現(xiàn)代漢語語法信息詞典的開發(fā)與應用(文件)
【正文】 去這樣，這32個庫文件構(gòu)成有上下位繼承關系的“樹”，子結(jié)點繼承父結(jié)點的全部信息，或者說，將父結(jié)點與子結(jié)點連結(jié)起來就可以得到詞語的更全面的信息。如對于名詞，就詳細描述每個名詞可以搭配的各類量詞。第一類是關于動詞本身特性的，如該動詞是不是系詞、助動詞、趨向動詞。第五類描述動詞在句中的功能，即該動詞在句法結(jié)構(gòu)中能否單獨作主語、謂語、賓語、狀語和補語，其中能否單獨作謂語是一項很重要的屬性。語法詞典的收詞原則、各個詞的義項的選取原則以及語法屬性的確定都是面向通用的現(xiàn)代漢語的。指導、主持與參與語法詞典開發(fā)的專家或者是造詣頗深的著名語言學家，或者是在開發(fā)具體的自然語言處理系統(tǒng)中積累了豐富感性知識的計算機專家，或者是基礎扎實文理結(jié)合的青年計算語言學工作者。在依賴專家知識的同時，我們也重視語料庫的建設。從應用中得到的反饋意見既使課題組得到鼓舞，也使課題組清醒地認識到，要使這項成果早日問世，發(fā)揮作用，尚有很多艱苦的工作要做。下面以實例解釋如何運用這部語法詞典。要進行這種句法分析，必須要知道每個詞的詞性(即該詞所屬的詞類， part of speech)。 (2)(1)與(2)的相似是明顯的，從詞性來看，它們都有如(3)所示的同樣的詞類序列。我們 選舉 他 當 主席 r v n 我們 認為 他 是 主席 句子生成一般地說，在自然語言處理系統(tǒng)中，漢語的句子生成相對說來要簡單些，這是因為漢語的詞沒有復雜的形態(tài)變化，詞序又比較靈活。例如，機器翻譯系統(tǒng)給出以下兩句漢語是尋常的。這是因為漢語中的形容詞，只有一部分可以直接修飾名詞，相當多的一部分需要加助詞“的”才能修飾名詞。在語法詞典中確實包含了動詞“轟炸”不能帶“著”、可以受“正在”修飾的信息。第二階段是分化同音字或同音詞，表現(xiàn)在書面上則是將拼音序列轉(zhuǎn)換為漢字序列。 (6) 這里，全拼音節(jié)后的數(shù)字1，2，3，4，5分別代表陰平、陽平、上聲、去聲、輕聲。與“琵琶”相適配的只有個體量詞“把”，而“枇杷”卻是可以與度量詞“斤”相適配的。如果利用語法詞典，則知道“加以”是形式動詞，只能帶準謂詞性賓語，不會帶體詞性賓語，因此在“加以”的制約下，對應“yanjiu”的只能是“研究”而不會是“煙酒”。但如果在上下文“三個師的士兵”中，“師”的前后都是筆劃較少、較易辨認的字，并且已經(jīng)唯一地確定下來了，則只有“師”這個名詞可以與個體量詞“個”相適配。 語料庫標注北大計算語言學研究所開發(fā)漢語語料庫多級加工系統(tǒng)CCMP的經(jīng)驗表明，進行語料庫標注，采取基于規(guī)則的方法與基于統(tǒng)計的方法相結(jié)合的策略是恰當?shù)模⑶仪蟹峙c標注同步進行是合理的[9]。利用純粹的統(tǒng)計方法進行詞類標注，也需要有人先對一部分語料進行手工標注（即對系統(tǒng)進行訓練）。依靠這部語法詞典，就不會發(fā)生這種情況。本課題組決心持之以恒，繼續(xù)推進這項研究。陸儉明與郭銳兩位先生起了重要的顧問作用。總體組的多位專家（如袁琦、董振東、黃昌寧等）及各合作單位都給過北大計算語言學研究所多種形式的支持與鼓勵。例如，對于主賓語位置上的謂詞(動詞、形容詞等)有可能被標為謂詞，也有可能被標為名詞。詞典中的數(shù)以萬計的詞都已經(jīng)劃好了類，對標注的正確性與一致性可以起到基本的保證作用。因此，系統(tǒng)就會很有信心地從3個候選字中選擇“師”。 漢字識別的后校正現(xiàn)在脫機(offline)漢字識別技術(shù)對“師”這個模式通常給出“師、怖、帥”等若干個候選字。又假定系統(tǒng)已確認對應“jiayi”的詞是“加以”，接著輸入“yanjiu”。 (7) 是不足為怪的。采用拼音方式從鍵盤上輸入中文所要解決的問題也是拼音序列到漢字序列的轉(zhuǎn)換。 語音識別與拼音漢字轉(zhuǎn)換語音識別通常分為兩個階段。只要利用這些平凡的知識，則能生成更自然的句子“她是一個美麗的姑娘”或“她是一個漂亮姑娘”。 (4) 當時敵機轟炸著這個城市。正因為如此，現(xiàn)在對漢語的句子生成投入的力量是不夠的。 在機器翻譯系統(tǒng)中，只有得到了源語言句子的正確的句法結(jié)構(gòu)，才有可能產(chǎn)生可信度與可讀性皆好的目標語言的句子。NP VP NP VP r v NP VP r v SC 從語法詞典中查“選舉”，這個動詞可以后接兼語結(jié)構(gòu)，(1)的結(jié)構(gòu)可以優(yōu)選為圖1中的
物理相關推薦
鄂ICP備17016276號-1