Transcript 陈保亚 - 北京大学计算语言学教育部重点实验室

词的初始分布特征的提取和词组的分布功能推导
陈保亚
北京大学中文系/中国语言学研究中心
[email protected]
20111122
北京大学计算语言所报告
主要思路
• 回顾词类划分所遇到的问题
• 词类划分的根本目的：语类推导
• 避开分类的体系问题，直接从分布开始推
导
• 从最少的初始条件开始，提取分布特征
• 语类推导和分布特征推导的比较
三种分类标准的回顾
• 意义
• 形态
• 功能与分布
意义分类的第一个困难：不容易把握
• 战斗
战争
意义分类的第二个困难：不反映组合条件
金
银
铜
铁
锡
*金是金属 *银是金属 铜是金属 铁是金属 锡是金属
*一块金
*一块银
一块铜
一块铁
一块锡
*买金
*买银
买铜
买铁
买锡
形态标准的困难一：不充分性
• 不是所有的语言都有形态
• 形态丰富的语言中，不是所有的单位都有
形态变化
对功能与分布的不同理解
• 结构关系的分布
• 鉴定字框架的分布
依靠结构关系分词类：循环论证问题
• 主谓关系和述宾关系一般没有标记。很多情况下，偏正
结构的标记和述补结构的标记也不出现。因此判定下面
的结构关系需要依据词类：
• 下午有课（前项为名词）
• 经常有课（前项为副词）
• 写清楚（后项为形容词）
• 写小说（后项为名词）
• 这样就出现了循环。本来是要通过词在句子成分环境中
的分布来归纳词类，但却预先利用到词类的概念。
结构关系分词类：体系问题
• 下面的词组，由于体系不同，结构关系有
不同理解：
• 下午有课（主谓或状中）
• 走三天（述宾或述补）
• 这些结构关系常常用来描述词的分布，出
现分歧。
选择鉴定字的先决条件：先有分类
• 目前的鉴定字方法是根据心目中暗含的分
类来找鉴定字。
• 比如，通常的做法是首先根据“不”在实
词中区分谓词和体词。为什么不用
“个”？显然已经先有了谓词和体词的分
野。为什么不用“了”？因为“不”最能
概括谓词和体词这一既定的分野。
分布分类面临的另一个问题：每个词都有自己的分布
吃
买
写
研究
区别
姓
动词
动词
动词
动词
动词
动词
形容词？ 名词
区别词
名词 副词
名词
分布特征推导方案
分类的主要目的：有效组合与类推
•
主张分类的学者大多数认为分类的目的是为了语法研究。具体指什么研究目前还没有
一个统一的解释。我个人认为，分类必须满足语类的组合条件和推导性。
•
一个有效的语类组合推导模型应该满足三个目标：
•
•
•
X类词和Y类词能否组合
XY之间有什么组合关系
XY词组属于什么语类（以便进一步推导[XY]Z的类
•
•
•
•
比如：
N+N=NP（桌子椅子/学生家长）
A+N=NP（大苹果）
V+N=VP/NP （烤红薯）
•
分类不是任意的。分类必须满足语类的组合与推导。因此分类不应该漫无边际的细化
以至于没有概括性，也不应该太粗以至于无法推导词组的语类，比如上面的V+N有两种
结构关系和分布，需要细分词类。
特征组合推导模型
• 语类组合推导模型必须从词类出发来确定组合条件和词组
的语类和结构关系。高名凯先生认为汉语没有词类，如何
解决语类组合推导模型需要解决的问题？
• 我们可以考虑一个分布特征组合推导模型，这样的模型也
需要满足三个目标：
• 具有分布特征A的词X和具有分布特征B的词Y能否组合
• XY词组的分布特征是什么
• XY之间的结构关系是什么
• 下面我们来看看特征组合推导模型可以发展到什么地步。
初始分布特征：谓述与指称
• 朱先生在上个世纪80年代初提出了陈述和指称的观
点。这个观点有两个问题需要解决：
• 1、为什么把陈述和指称作为词类划分的重要的基础；
• 2、如何判定陈述和指称。
• 朱先生的陈述和指称跟逻辑学、哲学中的一些初始概
念有关系。下面我们从这个角度开始展开。
言有所为
• 词组在言谈、运思活动中的分布是不一样的：
•
•
•
•
便宜土豆（一斤/便宜土豆；*不/便宜土豆）
土豆便宜（ *一斤/土豆便宜；土豆不便宜）
买土豆 （ *一斤/买土豆；不/买土豆）
烤土豆 （一斤/烤土豆；不/烤土豆）
• 如何判定词组在分布上的差别，是交际或运思必须
要面临的问题。我们需要从词的分布规律找出词组
的分布规律，这就是分布或词类初始性的体现。
真值的重要性
• 在逻辑学中，凡命题（proposition）都是有真值的。比较：
•
•
老师了解学生
老师不了解学生
逻辑学
语言学
概念
词
命题
句子
推理
句群、语篇
• 在逻辑学中，命题是推理的基本单位。在语言学中，句子是交际和运
思的基本单位。命题最本质的特征就是要有真值，体现在语言中就是
肯定和否定。
肯定与否定
• 交际和运思要有命题句才能充分展开。命
题句通过有条件的变形可以进一步形成祈
使句、疑问句、感叹句等形式。判定哪些
是命题句就成了首要任务。肯定和否定是
判定有真值的命题句的最重要的方式。
• 命题有真假两种取值，在句子中体现为肯
定和否定。
否定的承载
• 在有真值的简单否定句中，只有某些词能独立
承载否定
• 老师不了解学生----不了解
• 学生不理解老师----不理解
• 这说明有些词是判定一个句子能否获得真值的
关键。由此我们为朱德熙先生关于陈述和指称
的区分找出了一个依据。
陈述特征的主要判定方式：否定
• 于是分布特征可以首先分出谓述特征（陈述特征）和指称
特征。在能够独立成句的词中，即一般所谓的实词中，能
独立承载否定形式的词具有谓述特征，否则只有指称特征。
• 承载否定形式的主要格式：
•
•
•
•
不去 （不A）
去不去（A不A）
没去（没A）
去没去（A没A）
• 主张汉语必须划分词类的学者通常根据“不”划分谓词和
体词，从这里的分析看是有根据的。
• （特殊处理：非人）
谓述特征的系连
• 一般地说，由于有些词已经自带了一定的量或某种限定，
如“冰凉、漆黑”，再否定的话在语义上不太协调，但可
以通过系连的方式来判定是否有谓述特征。
• 借助建立在真值上的谓述特征，可以判定核心词以及大量
基本词是否带有谓述。
• 有些连接词框架只允许带谓述特征的词或词组出现：
•
• 不但天气热，而且空气潮湿
•
• 这些命题的连接还可以还原到具有谓述特征的词：
•
• 不但热，而且潮湿
• 有了谓述连接词。我们可以通过系连的方式由
已知谓述词断定其他谓述词：
•
• 不但窄，而且漆黑
• 不但糊涂，而且叽叽喳喳
• 不但干净，而且雪白
•
• 于是“漆黑、雪白、透亮、飞快”等都能够判
定为具有谓述特征的词。
更多分布特征的提取
• 特征组合推导原则：
• 相同的分布特征组合只能推导出相同的结
构分布特征和结构关系。
• 如果不满足这个条件，就还需要提取更多
的特征
支配、体饰与谓饰(1)
•
•
•
•
•
大红薯
买红薯
烤红薯（不烤红薯/三个烤红薯）
从成分的分布特征看，前一个成分有谓述特征，
后一个成分有指称特征，但整个词组可以有两
种特征，谓述特征和指称特征。
• 要有效地完成特征组合推导，还需要从谓述特
征中独立出修饰特征、支配特征。
支配、体饰与谓饰(2)
•
•
•
•
•
•
如果考虑非独立词，分布特征还要增加。比较：
经常工作（不经常工作）
局部工作（*不局部工作）
“经常工作”有谓述特征，“局部工作”没有谓述
特征，这两者的差别在于“经常”和“局部”，可
见修饰特征要分成两种，一种是谓饰特征，一种是
体饰特征。郭锐（2002）从表述功能上分出体饰和
谓饰，从这里的特征组合推导上可以找到依据。
引介特征
• 比较：
• 从北京
• 去北京
• “从北京”有谓饰特征，“去北京”有谓述特
征。如果支配特征不分成两种，则不能充分区
别这里的特征推导。于是我们再提取一个引介
特征。
提取特征的限度
• 以上在不考虑结构标记的情况下，提取了
几个基本分布特征。要全面描写组合规则
和推导规则，需要提取更多的基本分布特
征。只要达到组合推导目的，特征的提取
就终止。剩下的组合规则应该是语义上
的，比如“吃鸡、喝水”的选择限制。
基于组合推导的分布特征标注举例
•
•
•
•
•
•
•
•
•
•
以上部分词的分布特征标注为：
大：谓述、体饰、谓饰（大干一场）
买：谓述、支配
烤：谓述、体饰、支配
经常：谓饰
局部：体饰、
从：引介
工作：谓述、指称、体饰
胜利：谓述、指称、体饰、谓饰
（如果实词都可以作主语或话题，不作分布特征提取）
特征组合推导表
前项分布特征
后项分布特征
实例
结构分布特征
结构关系
体饰
指称
大苹果/恶性肿瘤 指称
定中
支配
指称
买苹果
谓述
述宾
谓饰
谓述
经常工作
谓述
状中
指称
谓述
苹果大
谓述
主谓
引介
指称
把苹果
谓饰
介宾
分布歧义
• 如果前后两项所含的分布特征有两种或两种以上
的可组合性，词组的分布和内部结构关系就有歧
义：
• 烤白薯
前项
后项
实例
结构分布特征
结构关系
体饰
指称
大苹果/烤白薯
指称
定中
支配
指称
买苹果/烤白薯
谓述
述宾
两种模型的比较
• 特征组合推导模型需要提取基本分布特征,并给每
个词标注有哪些分布特征。
• 语类组合推导模型要借助词类，在词类划分的时
候，哪个词归哪个类，也必须要获得该词的详细
分布特征信息，而且还要进一步分类。在词组中，
还要检查两个词之间可能有哪些分布特征可以组
合（烤白薯）。由此可见，语类组合推导模型比
特征组合推导模型多一项工作，而且这项工作是
高度复杂的，体现在100年来汉语词类划分的各种
方案和争论中。
划分词类的难点
• 划分词类的困难不在于一个词有很多种分布特征，而在于
分布特征不整齐。比如谓述词：
吃
买
写
研究
区别
姓
谓述
谓述
谓述
谓述
谓述
谓述
支配
支配
支配
支配
支配
支配
体饰
体饰
指称
指称
指称
谓饰
• 如果有大量词都只有谓述、支配特征，分类就容易，否则
就要考察和处理不一致分布的情况。
分类的价值
• 如果分布整齐，就有利于分类。
• 一旦获得了内部成员分布整齐的词类，在标注上
就可以简化。比如，我们可以在语法手册中详细
描述区别词的分布特征：
• 区别词：体饰特征；----的
• 在词库中，我们只需要标注某个词为“区别
词”，就提供了足够的语类信息。相同词类的词
具有相同的组合规则和语类推导规则。
分布和词类
• 从以上分析可以看出，在没有词类但有分布特征
的前提下，从词的分布特征到词组的分布特征推
导（递归性）仍然可以展开，传统的结构关系的
推导也可以展开。
参考文献
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Croft, W.，1991，Syntactic Categories and Grammatical Relations .，Chicago : University of Chicago Press
陈保亚，1985.2，《论句法结构》， 《西南师范大学学报》。
陈保亚，1999，《20世纪中国语言学方法论》，山东教育出版社
陈保亚，2009，《当代语言学》，高等教育出版社
陈小荷，1999.3，《从自动句法分析角度看汉语词类问题》，《语言教学与研究》
高名凯，1948，《汉语语法论》，上海开明书店出版
高名凯，1960，《关于汉语实词分类问题》，语言学论丛第四辑
郭锐，1993.10，《关于汉语词类划分的一些理论问题》，第四届现代语言学研讨会论文
郭锐，2002，《现代汉语词类研究》，商务印书馆
海里斯，1946，From morpheme to utterance，Language 22, 166-183. 译文载《语言学资料》1963.6
吕叔湘，1954,9-10，《关于汉语词类的一些原则性问题》，《中国语文》
邱立坤，2004，《现代汉语偏正式动名短语研究》，北京大学硕士论文
沈家煊，1997.4，《形容词句法功能的标记模式》，《中国语文》
汪锋，2010，《与汉语词类相关的几个基本概念》，《语言学论丛》62-76.，商务印书馆
王洪君，1994.2，《从字和字组看词和短语》，《中国语文》
亚里士多德，古希腊，《解释篇》，
袁毓林，2006.3，《对“词类是表述功能类”的质疑》，《汉语学报》
詹卫东，2000，《面向中文信息处理的现代汉语短语结构规则研究》，清华大学出版社
朱德熙，1960，《关于划分词类的根据》，语言学论丛第四辑
朱德熙，1983.1，《自指和转指：汉语名词化标记“的、者、所、之”的语法功能和语义功能》，《方言》
朱德熙，1985，《语法答问》，商务印书馆
朱德熙、卢甲文、马真，1961.4，《关于动词形容词“名物化”的问题》，《北京大学学报》