《現(xiàn)代漢語析義元語言詞典》的開發(fā)與應用＊

孫道功

（南京師范大學文學院 江蘇 210097）

語義是目前語言信息處理的難點。如何解決語義的形式化問題，如何為計算機理解生成提供可形式化的語義網(wǎng)絡，成為語義研究的核心。2001年，李葆嘉提出了“面向信息處理的現(xiàn)代漢語元語言研究”這一課題，認為存在詞匯元語言、釋義元語言和析義元語言、認知元語言四個層面。析義元語言，即語義特征，簡稱義征，是比釋義元語言更加抽象的元語言系統(tǒng)，具有人工語言性質。析義元語言研究通過對同一義場內義位的對比分析挖掘義征標記，屬于元語言研究的微觀層面。任何一個義位都是義征的聚合體，析義元語言詞典的開發(fā)正是基于此，在提取和建構現(xiàn)代漢語義征標記集的基礎上，對常用詞匯進行義征分析，按照義征排序規(guī)則（析義元句法模式）列出義征表達式，并根據(jù)屬性信息建立文件結構。

一、析義元語言詞典的收詞原則

收詞范圍和所收詞匯是衡量一部詞典質量優(yōu)劣的重要標準，析義元語言詞典建構亦是如此。但與常規(guī)詞典的不同之處表現(xiàn)在對詞的語義分析上。常規(guī)詞典對詞的分析通常采用詞匯釋義的方式，而析義元語言詞典的語義分析采用義征分析的方法。義征分析是析義元語言詞典建構的基石。析義元語言詞典收詞須遵循三個原則：

第一，代表性原則。代表性原則指所選詞匯應該具有較高的權威性和使用率，不應該僅僅適用于某一領域或通行于某一特定人群。目前漢語詞匯常用詞表有《漢語詞匯的統(tǒng)計與分析》（北京語言學院教學研究所1985）、《現(xiàn)代漢語三千常用詞表》（何克抗等1987）、《普通話三千常用詞表》（增訂本）（鄭林曦等1987）等。有的詞表是基于語料統(tǒng)計的方法建構的，如《漢語詞匯的統(tǒng)計與分析》；有的是詞匯研究的階段性成果，如《現(xiàn)代漢語三千常用詞表》《普通話三千常用詞表》。比較發(fā)現(xiàn)，各個詞表雖然包含了一定量的共有詞匯，但也存在較大差異。而且通過基于個人語感的考察發(fā)現(xiàn)，有些日常生活中的常用詞，在某些詞表中并未出現(xiàn)。

第二，廣布性原則。廣布性原則指所選詞匯應該具有較大覆蓋性和分布率，通行于各個領域。這與代表性原則有一定相似之處，但又有差異。代表性原則側重使用率，廣布性原則側重分布率。如《漢語詞匯的統(tǒng)計與分析》和《現(xiàn)代漢語三千常用詞表》的語料基礎是中小學教材，屬于母語教學領域；《普通話三千常用詞表》的語料基礎是多種工具書和課本，屬于普通話學習領域。各個詞表雖有一定代表性，但也有其語域的局限性。選取義征分析對象詞匯時，力求充分考慮到廣布性，盡量把各種語域中廣泛使用的詞語吸收進來。

第三，共現(xiàn)性原則。共現(xiàn)性指所選詞匯應該是在目前大多數(shù)詞典和詞表中收錄的。共現(xiàn)性的高低體現(xiàn)詞典或詞表研究者對某詞語認可程度的高低。細言之，共現(xiàn)性主要包括口語交際領域和書面語領域的共現(xiàn)以及母語教學領域和對外漢語教學領域的共現(xiàn)等。

基于以上三原則，考察選取詞匯義征分析的對象詞匯。到目前為止，已選取3500個常用詞匯作為義征分析對象。具體包括名詞1221個，動詞1002個，形容詞784個，副詞226個，類別詞（量詞）154個，代詞12個，數(shù)詞10個，其他虛詞暫收91個。擇詞時不拘泥于某一詞表或某一專著。把常用性強的詞語最大可能地吸收到分析范圍內，從而使所收錄的詞匯更具有代表性、廣布性和全面性。

二、析義元語言詞典的分析方法

使用限量詞匯進行詞典釋義是國外詞典釋義的主流。但國內很多詞典往往還停留在隨機釋義的層面。析義元語言作為最具人工語言性質的類型，與釋義元語言雖然不同，但其釋義同樣需要采用限量詞匯義征。析義元語言詞典的分析是基于《現(xiàn)代漢語詞匯義征標記集》（2836個標記）進行的。［1］具體分析時，依據(jù)義征分析步驟，并參考了漢語權威詞典的解釋。不同類型的詞語，在分析時會采用不同的義征序列模式，即析義元句法模式。以實詞義位為例，說明如下：

1．名詞義征分析模式

NGn＋Pn（＋F）

N是Noun的縮寫。G是Genus的縮寫，P是Property的縮寫，n表個數(shù)，括號中F表語體、語用等附加說明，以下皆同。

NG表類別義征，NG的個數(shù)取決于語義分類層級，幾個NG之間必是上下義關系。P表屬性義征。F只有在所比較義位其他義征都相同，而要加以區(qū)分的情況下才出現(xiàn)。同場義位的區(qū)別表現(xiàn)在P上。因受篇幅所限，僅舉面食義場部分義位為例：

饅頭［＋面食］［＋面粉］［＋發(fā)酵］［－有餡］［±圓形］［－水煮］［＋熱蒸］

包子［＋面食］［＋面粉］［＋發(fā)酵］［＋有餡］［＋圓形］［－水煮］［＋熱蒸］

面條［＋面食］［＋面粉］［－發(fā)酵］［－有餡］［＋線形］［＋水煮］［－熱蒸］

水餃［＋面食］［＋面粉］［－發(fā)酵］［＋有餡］［＋半圓］［＋水煮］［－熱蒸］雖然某些名詞可能采用其他分析模式，但上述模式是名詞義征分析的典型模式。

2．動詞義征分析模式

VGn＋Sn＋An（＋F）

V是Verb的縮寫，S是Semantic role的縮寫，A是Action的縮寫。VG表類別義征。S表語義角色，通常n＝3～5。A表動作行為義征，是對動作行為語義的凸顯描述或分解描述。同場義位的區(qū)別在于S和A的性質和數(shù)量。以手掌動作義場部分義位為例：

托［＋動作］［＋手掌］［＋向上］［＋承受］［＋物體］［－傳遞］

捂［＋動作］［＋手掌］［－向上］［＋蓋住］［＋物體］［－傳遞］

接［＋動作］［＋手掌］［＋向上］［＋接受］［＋物體］［＋傳遞］

3．代詞義征分析模式

RG＋S＋Pn（＋F）

R是Pronoun的縮寫，因為已用P表屬性特征，故用英文第二個字母表示。RG是類別義征。S表指代的對象或范圍。同場義位的區(qū)別表現(xiàn)在P上。以人稱代詞義場部分義位為例：

我 ［＋代稱］［＋人類］［＋自稱］［＋單數(shù)］

你 ［＋代稱］［＋人類］［＋對稱］［＋單數(shù)］

他 ［＋代稱］［＋人類］［＋他稱］［＋單數(shù)］

4．形容詞義征分析模式

AGn＋Sn＋Pn（＋F）

A是Adjective的縮寫。AG表類別義征。S表描寫對象，其數(shù)量取決于描寫深度。同場義位的差別表現(xiàn)在P的內容或數(shù)量上。以心情高漲類義場部分義位為例：

激動［＋情形］［＋心情］［＋高漲］［＋沖動］［＋通用］

激昂［＋情形］［＋心情］［＋高漲］［＋沖動］［＋高揚］

激憤［＋情形］［＋心情］［＋高漲］［＋沖動］［＋憤怒］

5．副詞義征分析模式

DGn＋Sn＋Pn（＋F）

D是Adverb的縮寫，因形容詞中已使用A，故用英文第二個字母表示。DG表類別義征，DG數(shù)量取決于語義分類層次。S表義位的限制對象或關涉范圍。同場義位的區(qū)別體現(xiàn)在P上。以時頻副詞義場部分義位為例：

往往［＋時頻］［＋行為｜狀況］［＋較長］［＋時段］［＋發(fā)生］［＋次數(shù)］［＋極多］［＋推定］

有時［＋時頻］［＋行為｜狀況］［＋較長］［＋時段］［＋發(fā)生］［＋次數(shù)］［＋很少］［－定時］

常常［＋時頻］［＋行為｜狀況］［＋較長］［＋時段］［＋發(fā)生］［＋次數(shù)］［＋極多］［－推定］

6．數(shù)詞義征分析模式

數(shù)目詞的析義元句法模式包括樞紐模式和其他模式兩類：

樞紐模式UG＋Pn（＋F）

其他模式UG＋S1＋A＋S2

U是Numeral的縮寫，因名詞中已使用N，故用英文第二個字母表示。UG表類別義征，S是關涉對象，A是關系義征。以基數(shù)詞義場部分義位為例：

一［＋數(shù)目］［＋獨立］［＋個體］

二［＋數(shù)目］［＋成雙］［＋個體］

三［＋數(shù)目］［＋二］［＋增加］［＋一個］

四［＋數(shù)目］［＋三］［＋增加］［＋一個］

“一、二”的分析基于事物的個體和相配，屬性義征P的數(shù)量為2。在“三、四”中，S1、S2分別表參照對象和增加對象，A表計算關系。

7．類別詞義征分析模式

CGn＋Pn＋Sn（＋F）

C是Category的縮寫。CG表類別義征。S表修飾對象或關涉范圍。同場義位的區(qū)別體現(xiàn)在P、S的內容上。以叢狀義場部分義位為例：

簇［＋叢狀］［＋聚集］［＋密］［＋多］［＋植物］［＋毛發(fā)］［＋人類］［－口語］

叢［＋叢狀］［＋聚集］［＋密］［＋多］［＋植物］［－毛發(fā)］［－人類］［－口語］

三、析義元語言詞典屬性信息的確立

為了語義形式化和語言處理的需要，《析義元語言詞典》設置以下屬性信息：

1．詞匯信息。即詞典中所收錄詞語。對于包含多個義項的詞根據(jù)義項分列。如總庫文件的收錄詞語樣例中的拍1、拍2。

2．常規(guī)信息。即詞的拼音信息。

3．語法信息。按照北京大學計算語言學研究所的《現(xiàn)代漢語語法信息詞典》，描寫所收詞匯的語法信息。

4．釋義信息。雖然與常規(guī)詞典釋義方式不同，但常規(guī)的詞典釋義仍是義征分析的借鑒，故在屬性信息中設立詞典釋義信息。

5．義類信息。庫中共分出四大義類：指稱類、陳述類、修飾限制類、情態(tài)功能類。

6．義場信息。析義元語言分析必須在義場中進行，基于所收詞匯共構建了551個義場。

7．義征表達式信息。與常規(guī)詞典的最大區(qū)別在于，析義元語言詞典的語義分析結果是通過義征表達式體現(xiàn)的。每一個義位的析義結果體現(xiàn)為一個有層次的義征表達序列。不同詞類的義位其義征表達式結構是不同的。

8．義位組合信息。同一義場義位組合時，往往具有共性特征。義位組合研究可以以義場為單位進行考察。如“穿著”場和“衣物”場組合，“進食”場和“食物”場組合。但具體來看，同一義場義位在組合小類上又有所區(qū)別。在文件結構中，會附加能與該義位組合的義場和義位信息。同時，義位進入組合后，詞義往往會發(fā)生變化，增加該義位進入組合的語義信息變化的常見類型分析和例證說明。

四、析義元語言詞典的文件結構

析義元語言詞典的編纂采取以義類為綱，以義場為單位分析的方法。從義類角度進行詞典編纂，最早可以追溯到成書于秦漢時期的《爾雅》。義類研究曾經(jīng)一度中斷，到了上世紀80年代，以《同義詞詞林》（梅家駒等1983）為發(fā)端，出現(xiàn)了諸多義類分析詞典。借鑒目前分類方法，基于日常感知，我們對基本詞匯進行語義分類。在具體研究中，將其分為4大類、15中類、42小類和551子場。如下圖所示。

為了語義研究的精細化，在進行析義元語言分析時，盡可能地再劃分小類和次小類，其中最深層次為8級，如“猴”，其語義類別層級是：事物－有形－生物－動物－野生－獸類－陸棲－小型。

1．詞典文件的總體結構及規(guī)模

析義元語言詞典采用關系數(shù)據(jù)庫技術，在Access下實現(xiàn)。詞典中信息都盡量用漢字表示。根據(jù)需要，詞典共設置了四個庫。其中總庫一個，義場義類信息庫一個，義征表達式信息庫一個，義位組合信息庫一個，這四個庫通過“詞匯”、“拼音”兩個字段鏈接。該詞典具有開放性，計劃收詞1萬條左右，目前已經(jīng)收錄并分析了3500詞。

2．庫文件的結構及屬性的描述

（1）總庫文件結構及屬性描述

總庫的具體屬性字段、字段寬度、屬性值描述如下：

（2）義類義場信息庫文件結構及屬性描述

義場義類信息庫主要包含兩部分：義類信息和義場信息。義類信息相對簡單，即總庫中的四大類：指稱類、陳述類、修飾限制類、情態(tài)功能類。義場信息比較復雜，對詞典中所收錄詞語，分層級列出所屬的義場信息，其中第一層就是義類屬性。如以下“指稱類”下的“人類稱謂”義場的“堂兄、堂妹、表兄、表妹”所處的層級：

第一層 第二層 第三層 第四層 第五層 第六層 第七層 第八層

指稱類——人類稱謂——親稱——親戚——同輩——堂親——男性——堂兄

指稱類——人類稱謂——親稱——親戚——同輩——堂親——女性——堂妹

指稱類——人類稱謂——親稱——親戚——同輩——表親——男性——表兄

指稱類——人類稱謂——親稱——親戚——同輩——表親——女性——表妹

（3）組合信息庫文件結構及屬性描述

義位組合信息庫比較復雜，包括兩部分內容，一是與該義位組合的義場信息，一是該義位組合時詞義變化信息。與某義位相組合的義場以及意義的凸顯變化類型，都是基于語料的考察得出的，限于篇幅不再列舉。

3．總庫文件所收詞語樣例

表1

五、析義元語言詞典的應用價值

析義元語言是元語言系統(tǒng)中最具人工性質的類型，其研究對語言信息處理與本體研究都有重要價值。概括言之，包括兩個方面。

1．服務于語言信息處理研究

世界范圍內的自然語言處理，經(jīng)過字處理、詞處理階段之后相繼進入句處理階段。以往句處理研究的重點是句法結構和語義角色的自動分析和標注，以及句法分析器的研制。根據(jù)語義語法學理論，句法植根于詞匯意義，詞匯意義決定句法語義，語義性是語言的本質屬性。句子的生成，需經(jīng)過對象世界－認知圖式—語義結構－句法結構四個階段實現(xiàn)，其中語義結構是核心環(huán)節(jié)。語義研究的基石正是義征的提取和研究。析義元語言詞典的開發(fā)，揭示了漢語常用詞匯的微觀語義層面，并提供了與之組合的常見義位，以及義位組合的語義變化信息，為句子生成和詞庫選擇提供幫助。同時析義元語言詞典把語義分析的顆粒度細化到了義征層面，能夠更加清楚地凸顯詞元之間的細微語義差異，為提高詞義消歧的精度提供了幫助。

2．豐富語義語法學理論

語義語法學強調語言的語義本質性，認為句法結構本質是相關義場的語義關聯(lián)或相關詞語的義征纏繞。“語義統(tǒng)一場”假說是語義語法理論的核心思想（李葆嘉2007）。析義元語言詞典的開發(fā)，為漢語常用詞匯的詞匯語義系統(tǒng)建構和組合選擇提供元語言基礎，為義位組合的語義變化信息考察提供模型，為漢語詞匯研究提供義類分析框架。語義語法學的最終目標是建構語義網(wǎng)絡，而語義網(wǎng)絡建構的關鍵是詞匯－句法語義的銜接研究，其基本任務是：在詞匯語義層面，進行義征提取和義場建構；在句法語義層面，進行句法范疇歸納、句法范疇義征提取和語義句模建構。而析義元語言詞典的開發(fā)，把漢語常用義位分析為義征表達式，為詞匯－句法語義的銜接提供詞匯語義基礎。這些無疑進一步豐富了語義語法學理論。

析義元語言詞典具有開放性，目前僅分析了部分常用詞，之后將逐步擴大規(guī)模。同時，析義元語言詞典的開發(fā)也是個長期艱巨的工程，到目前為止尚未有人對漢語詞匯做大規(guī)模的義征分析，這一狀況需要在研究中不斷地改進和完善。

附 注

［1］義征提取和義征標記集的建構，詳見孫道功等 《試論析義元語言標記集的建構》，《語言文字應用》2008年第2期，P132－138。該義征標記集共包括2836個義征標記，具有較強的解釋力。

1．安華林．現(xiàn)代漢語釋義基元詞研究．北京：中國社會科學出版社，2005．

2．亢世勇．《現(xiàn)代漢語新詞語信息電子詞典》的開發(fā)與應用．辭書研究，2001（1）．

3．李葆嘉．理論語言學：人文與科學的雙重精神．南京：江蘇古籍出版社，2001．

4．李葆嘉等．語義語法學導論．北京：中華書局，2007．

5．梅家駒等．同義詞詞林．上海：上海辭書出版社，1983．

6．孫道功等．試論析義元語言標記集的建構．語言文字應用，2008（2）．