現(xiàn)代漢語(yǔ)語(yǔ)法信息詞典的開(kāi)發(fā)與應(yīng)用(完整版)
【正文】 部電子詞典，除了詞條及每個(gè)詞的檢索特征(拼音、起筆、末筆等)外，還包括詞類及細(xì)分的子類。本文介紹這部語(yǔ)法詞典的開(kāi)發(fā)歷程、內(nèi)容概要和設(shè)計(jì)思想，并且舉例說(shuō)明在自然語(yǔ)言處理系統(tǒng)中如何應(yīng)用這部語(yǔ)法詞典。這部詞典成為現(xiàn)代漢語(yǔ)語(yǔ)法信息詞典的基礎(chǔ)。本項(xiàng)研究繼承了“現(xiàn)代漢語(yǔ)詞語(yǔ)語(yǔ)法信息庫(kù)”的成果，又經(jīng)過(guò)5年的努力，現(xiàn)在本項(xiàng)研究已完成如下任務(wù)：（1）制訂了現(xiàn)代漢語(yǔ)語(yǔ)法信息詞典的規(guī)格說(shuō)明書(shū)與開(kāi)發(fā)方略[5]。 總之，現(xiàn)代漢語(yǔ)語(yǔ)法信息詞典的開(kāi)發(fā)已取得階段性成果，并且在若干自然語(yǔ)言處理應(yīng)用系統(tǒng)開(kāi)發(fā)中得到了利用。在實(shí)際文本中出現(xiàn)的詞語(yǔ)，除了屬于以上18個(gè)基本詞類的以外，還存在比基本詞類要大的單位，如：成 語(yǔ)(i) 如：空中樓閣、畫(huà)龍點(diǎn)睛、字字珠璣、一衣帶水習(xí)用語(yǔ)(l) 如：總而言之、自古以來(lái)、跑龍?zhí)?、擺花架子簡(jiǎn)稱略語(yǔ)(j) 如：北大、數(shù)理化、總參、三好、農(nóng)牧業(yè)也存在比基本詞類更小的單位，如：前接成分(h) 如：阿（～妹）、老（～張）、偽（～指令）后接成分(k) 如：子（桌～）、兒（花～）、頭（石～）、式、員語(yǔ) 素 字(g) 如：碧、棉、賓、潔、農(nóng)、怒非語(yǔ)素字(x) 如：鴛、鴦、葡、萄、咖、啡中文的標(biāo)點(diǎn)符號(hào)(w) 如：。面向?qū)嶋H語(yǔ)料中詞與詞的同現(xiàn)關(guān)系的統(tǒng)計(jì)學(xué)研究是一個(gè)有前途的新方向，但統(tǒng)計(jì)的數(shù)據(jù)量非常大，需要強(qiáng)大的計(jì)算機(jī)系統(tǒng)甚至超并行計(jì)算機(jī)系統(tǒng)的支持。以動(dòng)詞為例，動(dòng)詞庫(kù)中列出了46項(xiàng)屬性，表1是動(dòng)詞屬性庫(kù)中部分屬性的樣例。內(nèi)著了過(guò)VV進(jìn)行著了過(guò)ABAB這樣，這32個(gè)庫(kù)文件構(gòu)成有上下位繼承關(guān)系的“樹(shù)”，子結(jié)點(diǎn)繼承父結(jié)點(diǎn)的全部信息，或者說(shuō)，將父結(jié)點(diǎn)與子結(jié)點(diǎn)連結(jié)起來(lái)就可以得到詞語(yǔ)的更全面的信息。第一類是關(guān)于動(dòng)詞本身特性的，如該動(dòng)詞是不是系詞、助動(dòng)詞、趨向動(dòng)詞。指導(dǎo)、主持與參與語(yǔ)法詞典開(kāi)發(fā)的專家或者是造詣?lì)H深的著名語(yǔ)言學(xué)家，或者是在開(kāi)發(fā)具體的自然語(yǔ)言處理系統(tǒng)中積累了豐富感性知識(shí)的計(jì)算機(jī)專家，或者是基礎(chǔ)扎實(shí)文理結(jié)合的青年計(jì)算語(yǔ)言學(xué)工作者。下面以實(shí)例解釋如何運(yùn)用這部語(yǔ)法詞典。 (2)(1)與(2)的相似是明顯的，從詞性來(lái)看，它們都有如(3)所示的同樣的詞類序列。我們 選舉 他 當(dāng) 主席 r v n 我們 認(rèn)為 他 是 主席例如，機(jī)器翻譯系統(tǒng)給出以下兩句漢語(yǔ)是尋常的。在語(yǔ)法詞典中確實(shí)包含了動(dòng)詞“轟炸”不能帶“著”、可以受“正在”修飾的信息。 (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(yáng)平、上聲、去聲、輕聲。如果利用語(yǔ)法詞典，則知道“加以”是形式動(dòng)詞，只能帶準(zhǔn)謂詞性賓語(yǔ)，不會(huì)帶體詞性賓語(yǔ)，因此在“加以”的制約下，對(duì)應(yīng)“yanjiu”的只能是“研究”而不會(huì)是“煙酒”。 語(yǔ)料庫(kù)標(biāo)注北大計(jì)算語(yǔ)言學(xué)研究所開(kāi)發(fā)漢語(yǔ)語(yǔ)料庫(kù)多級(jí)加工系統(tǒng)CCMP的經(jīng)驗(yàn)表明，進(jìn)行語(yǔ)料庫(kù)標(biāo)注，采取基于規(guī)則的方法與基于統(tǒng)計(jì)的方法相結(jié)合的策略是恰當(dāng)?shù)?，并且切分與標(biāo)注同步進(jìn)行是合理的[9]。依靠這部語(yǔ)法詞典，就不會(huì)發(fā)生這種情況。陸儉明與郭銳兩位先生起了重要的顧問(wèn)作用。詞典中的數(shù)以萬(wàn)計(jì)的詞都已經(jīng)劃好了類，對(duì)標(biāo)注的正確性與一致性可以起到基本的保證作用。 漢字識(shí)別的后校正現(xiàn)在脫機(jī)(offline)漢字識(shí)別技術(shù)對(duì)“師”這個(gè)模式通常給出“師、怖、帥”等若干個(gè)候選字。 (7) 是不足為怪的。 語(yǔ)音識(shí)別與拼音漢字轉(zhuǎn)換語(yǔ)音識(shí)別通常分為兩個(gè)階段。 (4) 當(dāng)時(shí)敵機(jī)轟炸著這個(gè)城市。 在機(jī)器翻譯系統(tǒng)中，只有得到了源語(yǔ)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(biāo)語(yǔ)言的句子。從語(yǔ)法詞典中查“選舉”，這個(gè)動(dòng)詞可以后接兼語(yǔ)結(jié)構(gòu)，(1)的結(jié)構(gòu)可以優(yōu)選為圖1中的左邊的樹(shù)。 句法分析按照當(dāng)前的主流技術(shù)，句法分析是機(jī)器翻譯與自然語(yǔ)言理解等系統(tǒng)的處理流程中的一個(gè)必要的環(huán)節(jié)。北大計(jì)算語(yǔ)言學(xué)研究所也在另外一些項(xiàng)目中使用語(yǔ)法詞典的成果。而且語(yǔ)法詞典的開(kāi)發(fā)也為計(jì)算機(jī)科學(xué)與語(yǔ)言學(xué)的結(jié)合找到了一個(gè)合適的途徑。本語(yǔ)法詞典作為中文信息處理技術(shù)應(yīng)用開(kāi)發(fā)平臺(tái)的一個(gè)組成部分，是獨(dú)立于特定的處理系統(tǒng)的，甚至也不依賴于某個(gè)具體的計(jì)算語(yǔ)言學(xué)理論與算法，它反映的是現(xiàn)代漢語(yǔ)詞語(yǔ)的語(yǔ)法功能的基本事實(shí)。第三類描述該動(dòng)詞有無(wú)名詞特性，如能否直接修飾名詞，能否直接受名詞修飾、能否作動(dòng)詞“有”的賓語(yǔ)等。但是，“魚(yú)”通常還可以與度量詞“斤，克”搭配，“?！本筒恍?。VVO
物理相關(guān)推薦
鄂ICP備17016276號(hào)-1