- 相關(guān)推薦
中文信息處理與現(xiàn)代漢語語法論文
論文摘要：用計算機來處理漢語信息包括“字處理”、“詞處理”和“句處理”三個階段�！熬涮幚怼笔菍崿F(xiàn)自然語言的處理與理解這一關(guān)鍵性的技術(shù)難關(guān)。其中遇到的問題比較多：詞性的判斷；短語、句子的結(jié)構(gòu)分析；歧義現(xiàn)象分析等等，最根本的方法是語言學(xué)家盡可能地把語言中的這些現(xiàn)象通過歸納、分析、總結(jié)出規(guī)律，再用形式化的方式描述出來，以便利于計算機處理。 論文
關(guān)鍵詞：中文信息處理 現(xiàn)代漢語語法 句處理
用計算機來處理漢語信息，就是漢語信息處理，又稱中文信息處理。中文信息處理包括“字處理”、“詞處理”和“句處理”�！白痔幚怼薄ⅰ霸~處理”分別與漢字和詞匯有關(guān)，在此主要談?wù)劇熬涮幚怼薄?/p>
句處理的主要內(nèi)容是，怎樣使計算機理解自然語言（如現(xiàn)代漢語）的句子的意思，又怎樣使計算機生成符合自然語言規(guī)則的句子�！熬涮幚怼彼枰恼Z言知識，將是一種涉及到語音、語義、語法、語用等諸方面的綜合性知識。目前。大家都深感現(xiàn)有的關(guān)于漢語的知識遠(yuǎn)遠(yuǎn)不能滿足中文句處理的需要。單就句法方面的情況說。在中文信息處理過程中將會不斷遇到我們想象不到的問題，許多問題在人看來還是比較容易解決的，但計算機就解決不了。也有一些問題，本身在學(xué)術(shù)界就有不同的觀點，那么，就給中文信息處理增加了更大的困難。
用計算機來處理中文信息，遇到了很多困難，從現(xiàn)代漢語語法的角度來看，主要有以下一些問題：
一、詞性的判斷
由于漢語缺乏形態(tài)。漢語的詞性判斷主要是根據(jù)詞的語法功能，不同的詞，詞性意義可能不同，同一個詞出現(xiàn)在不同的地方，詞性意義也可能不同，漢語中，大多數(shù)詞有固定的詞性，但有些詞的用法比較特殊。例如：
1。他花了十塊錢買了一盆花。
2。你用那個鎖把門鎖上。
3。他比雷鋒還雷鋒。
這三個句子中分別有兩個“花”、“鎖”、“雷鋒”。但它們只是音同、形同，詞性和意義都不同。句子1中的第一個“花”是動詞，“花費”的意思，第二個“花”是名詞，“植物”的意思。句子2中的第一個“鎖”是名詞，即“鎖子”的意思，第二個“鎖”是動詞，是“鎖住”的意思。句子3中第一個“雷鋒”是名詞，表示人名，第二個“雷鋒”是形容詞，表示“雷鋒的精神、品質(zhì)等”。具有一定語言知識的人大體上都能分清它們的區(qū)別。從傳統(tǒng)語言教學(xué)的角度來講，句子1中的兩個“花”是詞形、讀音相同，但詞性和意思都不一樣，且兩個“花”的意思之間沒有聯(lián)系，所以屬于同音詞。句子2中的兩個“鎖”，也是詞形、讀音相同，詞性和意思都不一樣，但兩個“鎖”意思間有聯(lián)系，所以屬于兼類詞。句子3中的兩個“雷鋒”詞形、讀音相同，詞性和意思都不一樣，意思也有聯(lián)系，但第二個“雷鋒”屬于詞類活用。Ⅲ從教學(xué)的角度看，這種分類比較細(xì)致，便于人們的理解和掌握，但是，從中文信息處理的角度來看，這種分法太細(xì)，不便于計算機掌握。
目前，在中文信息處理中，是這樣來定義兼類詞的：亢世勇認(rèn)為“兼類詞有廣義兼類詞和狹義兼類詞。廣義兼類詞就是中文信息處理中所說的現(xiàn)代漢語的同形詞，對于計算機而言，只要詞形相同，不管讀音是否相同、意義是否相通，是同形異音詞、同形同音詞，還是一詞多義、一詞多種用法，都是相同的，都要從多個當(dāng)中選一個。狹義的兼類詞就是指一般的現(xiàn)代漢語著作定義的，‘同形同音、意義上有一定的聯(lián)系，且具有兩類或兩類以上詞的語法功能的詞”’。陸儉明認(rèn)為，兼類詞是“指同字形、同音而意義不同或詞性不同的詞”。如果按這種定義理解，以上三個句子中的兩個“花”、“鎖”、“雷鋒”都可以稱之為兼類詞。因為，中文信息處理的目的是讓計算機能根據(jù)具體環(huán)境判斷出詞的詞性，從而準(zhǔn)確理解其中的含義就可以了。盡管如此，但是，漢語詞類是多功能的，一類詞不需要發(fā)生詞形變化就可以充當(dāng)不同的句子成分，不同類的詞可以充當(dāng)相同的句子成分，這樣就給兼類詞區(qū)分帶來了更多的麻煩。因而，兼類詞的選擇是計算機詞性自動標(biāo)注的一個“瓶頸”。盡管信息處理專家運用了規(guī)則排歧、統(tǒng)計概率排歧或者兩者結(jié)合起來等多種方法進(jìn)行排歧，但到目前為止，還沒有一種方法、一種系統(tǒng)能夠徹底解決這個問題。
二、短語、句子的結(jié)構(gòu)分析
由于漢語缺乏形態(tài)。所以。語序和虛詞成了漢語中表示語法的主要手段。有些短語、句子的結(jié)構(gòu)不好理解，需要形式和意義結(jié)合起來分析。例如：
A組：a。陜西+甘肅+寧夏 （“陜西+甘肅+寧夏”三者為聯(lián)合關(guān)系）
b。中國+（北京+陜西）（“中國”與“北京陜西”是偏正關(guān)系。“北京”與“陜西”是聯(lián)合關(guān)系）
C。中國（陜西（西安））（“中國”與“陜西西安”是偏正關(guān)系，“陜西”與“西安”也是偏正關(guān)系）這一組中的abe三個短語對人來說，都很容易分清楚，但計算機目前還很難區(qū)分，要讓計算機分辨清楚，就得把三個處所名詞組合在一起構(gòu)成a類、b類、e類不同關(guān)系的條件與規(guī)則研究清楚，并將這些條件與規(guī)則加以形式化輸入到計算機內(nèi)。
B組：開始討論（述賓關(guān)系）分析研究（聯(lián)合關(guān)系）研究結(jié)束（主謂關(guān)系）
取下來（述補關(guān)系） 看完再說（連謂關(guān)系） 叫他回來（兼語關(guān)系）
生產(chǎn)管理（定中關(guān)系） 諷刺說（狀中關(guān)系） 介紹寫（不構(gòu)成合法的句法關(guān)系）
這組是現(xiàn)代漢語里“動詞性詞語+動詞性詞語”構(gòu)成的種種不同的結(jié)構(gòu)關(guān)系，對人來說，通過講解大致可以分辨，可是讓計算機要分清楚，就非常難，因為我們至今還沒有總結(jié)出“動詞性詞語+動詞性詞語”構(gòu)成各種不同句法關(guān)系的具體規(guī)則。換句話說，“動詞性詞語+動詞性詞語”在什么條件下一定構(gòu)成合法的什么句法關(guān)系，能構(gòu)成什么樣不同的句法關(guān)系，我們至今還說不清楚。
C組：天氣好——好天氣（主謂——偏正）很好——好得很（偏正——述補）
來人了。——人來了。（述賓——主謂）
一張票三元錢。——三元錢一張票。（主謂——主謂）這一組都是由于語序的不同而形成的結(jié)構(gòu)和意義都不同的短語和句子。這些結(jié)構(gòu)對人而言，稍加學(xué)習(xí)就可以理解，但這些給計算機理解意思增加了難度。需要人們把這些語序的變化形成的不同的結(jié)構(gòu)概括出規(guī)律來，再用形式化的方式描述出來。輸入到計算機里。
三、歧義現(xiàn)象
現(xiàn)代漢語短語結(jié)構(gòu)的歧義是進(jìn)行漢語句法分析的一大障礙。“句處理”要解決的核心問題是排歧問題，計算機面對的歧義，不只是我們?nèi)怂芨杏X到的諸如下面這樣一些句子的歧義現(xiàn)象：
�。�1）他正在輸血。（他正給病人輸血。／他病了，正輸血。）
�。�2）看望的是病人。（你看望的那個人是病人。/看望你的那個人是病人。）
�。�3）我們急需進(jìn)口產(chǎn)品。（我們急需進(jìn)口的產(chǎn)品。/我們急需從國外進(jìn)口產(chǎn)品。）
某些在人看來不存在歧義的句子計算機會認(rèn)為有歧義。例如：
（4）a他被警察叫去罰了一百塊錢。
b他被警察叫去寫了一份檢查。例（4）a句和b句，在人的眼里結(jié)構(gòu)是不一樣的。a句“被警察”這個介詞結(jié)構(gòu)一直管到底。全句意思是“他被警察叫去，他被警察罰了一百塊錢”：而b句“被警察”這個介詞結(jié)構(gòu)只 管到“叫去”，管不著“寫了一份檢查”。可是，計算機分辨不清楚。要讓計算機分辨清楚，我們就得將“PP+VPI+VP2”（PP代表介詞結(jié)構(gòu)，VP1和VP2分別代表緊挨著的不同的動詞性詞語）這種結(jié)構(gòu)中的PP對后面動詞性詞語管轄的范圍及其條件與規(guī)則進(jìn)行充分、準(zhǔn)確的描寫，并加以形式化，“交給”計算機。而這一類現(xiàn)象與規(guī)則我們過去根本就沒有考慮過，更不用說研究了。
其實以上所舉的例子都存在歧義問題，因此，也可以這么說，“句處理”要解決的核心問題是排歧問題。
中文信息“句處理”的研究工作，上個世紀(jì)80年代就開始了，最早進(jìn)行“句處理”研究工作就是基于規(guī)則展開的，但上個世紀(jì)90年代初，基于規(guī)則的“句處理”研究工作遇到了重重困難與難關(guān)，主要是語言學(xué)家所提供的語言規(guī)則遠(yuǎn)遠(yuǎn)不能滿足信息處理的需要。目前，為了解決好中文信息處理中的“句處理”難題，出現(xiàn)了一個競相研究、競相發(fā)展的局面。對于句處理，提出的各種策略和途徑，歸納起來。主要有基于規(guī)則和基于統(tǒng)計這兩種策略�；谝�(guī)則的研究者，一般求諸專家的理性知識，由人來對語言知識進(jìn)行抽象：基于統(tǒng)計者，一般求助于計算機對大規(guī)模語料庫真實文本的統(tǒng)計分析，由計算機來抽象出語言知識。各種策略和途徑，目前，我們還很難說哪一種是唯一正確的。各種策略和途徑，表面看不同，其實，最終都需要依賴可靠的漢語知識來驅(qū)動計算機正確處理自然語言（漢語）。因此，“無論是比較傳統(tǒng)的基于規(guī)則的處理策略，還是90年代以來方興未艾的基于統(tǒng)計的方法，在對語言知識的需求這一點上實際上都是共同的。所不同者，走規(guī)則路線的研究者一般求諸專家的理性知識，由人來對語言知識進(jìn)行抽象（比如以帶有合一條件的規(guī)則形式給出）。而走統(tǒng)計路線的研究者一般求助于計算機對大規(guī)模的語料庫的統(tǒng)計分析，由計算機來抽象出語言知識（比如以一定的數(shù)據(jù)結(jié)構(gòu)記錄的統(tǒng)計結(jié)果等）。兩種路線孰優(yōu)孰劣，不能籠統(tǒng)判斷，只能跟具體的應(yīng)用目標(biāo)結(jié)合起來，由實踐結(jié)果來評價�！蹦壳�，越來越多的學(xué)者提倡把兩種方法結(jié)合起來使用。因此，相信在不久的將來，我們會攻克難關(guān)，實現(xiàn)計算機對自然語言的處理與理解的目標(biāo)，使中文信息處理技術(shù)處于世界領(lǐng)先地位。
參考文獻(xiàn)：
1。蘭賓漢、邢向東：現(xiàn)代漢語（下冊）[M]。北京：中華書局，2007，48。
2。亢世勇：面向信息處理的現(xiàn)代漢語語法研究[M]。上海：上海辭書出版社，2004，177。
3。陸儉明：現(xiàn)代漢語語法研究教程（第三版），[M]。北京：北京大學(xué)出版社。2005年，51。
4。詹衛(wèi)東：面向中文信息處理的現(xiàn)代漢語短語結(jié)構(gòu)規(guī)則研究[M]。北京：清華大學(xué)出版社，2000，2。
【中文信息處理與現(xiàn)代漢語語法論文】相關(guān)文章：
現(xiàn)代漢語語法論文04-27
信息處理與現(xiàn)代漢語輕聲的論文04-27
面向中文信息處理的現(xiàn)代漢語v+v結(jié)構(gòu)歧義問題研究04-29
現(xiàn)代漢語語法特點淺析04-29
試論現(xiàn)代漢語重動句的語法等級 - 畢業(yè)論文04-30
現(xiàn)代漢語詞類活用的語法思考04-28
十五期間的現(xiàn)代漢語語法研究04-28