自然语言语义的情况（二）

上述结论可能看起来不可避免，但它不是。 确实，在奥斯汀观点上，我的话语（17）被解释为关于熊瞄准的索赔。 要看到我们可以获得所需的解释，我们需要查看技术细节。 18（a）给出了在可能性的情况语义中（17）内的可能性模态的合理解释。 18（b）是奥斯蒂尼亚组成部分发挥之前的整个句子（17）的解释：

（18）

一个。 [[可能]] c。λpλs'[ACCC（S）（S'）＆P（S'）]

b。 [[（17）] c。λs'[Accc（s）（s'）＆grizzly（ιx熊（x）（s'））（s'）]

（18）假设基于可能情况的密集语义。 在可能的情况语义中，命题是可能的情况，或这些组的特征功能，并且对可能的情况进行评估所有谓词。 18（b）是（17）在上下文c中表达的命题。 这个命题是一种情况，即某种情况是某种情况，它有一个情况S'可以从s的情况下访问，并且在s'中的独特熊是灰熊。 模态可以在评估情况S访问的可能情况下引入存在量化的存在量化（参见条目模态逻辑）。 可访问关系的种类是由与话语上下文C的属性相互作用的模态的词汇形式来确定（参见条目索引）。 在我们的示例中，模态是一种特定的认识模型，其在案例S和S'中与C的上下文C相关联的识别模型，而S'相当于C中的信息，即，无论是在C中是否可用的任何证据都不具体以区分S和s'（认知语境主义）。 作为认知模式可用的证据可能包括话语参与者的分布式知识（参见Von Fintel＆Gillies 2011），其他可用的信息来源，如船舶的日志或电脑打印输出（黑客1967年，冯·芬里斯＆吉利斯但是，有趣的是，有趣的是，不一定是恰好被隐藏的信息，如测试结果在密封信封（De Rose 1991），女子中的婴儿（Teller 1972），绘制窗帘背后的天气条件（吉利亚2001），或者被遮挡的动物细节黑暗。 假设熊瞄准的实际熊实际上是一个黑熊，而不是灰熊。 因为这是夜晚，我们看不太好，我们对熊的证据表明，当我说出（17）无法将真实情况与许多人区分开来，包括一些熊是灰熊而不是黑熊。 这是让我的话语（17）真实的原因。

当我发出（17）时，我声称，18（b）的命题是真正的熊瞄准。 施加18（b）持有瞄准产生所需的定性解释。 熊瞄准被利用以提供隐式域限制，但它并不直接这样做。 我们正在考虑熊市的认识替代品。 认识的替代品是熊瞄准的替代品，因此是部分的，就像熊瞄准本身一样。 他们没有超过一个熊。 这表明情况说明了情况语义提供的偏袒方式的分析。 Austinian主题情况可以为我们的域限制提供定性明确的描述。

Soame对奥斯蒂尼语方法的第二大反对域限制涉及有可能似乎无法来自Austinian主题情况的域名限制的事实（参见Westerståhl1985）。 拍摄的例子之一是（19）以下（Soame 1986,357），这是上面令求恶的睡眠实验室实例的变体。

（19）

每个人都睡着了，正在被研究助理监督。

如果所有量词域都由奥斯蒂尼亚主题局势提供，那么（19）似乎对这种情况进行了矛盾的要求。 假设只有（19）的话语只有一个主题情况，我们似乎预测那些话语暗示了研究助手是那些睡着的人。 但没有这种含义。 Soame意识到奥氏体方法的支持者并不致力于假设所有域限制由Austinian主题情况直接提供（Soame 1986，脚注17,371），因此他强调他只是评论在Barwork和Perry提供的域限制的特定陈述（1983,1985）。 例如，Soame的异议不适用于Cooper 1996，例如，允许量词域通过不同的资源情况确定，他与奥斯蒂尼亚语主题情况（他的“描述的情况”）。 反对意见也不适用于可能的语言语义的可能性语篇语言，其中一切谓词必然会根据实际或可能的情况进行评估。 然后可以在不同情况下评估一个和相同句子的不同谓词（Heim 1990，Percus 2000，Elbourne 2002,2005，2013）。 可能的解释（19）可能是（20）：

（20）

λs[[人（x）（s'）＆s'≤ps]→[睡着（x）（s）和∃y[研究 - 助手（y）和监测（x）（y）]]]]

当睡眠实验室的医生Utters（19）时，她声称（20）中的命题是一个特定情况，称为“睡眠实验室”。 睡眠实验室是奥斯蒂尼亚主题的情况，但这不是挑选睡眠者的情况。 可以通过零件关系≤P与睡眠实验室相关的睡眠状态升级的娱乐器招募睡眠者，并用作评估由批量短语介绍的谓词词语的资源情况。 例如，这种情况可能是实验室中的患者的总和。

不得不为域限制的独家需求进行主题和资源情况。 在可能的情况下，语言资源情况是根据任何谓词定期评估的实体。 主题情况也是独立需要的：它们是断言和信仰的情况，他们是时态和方面的语义中的关键参与者。 这意味着主题和资源情况对域限制的贡献完全是免费的。 因此，可以在不定向任何特殊设备的情况下解释许多域限制的情况。 其中一些剩余的案例也可能是通过独立证明的机制来算法，包括句法省略，预设投影和会话似的。 但也有夸张，禁忌相关遗漏，有些人。 以下句子中的隐式域限制在约克（英格兰）的浴室中出现的帖子中出现，可能会在上一份类别中落下：

（21）

除卫生纸外，请不要将任何东西丢弃厕所。

很难看出任何理论如何防止任何类型的务实丰富过程（Récanati1993,2002,2004）从促进隐含量化的量度限制，鉴于人类能够“解释发出讽刺意味”，隐喻，elision，anacoluthon，aposiopesis，以及所有这些......确定说话者暗示的是什么以及说“（Neale 2004,123）。 本隐式域限制可能是许多独立证明机制的副产物。

5.情况变量或未分布的成分？

情况语义中的一个重要问题是究竟情况如何输入语义解释过程。 它们是否通过句法代表的变量而阐明，或者是“未分类的成分”（Perry 1986，Récanati2002），可能仅仅是评估的指标？ 次数和可能的世界探索了这个问题（见本体承诺的条目）。 例如，Kripke的模态语义允许仅在可能的世界中量化在Metalanguage中（参见条目模态逻辑）。 同样，在先前的时态逻辑（参见条目亚瑟先前），随着时间的量化限制在Metalanguage（参见入口时间）。

（22）

一个。

[必须从w中访问的所有w'的1 iff [[α]] w'= 1。

b。

[过去α]] T = 1 IFF [[α]] t'= 1，对于某些t'，其在t'之前的t'。

Montague的海洋逻辑语言（1974年）是在Kripke和之前的传统中制定的，并且没有多次或世界的变量：时态和莫代尔运营商转换评估指数，如（22）所示，但不要以对象语言绑定变量。 随后，对世界和时间的量化与量化不同。 刻意的区别是因为它预测当时认为正确的差异。 一旦评估索引移位，它就会消失，并且不再用于评估其他表达式。 这限制了时间和莫代尔·阿帕拉。 直到七十年代早期的自然语言时代和世界的光学性参考被认为是准确的评价指标方法预测的方式受到限制。 然而，该信念受到临时Anaphora的工作挑战（Kamp 1971，Partee 1973，Vlach 1973，Van Benthem 1977）。 Cresswell 1990展示了模态Anaphora的平行论据，并更普遍展示了自然语言具有对象语言量化的完全表达力量和时代。 因此，对世界或时间的量化没有不同于对个人的量化，并且应该以相同的方式计算。

可以构建Cresswell示例的确切类似物以显示自然语言具有对象语言量化的完全表现力。 这是我们要查看的那种示例的第一个味道。

（23）

如果，当它下雪时，它已经下雪了比实际的那样，镇犁将为我们删除雪。

假设（23）被列入过去20年中关于阿默斯特镇的索赔。 在相关时期，我们正在看降雪。 对于每个实际的降雪，我们正在考虑反事实情况r，它在其中下雪的下雪比在s中得多。 索赔是，每个反事情况都是城镇耕作为我们脱落的情况的一部分。 为了形式化所说的内容，我们必须能够考虑每个实际的降雪S一套反事实替代品，并比较他们每个人的雪数量在s中的实际雪数。 这意味着在考虑相应的反事实情况后，我们必须能够“返回”到实际降雪情况。 为此，我们必须跟踪原始情况。 可用的簿记工具是评估指标，或者情况变量和对象语言的绑定关系。 如果我们想避免可能是未强调的情况变量，我们需要两个可移动的评估指数（23）。 从长远来看，甚至两个指数也不就是足够的。 以下是一个需要三个的示例：

（24）

每当下雪时，一些当地人梦见它比实际下雪的杀死了，而当地的天气渠道错误地报道它已经下雪了，但仍然远远超过它现实下雪。

不难看出我们可以无限期地使这些例子复杂化，并且没有必要的评估指数的数量。 但这表明自然语言具有对象语言在情况下的全部力量。 随着表现力的涉及到表现，在情况下，量化与个体的量化没有什么不同。 由于自然语言具有句法代表单个变量，并且如果它们使用了两种不同同样强大的量化机制，则会令人惊讶的是，它似乎至少是一个很好的选择，即自然语言存在句法代表的情况变量（但看到Cresswell 1990和Cresswell 1990雅各布森1999年的异议意见）。 但随后（23），（24）和它们的亲属在（23），（24）和它们的内容上量化的情况不一定对应于“未分类的成分”。 它们是句法代表的，即使他们可能恰好是未强调的。 在PERCUS 2000，Keshet（2008,2010）和F. Schwarz（2008,2012）中调查了情况变量的句法表示。

6.情况，最小的和驴句子

基于情况的框架最常见的用途之一是在分析“驴”代词中，即被解释为明确的描述的视权代词（参见条目描述和进入下的Anaphora的描述性理论Anaphora）。

（25）

一个。

每当驴子出现时，它就会热情地招呼。

b。

每当驴出现时，驴子都热情地迎接了。

25（a）中的代词是描述性代词的实例，其被解释为25（b）中的相应的确定描述。 假设我使用25（a）或（b）谈谈特定情况，称之为“驴游行”。 当时量化的情况是驴游行的所有部分。 它们正是驴游行的那些水位，这是驴似乎的最小情况。 那些必须是他们在他们身上的单个驴的情况。 索赔是所有这些情况都是驴子热情地迎接的情况的一部分。 更加正式，我对驴游行的主张是（26）：

（26）

λs∀s'[[s'≤ps＆s'∈min（∃x[驴（x）和出现（x）]）]→∃s“[s'≤ps”和热情的热情（ιx驴（x）（s'））（s“）]]

（26）反映了对可能性情况语义中的量化和描述性代词的副词的标准分析（Berman 1987; Heim 1990; Portner 1992; von Fintel 1994,2004B; Elbourne 2002,2005，2013,2016）。 （26）中引入的所有资源情况直接或间接地与主题≤P的主题情况。 主题是所有资源情况的最终锚。 它间接限制驴被谈到那些存在于驴游行的人。 条件的前提引入了进一步的限制：我们只考虑驴游行的那些水位，这是驴似乎的最小情况。 这些情况只有一个驴子，因此它们可以用作明确描述驴或相应的描述性代词的资源情况。

在某种情况语义中，驴句的任何分析的关键特征是，量化是对由条件的前一种征收的条件的最小情况。 最小条件是对描述性代词的分析至关重要。 没有它，我们无法将这些代词分析为明确的描述：

（27）

每当一个男人看到一个驴子，那个男人都迎接了驴子。

我们必须确保量化的情况或事件只有一个人，只有一个人，因为明确的描述对于他们的资源情况不一定是独一无二的。 然而，最小的条件是潜在的麻烦来源（Reinhart 1986，Dekker 2004; von Fintel 2004a，b）。 当条件的前心包含质量名词，负量子或某些修改量词短语时，对最小情况或事件的量化似乎产生了不受欢迎的结果或者根本不可能：

（28）

一个。

当雪地落在这里时，它需要十个志愿者来删除它。

b。

当一只猫在一天吃多个超级晚餐时，它生病了。

c。

每当婚礼上20到2000位客人之间时，单人服务员都可以为他们服务。

d。

每当没有人出现的时候，我们都会取消课程。

28（a）提出了雪落的最小情况或事件的问题。 但即使有，我们在这种情况下我们没有量化。 我们也没有依赖离散的尺度来测量超级晚餐的部分。 但即使我们这样做，这也不会有28（b）。 这句话并不一定量化猫只吃一罐超级晚餐的情况。 最小性也似乎并没有扮演28（c）的作用。 如果28（c）量化在20至2000年婚礼客人之间的最小情况下，它将通过20个婚礼客人来量化局势或事件，并且可能是真的。 28（d）更加戏剧性。 什么是最小的情况或事件看起来像没有人出现的？ 如果对驴句的任何基于事件或情况的分析是成功的，那么，它必须保留在足够小的情况下量化的事件或情况，以便仅在（27）（27）的情况下包含一个人和一个驴，但它必须在不最小化雪，超级晚餐的情况下实现这一点或者在28（a）至（c）等案件中婚礼的客人。 它根本不应该混淆负面结构。 当我们在驴句中量化的情况下，我们需要将可能非常复杂的句子与响应于（27）和28（a）所示的不同类型的前书的不同行为响应于响应于（27）至（d）的不同行为的方式。

文献中有几个提案，阐明了一个句子和情况之间的关系，通过对它的特殊递归机制与涉及这一句子的特殊递归机制来说，这是对示例事件或情况（参见Schein 1993，第9章和第10章进行讨论这个问题）。 可能的形式语义的可能性语言通常从递归真理定义开始，递归真理定义，将句子的话语与话语所表达的命题相关的可能情况。 然后可以定义一个命令的情况或事件被定义为命题的“最小”情况（参见事件，事实，事物状态和真相制作者的条目）。 由句子（27）和28（a）至（d）提出的挑战是他们表明最小地的幽灵概念不会。 似乎需要更灵活的最小性概念。 以下部分将在一些详细信息详细记录最小地的期望概念，从与独立合理的句子表示的交互中的互动示例的简单定义中可能出现。 然而，该问题处于积极调查，并且在广泛的不同建筑之前，不能被视为解决。 无论最终结果如何，下面的讨论将提供有机会说明如何从可能的世界转移到情况如何影响我们可能想要发出表达的陈列。 在一个情况下，通常有几种方法可以将三个表达分配给难以区分真实条件的理由。 看着歧视句子的情况以及其真实条件有助于选择。

7.最小性和举例

在可能的情况语义的可能性中，可能的情况是可能的世界的一部分。 一些作者还假设可能的世界W的部分与最大元素W形成一个连接半格（BACH 1986; Lasersohn 1988,1990; Portner 1992;另见进入信息学）。 然后，零件关系≤p和和操作+与常规相关：s≤ps'iff s + s'= s'。 命题是可能的情况或其特征函数的集合（参见进入命题）。 示例说明一个命题的情况的概念可以定义为（29），这是在Kratzer 1990（其他因特网资源）中出现的定义的变化，1998,2002：

（29）

范例

如果每当存在P不是真的，则情况S示例了一个命令P命令P.如果不是真的，则S是一个最小的情况。

直观地，一个例证了一个命题p的情况是不包含任何与p的真相没有贡献的东西的情况。 （29）的第一部分允许某种情况级为举例说明p。 在S的所有子外基础中，P是真的，是最小的情况，其中P是真实的。 最小地对（29）上诉的概念是标准之一：一种情况是一个最小的情况，其中一个命题p是真正的IFF，它没有正确的部分。 情况泥（案例如下）给出了（29）的第一个例证。

案例一：泥

泥（坚实的圆圈）泥是一种由泥土组成的情况。

假设泥土和所有部分都是泥浆，泥浆和所有部分都举例说明在30（b）中的命题，因为没有泥浆没有泥浆。

（30）

一个。

有泥。

b。

λs泥（x）（s）

然而，图30（b）不被泥浆＆苔藓（下面的案件2）举例说明：

案例二：泥浆＆苔藓

泥和苔藓（混合圈）泥浆＆苔藓是一种由一些泥和一些苔藓组成的局面，没有别的。

Mud＆Moss有30（b）的部分不正确：只有苔藓的部分。 但泥浆和苔藓不是最小的情况，其中30（b）是真实的。

接下来，考虑（31）：

（31）

一个。

有三个茶壶。