grice 的四項準則:

  • 量的準則(Quantity):提供足量但非過量資訊。
  • 質的準則(Quality):說真實、有根據的話。
  • 關連準則(Relevance):發言應與話題相關。
  • 方式準則(Manner):清晰、有序、簡潔。

語用失誤(Pragmatic Failure)

使用者在理解或產生言語時,可能在以下方面失誤:

  • 語言轉移(Language Transfer):一語使用者將母語語用規則套用於目標語言。
  • 過度推廣(Overgeneralization):將規則應用範圍過度擴張。
  • 文化差異(Cultural Difference):不同文化的禮儀、自我表現方式差異。

NLP 中的語用學應用

對話系統與意圖識別

使用者的真實意圖往往隱含於字面言語之中:

  • 「天氣怎麼樣?」可能意圖是「決定是否帶傘」
  • 「這裡有洗手間嗎?」實際要求是「指向洗手間位置」

現代對話系統需要理解使用者的底層意圖(user intent),並據此選擇適切回應。Amazon Alexa、Google Assistant 等系統內都包含意圖分類模組。

指代消解(Coreference Resolution)

指代消解本質上是語用任務:需要理解說話者為何選擇用代詞、定指表達式(definite description)或零指代(zero pronoun,特別是亞洲語言),而非重複名詞:

  • 「John 告訴 Mary 一個秘密。他很開心。」→ "他" 指 John
  • 「三個博士生在討論論文。其中兩個人已畢業。」→ "其中兩個人" 的具體指稱

言語生成(Natural Language Generation, NLG)

NLG 系統需要根據目標受眾、交流場景選擇適切的措辭與風格:

  • 正式 vs. 非正式(寫郵件給教授 vs. 傳訊息給朋友)
  • 直接 vs. 婉轉(直言「這樣做不對」vs. 「你可以考慮…」)
  • 主動 vs. 被動(突顯施事者 vs. 突顯受事者)

情境適應性與社會語言學特徵

NLP 系統需要識別與產出社會語言學變體:

  • 正式級別(formality level)
  • 說話者性別、年齡、教育背景
  • 權力距離(power distance)與親密度
  • 地域與文化背景(方言、習慣用語)

例如機器翻譯時,「你」在英文無分別,但中文需根據場景選擇「你、您、妳」。

當代挑戰

  1. 常識缺陷:理解許多言語行為需要世界知識。例如「銀行的人很多」在銀行營業時間是事實陳述,晚上則暗示有其他含義。

  2. 文化與語境差異:同樣的表達在不同文化中語用含義完全不同。直接拒絕在西方文化可接受,在亞洲文化中被視為無禮。

  3. 歧義與上下文依賴:同一句話在不同對話脈絡中含義迥異,難以建立通用規則。

  4. 隱含表達的抽取:LLM 雖能處理常見含義,但對特殊或創意言語用法仍常失誤。

實踐建議

  1. 在對話系統中,明確建模使用者意圖與系統回應目標,避免字面理解。
  2. 對於跨文化 NLP 應用,應諮詢文化與語言專家,不能完全依賴資料驅動方法。
  3. 在指代消解、摘要等任務上,引入語用規則(如中心化理論、焦點理論)作為模型的歸納偏差(inductive bias)。
  4. iPAS 考試中,語用理解通常與對話理解、行為預測等應用相關,理解其在實務應用中的重要性有助於備考。

常見問題

語用學和語義學的分界在哪?

語義學研究詞句的字面含義(如「下雨」指降水現象),語用學研究使用者在具體情境中的意圖與交流目標。同句「下雨了」在不同場景有不同語用含義:朋友提醒你帶傘是「建議」,天氣播報員播報是「陳述事實」。語義學回答「這句話字面上什麼意思」,語用學回答「說話者為什麼這樣說,聽眾應該怎樣理解」。

機器能理解語用學嗎?

現代 LLM 在統計層面已能捕捉許多語用規律(透過大規模預訓練),在日常對話中常常能正確理解暗喻、含蓄表達與言語行為。但理解的機制與人類不同:模型是透過模式匹配而非明確的推理規則。在複雜或創意言語、特別是涉及罕見文化背景的語用現象上,仍容易失誤。

怎樣在 NLP 系統中應用語用學知識?

可以透過:(1)明確建模意圖與話題的關係圖(dialogue state);(2)引入語用規則作為約束(如對話禮儀檢查);(3)融合常識知識庫與世界模型;(4)透過人類反饋微調模型對微妙語用現象的敏感度。但實踐中,許多系統仍依靠大規模預訓練的隱性學習,而非顯式編碼語用規則。