Transcript Document

中文信息处理的词法问题
——以句本位语法图解树库构建为背景
彭炜明(北京大学计算语言学研究所)
宋继华(北京师范大学信息科学与技术学院)
汉语树库建设现状
汉语树库的目前两分天下的格局：


短语结构树
依存结构树
树库构建的困难：


一致性难以保证
层次分析琐碎、标注效率低下

复句→单句→词组→词→语素、非语素字、前接成分、后接成分……
句本位语法图解树库
“句本位”：汉语语法分析当以句法为主，
词法服从于句法。


分词单位：能按句法分析则分析，否则整体为
一个造句单位，内部结构属于词法分析范围。
词类标注：“依句辨品，离句无品”
标注示例
勤劳的铁路工人正准备修建天桥的材料。
句法分析的边界
图解树库的启示
词法分析有别于句法分析，有必要划清界限。


有利于树库构建
有利于句法分析
中文信息处理现行框架下：



词法分析（分词+词性标注）→句法、语义分析
词法分析没有很好地完成为后续句法分析提供有效
造句材料的任务。
以“句本位”的眼光看，中文信息处理根本就没有
“词法分析”！
词法分析的边界
图解树库将所谓“临时造词”纳入词法分析
的范围之内。

参考北大语料库加工规范（简称《北大规
范》）按照重叠、附加、复合三类构词方式分
别梳理
重叠
“AA”重叠形：走走/v，好好/d，人人/n，个个/q，常常/d；
“AAB”重叠形：洗洗澡/v，试试看/v；
“ABB”重叠形：孤单单/z，一个个/mq
“AABB”重叠形：比比划划/v，高高兴兴/z，山山水水/n，许许多多
/m，大大小小/z，确确实实/d；
“A里AB”形：糊里糊涂/z；
“A不AB”形：相不相信/v，漂不漂亮/z，
“AB不AB”：相信/v 不/df 相信/v；
“ABAB”重叠形：研究/v 研究/v，高兴/a 高兴/a，很多/m 很多/m，雪白
/z 雪白/z，一个/mq 一个/mq，哗啦/o 哗啦/o；
“V一V”形：谈/v 一/m 谈/v；
“V了V”形：想/v 了/ul 想/v；
“V了一V”形：读/v 了/ul 一/m 读/v。
附加
⑴前缀+X：

小王/nr，大杨/nr，老二/n，超音速/b，超声波/n，无公害/v，无条
件/d，过饱和/z，非金属/n，非/h 国家/n 工作/vn 人员/n；
⑵X+后缀：

花儿/n，人们/n，艺术家/n，办事员/n，毕业生/n，参谋长/n，革命
性/n，磁盘机/n，标准化/v，研究者/n，语言学界/n，朋友/n 们/k，
探索者/n，不/df 顾/v 劝告/v 而/c 执意/vd 闹事/v 者/k；
⑶前缀+X+后缀：

非党员/n，无政府主义者/n，超薄型/b。
复合
邢福义小句中枢说 之“小句包容律”：短语
相比复合词多两个常备结构因素：




A、构件组合灵活，B、音节较多。
短语-AB=复合词
短语-A=定型短语（如：[世界/n 大学生/n 运动会/n]nt）
短语-B=近似短语词（如：吃饭、走路、讲话、唱歌）
依句辨品
首先澄清对“依句辨品”的
一个认识误区，即认为“作
主语、宾语的是名词，作述
语的是动词，作名词附加语
的是形容词，作动词、形容
词附加语的是副词。”
图解标注的启示
名、代——主、宾
动、形——谓语
动、形（包括动形短语）充当主、宾语
名、代（包括名词性短语）充当谓语
现行词类系统的问题
全句动词序列：

围绕/V 扶贫/V 搞/V 开发/V, 搞/V 好/A 开发/V
促/V 扶贫/V
区别词（按定义只能修饰名词）修饰动词：

大型/B 展览/V，远程/B 发射/V
不同词性的词形成并列结构：

付出 了 劳动/V 与 汗水/N
——温锁林．从词性标注看小句的中枢地位[J]．汉语学报，2004，(01) ．
非句法功能类
前接成分/h、后接成分/k、语素/g、非语素字
/x、成语/i、简略语/j等等，若进入句法分析
系统，将造成句法系统的极大混乱……
结论
从句本位图解树库构建实践出发，我们主张：
第一，正视词法分析在汉语自动分析中的独
立性地位，重新界定词法分析的具体内容，
将许多具有高内聚性的组合关系从句法分析
中离析出来，作为临时造词单独处理。
第二，统筹词类标注与词库建设、句法分析
之间的关系，改变将词库词类直接作为句法
分析输入的做法，在训练句法模型时进行词
类的句本位转化。“依句辨品”是值得借鉴
的。
谢谢！