英语口语中有哪些高频词串（Lexical Bundles）( 二 ) 谢张三邀（

本来idiom，phrasal verb的数量已经很庞大了，再加上我上面说的这些非习语、非短语动词的固定组合，就数量非常多了，一两千肯定是远远不够的，当然如果只是基本口语应用的话，则用不了那么多。
我想我见过的唯一按照这个理念的一个phrase集合，就是longman language activator（某个版本把它叫做写作词典，真是不懂，这就是一个表达词典，不管是口语表达还是书面表达），貌似还有几个类似的，暂时还没时间细看。LLA的理念其实我觉得相当好，很值得借鉴，当然LLA并不是最理想的一种编排方式我觉得，但是最有可操作性的一种。我只是觉得对英语表达感兴趣的学习者来说，一般的词典包括英汉或汉英都帮助不大了，LLA这种有帮助，但这种很少，不明白为什么，暂时想到这么多，后面继续探讨吧。
对了，题主还提到语料库，有些词典或其他工具书，里面例句号称从真实语料库中得来，但看了和以前字典中编写的例句没什么太大不同啊，很多都是没什么养分的例句，当然有养分的例句确实不好搞：）

■网友的回复
几天前就看到邀请了，虽然研究生论文开题是关于语块（词块），但是是开题前三天定的题目，只看过几十篇相关论文，没有像样的综述。看到竟然有这么多人关注，所以觉得有必要借着语料库期末论文也写了语块的热乎劲，先来简要科普下，以后再补充：10.8更：大论文不做语块了，改做偏语篇评价的一个结构。------------------------①从楼主描述来看，楼主可能更关注的那个概念要小于语块，叫做“话语标记语”（discourse markers），属于语篇分析（DA）方向。因为我们语篇分析老师是做话语标记语，所以写过这方面期末课程论文。典型的话语标记语比如you know, I mean等，我们有学长毕业论文做过语用惯用语，比如楼主说的have a nice day, Thank you very much等。当然话语标记语还包括词，比如连词and, because，副词actually，感叹词well, oh等。研究者对话语标记语称谓包括sentence connectives, clue words, discourse dexis, pragmatic devices, discourse particles, discourse operators, conversational routines等，主要研究者包括Schiffrin, Aijmer，国内冉永平，何自然等。感兴趣的可以去搜相关论文，不再展开。②我们说的语块与语料库语言学，认知语言学，语篇分析，心理语言学方向研究都有关系，心理语言学讲语块也像词一样是我们心理词库（mental lexicon）的一个单位，是作为整体来存储加工的，这是语块的心理现实性。一个人语言流利程度不仅取决于所掌握的词汇和语法规则，也取决于程式化的短语成份的多少。语块的定义我就不说了，不同的术语包括chunk, phraselogy, lexical phrase, formulaic sequence, cluster, lexical item, lexical routin, prefab, multi-word unit/expression, recurrent word combination,以及语料库里讲的N-gram N元组等。不同学者对语块分类也不同，楼主说的Nattinger \u0026amp; DeCarrico是一种，Biber等人对lexical bundles的分类也是影响比较大的，分为四种（也有说三种）：指示语块referential bundles（如at the end of），立场语块stance bundles（It is possible to），组篇语块discourse organizing bundles（in addition to），以及特殊话语功能语块special conversation function bundles（Thank you ），我毕业论文研究的就是其中一种语块。③为什么我说楼主关注的概念小于语块，因为语块的数量是比词要多的，而且不一定具有完整的句法结构，楼主想要的列表是我们惯用的词组或结构的列表。学者一般将标准化之后，20次/百万词的语块作为研究对象。对语块的提取方法一般采用语料库方法，常用的语料库工具有wordsmith tools, AntConc, PowerGREP, 还有TextSmith tools一般用来分析文本部分之间的语言特征，忘了能不能提取语块（详细操作步骤可参见詹宏伟“语料库中语块提取的工具与方法”一文）。可以提取语料库中的2词，3词，4词，5词等多词序列，也就是词块。我们可以举个栗子，I have a dream that my four little children will one day live in a nation...这样一个句子，提取3词语块是这样的：I have a, have a dream, a dream that, dream that my...以此类推，再根据复现频次排序，就会得到一个三词语块列表。2词序列数量最多，其他多词序列依次减少，语块越大，数量越少。所以可以看到，如果你提取2词序列，数量是相当庞大的，并不是楼主说的数量有限。列表不是没有，但是根据你提取的序列数和语料库不同有所差异，比如Biber学术英语语料得出的部分4词语块列表，指示语块are a lot of, there are a lot等，立场语块列表agree with the statement, I agree with the, I am interested in, I would like to等，组篇语块列表according to the lecture/professor/reading, at the same time, first of all the等，当然这只是小型学术英语书面语得出的4词序列，你如果用其他语料库比如BNC得出的列表也会不同（可参考Biber等人“formulaic sequences and EAP writing development: lexical bundles in the TOEFL Ibt writing section”，以及另一篇其他学者的“an academic formulaic list: new methods in phraselogy research”等）。④只从研究角度讲，目前多数人的研究我觉得都是不全面的，因为词块不仅可以是连续的，还可以是非连续性的半固定结构，比如题主说的not only...but also可能没法提取，还有像特定语块It is ×××(likely/impossible) to 这样表达立场的语块的提取则需要用到正则表达式和PowerGERP这样的专业工具。⑤所以，像楼主要求的那样一个英语口语高频语块列表是可以有的，但是代表性就不好说，因为即使像COCA和BNC这样的大型语料库，规模是最大，但不仅包括口语还有书面语，其中口语语料的代表性也不好讲，况且口语语料的收集转写就比较复杂，很难收集大量自然发生，真实场景的口语语料。还有，不同区域，不同个体也有自己的语言使用习惯。还是建议更多关注话语标记语的相关研究吧，对you know，Well, I mean, I think 这样的话语连接语的掌握确实会对语言流利程度有帮助。对语块也好，话语标记语的研究还是对语言学习，教学和教材编写有所帮助的，比如你可以回想下中学的英语课本里应该没有you know这样一个短语，而英语母语者使用这个短语的频率是非常高的。