1705233384
1705233385
1705233386
1705233387
用Rosch和Mervis（1975：575）的话来说，“每个项目与一个或多个其他项目，有至少一个，也可能是几个共有的成分，但是没有，或者很少几个成分是为全部项目所共有的。”
1705233388
1705233389
维特根斯坦的解释和Rosch及Mervis提出的定义，二者追求的是同一个目标：那就是为了表明家族相似性原则开辟了一条不同于正统观的道路，因为正统观认为属性必须为全部范畴成员所共有，属性必须是“全范畴的”。这在对像GAME（游戏/比赛）（维特根斯坦的例子）和FURNITURE（家具）、VEHICLE（交通工具）、FRUIT（水果）等Rosch和Mervis（1975）研究过的“上位范畴”的分析中可以得到最深刻的说明。就如我们将在后面的2.2节中看到的那样，上位范畴在很大程度上依赖家族相似性是不足为奇的。
1705233390
1705233391
当我们考虑像BIRD（鸟）或者别的更具体的范畴如CAR（汽车）、TRUCK（卡车）、AIRPLANE（飞机）、CHAIR（椅子）、TABLE（桌子）和LAMP（灯）的时候，情况就发生了变化。正像我们在BIRD（鸟）这一实例中所观察到的那样，甚至像＞鸵鸟＜这种非常差的范畴样本（我们还可以加上＞企鹅＜）也有一些与所有其他范畴成员共同的重要属性。当然，＞知更鸟＜和＞麻雀＜这种好样本完全拥有整个属性集束，所以它们的属性中只有一些是依赖家族相似性原则的。这种情况在图1.8中得到说明，在这儿，属性是用线条表示的。
1705233392
1705233393
1705233394
1705233395
1705233396
图1.8 鸟范畴的共同属性选与家族相似性选
1705233397
1705233398
正像鸟的情况那样，CAR（小汽车）和CHAIR（椅子）这种范畴的成员（也就是各种汽车和椅子）比上位范畴VEHICLE（交通工具）和FURNITURER（家具）的成员（也就是各种交通工具和各种家具）共同拥有多得多的属性。本书的2.1节将为此提供解释。
1705233399
1705233400
然而，不管家族相似性的重要性在不同个体范畴上产生多大变化，都不影响其中原则的解释力。关键在于家族相似性可以解释：为什么即使属性不是为全部范畴成员所共有，也就是说即使根据正统观它们不是本质属性，这些属性也参与到范畴的内部结构。鸵鸟之所以是鸟，不只因为它有羽毛、下蛋，像知更鸟（在图1.8中以粗线条表示）；范畴成员身份也为这种事实所支持，即鸵鸟有像红鹳的长颈，像孔雀的装饰性羽毛（见图1.8中的细线）。这样，在确定范畴成员在范畴中的位置时，我们有充分的理由考虑为该项目提出的任何可感觉到的属性。这是Rosch及其同事所作的属性列举实验和基于这些实验的典型性等级的理论背景。
1705233401
1705233402
属性列举及属性基础上的典型性等级
1705233403
1705233404
假如我们似乎轻而易举就能想起熟悉的物体和生物体的属性，那么我们就可以通过一个相当简单的实验过程收集那些属性，而此实验过程可以很容易地应用于大量的被试。在Rosch和Mervis（1975）所作的属性列举实验中，他们给每个被试（400个美国心理学学生）6张在顶端写有实验项目的纸。被试用1分半钟时间写下所有他们能想到的属性。为了去掉某一项目的那些明显假的或者错误的属性或意义上太空泛的答案，两名检查员对这些属性清单进行了检查。
1705233405
1705233406
使用的试验项目选自图1.3描写的在样本合格性等级中得到的清单，包括由20个不同等级范畴成员组成的集合，FRUNITURE（家具）、VEHICLE（交通工具）、FRUIT（水果）、WEAPON（武器）、VEGETABLE（蔬菜）和CLOTHING（衣服）这些范畴每个范畴为一个集合。从＞椅子＜到＞电话＜（家具），从＞小汽车＜到＞电梯＜（交通工具），从＞橙子＜到＞橄榄＜（水果），一共试验了120个项目。
1705233407
1705233408
这个实验有两个目的：证明家族相似性（见上文）这一概念；对Rosch和Mervis来说更重要的是，提供基于属性的典型性等级（比起Rosch和Mervis自己的术语“家族相似性尺度”来，这个中性术语更合适）。然后，这些典型性等级可以用来证实早先的样本合格性等级。
1705233409
1705233410
属性基础上的等级是如何计算的？撇开数学上的细节，可以区分为两个步骤。第一步，对属性进行“称量”，也就是说，确定20个被测试的范畴成员中有多少成员列举了每一个属性。如果一个属性为全部范畴成员所共有，那么给它20分的最高分（如在交通工具实例中的“运输手段”这一属性）。一个属性只为一个范畴成员列出（试想一下“安装在建筑物内”这一属性只适合于＞LIFT＜（＞电梯＜）或＞ELEVATOR＜（＞电梯）＜）时只得1分。适用于几个但不是全部范畴成员的属性被给予中等得分。得到的结果就是称量过的属性清单。
1705233411
1705233412
在第二步中，把为每一个范畴成员列举出的所有属性的分量累加起来并排成等级排序（实际的过程要更复杂一些）(10)。有许多具有共有所以也是分量重的属性的范畴成员，像FRUIT这个范畴中的＞橙子＜或者＞苹果＜，在总体上获得很高的等级；而像＞橄榄＜这种与别的范畴成员只共有很少几个（如果有的话）属性的范畴成员则得分很低。对比一下属性基础上的等级排序与样本合格性等级，这两类等级显示出高度的相关性。
1705233413
1705233414
这种相关性可以从两个方面用来证实原型范畴的概念。一方面，范畴由好成员与差成员组成这一假设再也不只是依靠对样本合格性等级的直觉判断，现在，这一假设还能与大量的属性联系起来。另一方面，好样本与差样本这一概念可以用来解释为什么属性在范畴成员中分布得那么不均匀。好样本与同一范畴中的其他成员有许多共同的属性，而差样本或边缘样本与同一范畴的其他成员只共有很少的属性。
1705233415
1705233416
但是，正如我们从这一节开头讨论的那些词典词条定义中所知道的那样，属性的范畴内联系只表现了问题的一个方面。同样重要的是区别性属性的问题，即一个范畴的成员，不管是好样本还是差样本，是否与其他相邻范畴的成员拥有共同的属性。这一点在进一步的属性列举实验中得到检验。在这个实验中，CAR（小汽车）这一范畴中的好样本与差样本和TRUCK（卡车）、BUS（巴士）和MOTORCYCLE（摩托车）这些范畴中的成员进行对比。结果显示，不同范畴的好样本之间的属性交叉区最小，而不同范畴的差样本或边缘样本之间的属性交叉区却大得多。换言之，原型小汽车，比如一辆轿车跟原型卡车共有的属性，比一辆客货两用轿车跟原型卡车共有的属性要少；一辆轿车跟原型摩托车共有的属性，比一辆三轮车跟原型摩托车共有的属性少。
1705233417
1705233418
考虑问题的两面，我们可以把原型范畴的属性结构小结如下：
1705233419
1705233420
· 认知范畴的原型成员拥有最多的与这一范畴的其他成员共同的属性，而拥有最少的与相邻范畴的成员同现的属性。这意味着就属性而言，原型成员与其他范畴中的原型成员的区别最大。
1705233421
1705233422
· 差样本（或曰边缘范畴成员）跟范畴中的其他成员只共有很少量的属性，却又拥有同时也属于别的范畴的属性，当然，这只是“范畴边界是模糊的”的另一种说法。
1705233423
1705233424
属性和维度
1705233425
1705233426
回顾图1.7那个鸟属性矩阵，Rosch和Mervis显然确已解决了当研究＞鸵鸟＜及鸟范畴的其他差样本时出现的属性“缺失”问题。但这还留给我们“偏离”的实例，也就是其属性不符合预期标准的那些范畴成员。这种“偏离实例”大部分包含与维度（dimensions）有关的属性，如“大小”、“重量”、“（尾巴的）长度”和“（腿的）粗细”。这把我们带回到Labov的杯子和碗的讨论中，这些杯子与碗我们在1.1节讨论模糊范畴边界时已经讨论过。在为他的实验选取那些杯子及像杯子的容器时，Labov可以依靠“宽度”、“高度/深度”和“形状”，也就是依靠那些被广泛接受的维度类型的“逻辑”特性，而不必陷自己于变化无常的经验主义属性列举。在这个方面，他比Rosch和Mervis更认同那些传统的语言学家。维度有一个优点，那就是在控制的条件下可以改变它们，而这种变化也可以容易而明确地以线条画表现出来。这可以在图1.4中得到说明，为方便起见，在这儿重复为图1.9。
1705233427
1705233428
1705233429
1705233430
1705233431
图1.9 Labov（1973：354）使用的像杯子的物体的图画选（5号图是重画的）
1705233432
1705233433
图中维度的变化基于1号这个“原型的”杯子。在上一排，容器的高度（或曰深度）保持不变而宽度却从一个容器到另一个容器系统性地逐渐扩大。相反地，在第二排中，容器的宽度是相同的，却从左到右变得越来越深。Labov使用的度量变化还涉及容器的形状，包括圆柱体和截去顶端的圆锥体等（在图1.9里未加以表现）。另外，他还使用“语境”或“功能”（“中性/咖啡/食物/鲜花语境”）、“质料”（玻璃、瓷器）和“柄的有/无”这些属性，初看起来，它们都是“非度量”属性。