基于語(yǔ)法功能匹配的自動(dòng)句法分析研究

□徐艷華

基于語(yǔ)法功能匹配的自動(dòng)句法分析研究

□徐艷華

詞類體系的構(gòu)建，對(duì)自動(dòng)句法分析具有重要的作用。現(xiàn)有的詞類體系主要是面向人的，面對(duì)計(jì)算機(jī)這個(gè)新的交際伙伴，其研究結(jié)果還顯得有些粗糙。鑒于此，本文在詳細(xì)描述3500個(gè)高頻詞的語(yǔ)法功能的基礎(chǔ)上，按照“句法功能完全相同即為一類”的原則，構(gòu)建真正適合自動(dòng)句法分析的漢語(yǔ)詞類體系。

語(yǔ)法功能 詞類體系 句法分析

一、引言

在過(guò)去的語(yǔ)法研究中，有關(guān)現(xiàn)代漢語(yǔ)詞類問(wèn)題一直是語(yǔ)言學(xué)界關(guān)注的焦點(diǎn)。諸多語(yǔ)言學(xué)家曾投入大量精力進(jìn)行深入研究，形成了現(xiàn)代漢語(yǔ)詞類體系，但其主要是面向人的，面對(duì)計(jì)算機(jī)這個(gè)新的交際伙伴，其研究成果還顯得有些粗糙。尤其是隨著信息社會(huì)對(duì)信息自動(dòng)化處理要求的不斷提高，越來(lái)越需要計(jì)算機(jī)能對(duì)自然語(yǔ)言進(jìn)行深層分析，比如文本校對(duì)、機(jī)器翻譯、自動(dòng)文摘等，而這些深層分析的實(shí)現(xiàn)大都離不開(kāi)句法分析。一般來(lái)說(shuō)，自動(dòng)句法分析的操作對(duì)象是句子或短語(yǔ)的詞類標(biāo)記序列，“客觀的句法分析只能根據(jù)詞類的標(biāo)記序列來(lái)推知句法結(jié)構(gòu)，如果詞類問(wèn)題沒(méi)有解決好，或者詞類和句法分析脫鉤，那就無(wú)法根據(jù)詞類序列去分析句法結(jié)構(gòu)，這樣就會(huì)影響整個(gè)語(yǔ)法體系的科學(xué)性和實(shí)用價(jià)值。”①由此看來(lái)，要進(jìn)行自動(dòng)句法分析，除了要為計(jì)算機(jī)提供必要的語(yǔ)義知識(shí)、詞語(yǔ)搭配知識(shí)以及關(guān)于客觀世界的知識(shí)外，更重要的是要為其提供比較完備的語(yǔ)法知識(shí)，尤其是語(yǔ)法基礎(chǔ)的詞類知識(shí)。從20世紀(jì)80年代中后期開(kāi)始直到現(xiàn)在，研究人員已經(jīng)在漢語(yǔ)詞語(yǔ)的語(yǔ)法功能分類和屬性特征描述方面開(kāi)展了卓有成效的工作，希望為計(jì)算機(jī)分析漢語(yǔ)句子結(jié)構(gòu)打下很好的基礎(chǔ)。但實(shí)際上，這個(gè)“基礎(chǔ)”并不能真正滿足計(jì)算機(jī)進(jìn)行自動(dòng)句法分析的需要。因?yàn)槠浞诸惒⒉皇窃谠敿?xì)考察每個(gè)詞的語(yǔ)法功能的基礎(chǔ)上進(jìn)行的，所以，目前迫切需要解決的問(wèn)題是對(duì)漢語(yǔ)實(shí)詞的句法功能進(jìn)行全面系統(tǒng)的考察。在這個(gè)考察的過(guò)程中得到的結(jié)果，不僅可以檢驗(yàn)以往對(duì)詞的語(yǔ)法知識(shí)的概括是否合適，從而進(jìn)行相應(yīng)的調(diào)整；而且可以根據(jù)統(tǒng)計(jì)分析的結(jié)果為自動(dòng)句法分析構(gòu)建比較合理的實(shí)詞詞類體系，這樣的知識(shí)對(duì)于沒(méi)有任何隱含知識(shí)的計(jì)算機(jī)來(lái)說(shuō)是進(jìn)行句法分析必不可少的。只有盡可能地把每類詞的句法功能描述清楚，為計(jì)算機(jī)提供更加精細(xì)和完備的詞類體系，才能指導(dǎo)它分析出正確的句子結(jié)構(gòu)，給出正確的語(yǔ)義解釋。從發(fā)展趨勢(shì)來(lái)看，越來(lái)越多的高級(jí)自然語(yǔ)言處理應(yīng)用系統(tǒng)的研究與開(kāi)發(fā)，諸如信息提取、機(jī)器翻譯等，也都離不開(kāi)這樣的語(yǔ)法知識(shí)的支持。因此，必須加大漢語(yǔ)語(yǔ)法研究的力度，加細(xì)語(yǔ)法刻畫(huà)的顆粒度，構(gòu)建真正適合自動(dòng)句法分析的漢語(yǔ)詞類體系。

二、現(xiàn)有詞類體系對(duì)自動(dòng)句法分析的局限性

從歷史上看，漢語(yǔ)的詞類體系是以印歐語(yǔ)語(yǔ)法的詞類體系為藍(lán)本的。盡管經(jīng)過(guò)幾代語(yǔ)言學(xué)家的研究，根據(jù)漢語(yǔ)的實(shí)際情況作了一些局部調(diào)整，比如增加了量詞、助詞和語(yǔ)氣詞，從形容詞中分出區(qū)別詞等等，這些局部調(diào)整的確不乏閃光之處，但是基本格局沒(méi)有改變，依然無(wú)法擺脫模仿的痕跡。由于始終擺脫不掉印歐語(yǔ)詞類體系的羈絆，所以最終導(dǎo)致漢語(yǔ)詞類劃分并不是嚴(yán)格地按照詞的語(yǔ)法功能來(lái)進(jìn)行的。特別是實(shí)詞分類，似乎名詞、動(dòng)詞、形容詞是生來(lái)就有的、不必加以驗(yàn)證的詞類。盡管說(shuō)語(yǔ)言學(xué)界對(duì)詞類問(wèn)題進(jìn)行過(guò)幾次大討論之后逐步達(dá)成共識(shí)，認(rèn)識(shí)到語(yǔ)法功能是詞類劃分的唯一標(biāo)準(zhǔn)，但在實(shí)際操作中，這一標(biāo)準(zhǔn)并沒(méi)有被真正徹底地貫徹。就現(xiàn)有的詞類體系看，“不管哪種類型，也不管是哪個(gè)版本，無(wú)一不帶有先驗(yàn)性。它們都不是對(duì)客觀存在的詞進(jìn)行全面分析和全面歸納的產(chǎn)物，而是先由語(yǔ)法學(xué)家所構(gòu)擬然后又由語(yǔ)法學(xué)家加以解說(shuō)的框架，這樣的框架必然帶有語(yǔ)法學(xué)家的成見(jiàn)和缺陷。”②具體說(shuō)來(lái)有這樣幾個(gè)方面：

1.每個(gè)詞類到底有哪些語(yǔ)法功能，這一點(diǎn)很不明確，一般的語(yǔ)法書(shū)上僅列出幾條“語(yǔ)法特征”。例如，說(shuō)名詞可以受數(shù)量結(jié)構(gòu)修飾；不能受副詞修飾；可以作主語(yǔ)、賓語(yǔ)等等，但即便是這幾條特征也往往缺乏普遍性。

2.屬于同一詞類的詞，其語(yǔ)法功能可能有很大差異。例如，“領(lǐng)導(dǎo)”可以作主語(yǔ)、賓語(yǔ)、定語(yǔ)、體詞性偏正結(jié)構(gòu)的中心語(yǔ)等，而名詞“期間”只具備上述功能的最后一項(xiàng)。

3.不同詞類的詞，其語(yǔ)法功能也許反而相似。例如，形容詞“富裕”跟動(dòng)詞“信任”，形容詞“虛假”跟名詞“實(shí)物”等等。

4.一些詞的語(yǔ)法功能沒(méi)有得到充分的描寫。例如，“期間”用在體詞性偏正結(jié)構(gòu)中，另一直接成分通常是動(dòng)詞或動(dòng)詞性結(jié)構(gòu)，把“期間”看作名詞或現(xiàn)有詞類體系中的其他詞類都不太合適。

5.缺乏對(duì)詞的各種語(yǔ)法功能的定量描寫。例如,一個(gè)詞能作主賓語(yǔ)的概率是多少，作謂語(yǔ)的概率是多少，這種數(shù)據(jù)對(duì)于自動(dòng)句法分析很有用處。③

目前還只有對(duì)詞類語(yǔ)法功能頻率的一些小規(guī)模調(diào)查。這樣粗糙的詞類體系在句法分析中能起到多大作用呢？我們不妨舉個(gè)例子來(lái)進(jìn)行說(shuō)明。例如“接待/v兩/m位/q領(lǐng)導(dǎo)/n期間/n”這個(gè)短語(yǔ)，計(jì)算機(jī)在進(jìn)行自動(dòng)句法分析時(shí)，處理的是這樣一個(gè)詞類標(biāo)記序列：

VT M Q N N

我們希望給計(jì)算機(jī)提供一套形如“NP+VP→S”的句法規(guī)則后，能夠得到正確的句法分析結(jié)果，實(shí)際上這樣的句法分析難度很大。任何一位讀者，如果僅僅知道VT、M、Q、N分別代表及物動(dòng)詞、數(shù)詞、量詞、名詞，不看具體的詞語(yǔ)序列，都很難確定標(biāo)記序列所對(duì)應(yīng)的是哪一種句法結(jié)構(gòu)，更何況是機(jī)器。對(duì)于這樣的情況，計(jì)算機(jī)只能給出所有可能的句法結(jié)構(gòu)。對(duì)于上述例子，在人看來(lái)是沒(méi)有句法歧義的，因?yàn)槿丝吹皆~語(yǔ)序列中的每個(gè)詞語(yǔ)時(shí)都能激活頭腦中跟具體詞語(yǔ)相聯(lián)系的許多知識(shí)，而在計(jì)算機(jī)看來(lái)卻是充滿歧義的。怎樣才能使計(jì)算機(jī)在分析的過(guò)程中自動(dòng)選擇正確的結(jié)構(gòu)分析，那就只能盡量為計(jì)算機(jī)所面對(duì)的每一個(gè)詞類標(biāo)記提供盡可能詳細(xì)的信息。就現(xiàn)有的詞類體系看，“領(lǐng)導(dǎo)”和“期間”的語(yǔ)法功能差別很大卻給以相同的標(biāo)記，這樣粗糙的詞類知識(shí)，難以有效地支持自動(dòng)句法分析。誠(chéng)然，自動(dòng)句法分析中的歧義現(xiàn)象并非都是由語(yǔ)法方面的因素造成的，還有語(yǔ)義等其他方面的因素。所以我們構(gòu)建的實(shí)詞詞類體系，并不奢望能解決自動(dòng)句法分析中碰到的由于復(fù)雜語(yǔ)義和篇章層面等因素造成的諸多問(wèn)題，只是期望對(duì)因句法關(guān)系的不同而產(chǎn)生的歧義能起到一定的作用。

三、基于語(yǔ)法功能統(tǒng)計(jì)的詞類體系構(gòu)建

對(duì)于計(jì)算機(jī)來(lái)說(shuō)，面向人的詞類體系還是比較粗糙和不完備的。為了解決自動(dòng)句法分析過(guò)程中的一些問(wèn)題，學(xué)者們也采取了一些補(bǔ)救措施，主要有兩種：一是詞類細(xì)化，進(jìn)一步分出小類；二是建立語(yǔ)法詞典，詳細(xì)描寫每個(gè)詞的語(yǔ)法功能。但不管是傳統(tǒng)語(yǔ)言學(xué)還是計(jì)算語(yǔ)言學(xué)，在研究漢語(yǔ)的詞類問(wèn)題上都存在一個(gè)不容忽視的缺陷，即沒(méi)有對(duì)具體的詞進(jìn)行實(shí)際考察，而更多的依賴研究者所具備的語(yǔ)言知識(shí)。“大家都只舉些典型例子，而一直沒(méi)有人真正面對(duì)現(xiàn)代漢語(yǔ)千千萬(wàn)萬(wàn)個(gè)詞一個(gè)一個(gè)地實(shí)際考察一下他們的使用情況，這樣，大家都只能是紙上談兵”④。所以，為了建立真正服務(wù)于自動(dòng)句法分析的漢語(yǔ)詞類體系， 我們對(duì)2000年《人民日?qǐng)?bào)》中的前3500個(gè)高頻詞進(jìn)行了句法分析。從2000年《人民日?qǐng)?bào)》中為每個(gè)詞隨機(jī)抽取100個(gè)例句進(jìn)行分析，詳細(xì)統(tǒng)計(jì)每個(gè)詞的語(yǔ)法功能，計(jì)算每個(gè)詞各個(gè)功能的概率，按照“語(yǔ)法功能完全相同即為一類”的原則，對(duì)這3500個(gè)詞進(jìn)行了分類。按照“句法功能完全相同即為一類”的原則對(duì)3500個(gè)詞進(jìn)行分類，最終得到676類，其中一詞一類的共有364類，兩詞一類的共有107類，三詞以上同類的共有205類。

不同的詞類之間，除了具有相互區(qū)別的特征外，彼此并不是毫無(wú)共性的。從語(yǔ)法功能的角度看，不同詞類的共性體現(xiàn)在：異類之間具有相同的語(yǔ)法功能，比如，“莊嚴(yán)”屬于類595、“繼續(xù)”屬于類58，盡管歸屬不同的類，但兩者都可以作狀語(yǔ)1，如“他莊嚴(yán)宣誓”“繼續(xù)學(xué)習(xí)”。正因如此，我們?cè)谘芯恐胁庞锌赡芨鶕?jù)需要，把某些個(gè)詞合并為更大的類。

詞類的個(gè)性，主要是指不同的類之間所具有的區(qū)別性特征，比如“方面”屬于類88，只能作中心語(yǔ)1；“規(guī)模”能作中心語(yǔ)1，但它還能作“主語(yǔ)”等，所以它歸屬于類476。正因?yàn)槿绱耍箢愔逻€可以繼續(xù)細(xì)分小類。正如上例，我們可以根據(jù)“能否作主語(yǔ)”將都能作“中心語(yǔ)1”的類88和類476再細(xì)分兩個(gè)小類。

本文是利用詞類的共性和個(gè)性對(duì)所有的類別進(jìn)行層級(jí)分類的。從表面看，分出的676類似乎在一個(gè)平面上，而實(shí)際上，既然可以根據(jù)某一標(biāo)準(zhǔn)將大類細(xì)分為小類、將小類歸并成大類，也正說(shuō)明分類系統(tǒng)具有層級(jí)性。

采用二分法對(duì)這676類進(jìn)行了層級(jí)分類，“二分”的標(biāo)準(zhǔn)就是尋找能使大類基本上均衡地分為兩個(gè)（或者更多）小類的某種功能，然后運(yùn)用遞歸法，依次在每一小類中尋找能滿足“二分”的功能，直到不能再細(xì)分為止。采用這種分層方法，最終可以自頂向下構(gòu)建一棵形如圖1的樹(shù)形結(jié)構(gòu)。

圖1：

該圖是我們所構(gòu)建的樹(shù)形圖的前三層，由于葉子結(jié)點(diǎn)太多，不便一一列入圖中，只能以點(diǎn)代面，來(lái)反映詞類層級(jí)體系的整體面貌。圖中的“＋”表示具有該項(xiàng)功能，“－”表示不具有該項(xiàng)功能，每一層除了葉子結(jié)點(diǎn)外，每一個(gè)結(jié)點(diǎn)都是具有相似句法功能的類的集合。比如說(shuō)第一層的左結(jié)點(diǎn)，就是一些能作謂語(yǔ)的類別。通過(guò)這樣一個(gè)樹(shù)形圖，便于觀察詞類間的關(guān)系以及詞類的系統(tǒng)性。

四、基于語(yǔ)法功能統(tǒng)計(jì)的詞類體系對(duì)句法分析的作用

在根據(jù)語(yǔ)料統(tǒng)計(jì)的各個(gè)詞的語(yǔ)法功能的基礎(chǔ)上構(gòu)建的詞類體系對(duì)句法分析究竟能發(fā)揮哪些作用？從考察的結(jié)果看，它的優(yōu)勢(shì)主要表現(xiàn)在以下幾個(gè)方面：

（一）能夠客觀反映漢語(yǔ)中詞的多功能現(xiàn)象，降低句法分析的復(fù)雜度

為了將我們構(gòu)建的詞類體系跟現(xiàn)有的漢語(yǔ)詞類體系加以區(qū)別，暫且將現(xiàn)有的詞類體系稱為舊語(yǔ)法體系，筆者構(gòu)建的詞類體系稱為新語(yǔ)法體系。用新體系中每個(gè)詞的句法功能總數(shù)除以舊體系中每個(gè)詞的句法功能總數(shù)，就可以得出新舊體系句法功能的復(fù)雜對(duì)比度。對(duì)于新體系中每個(gè)詞的句法功能總數(shù)，可以從句法功能表中統(tǒng)計(jì)得到，它包括從真實(shí)語(yǔ)料中統(tǒng)計(jì)到的功能數(shù)和研究者根據(jù)自己的知識(shí)儲(chǔ)備內(nèi)省出來(lái)的功能兩個(gè)部分。對(duì)于舊體系中每個(gè)詞的句法功能總數(shù)，我們是根據(jù)語(yǔ)料中某詞所被賦予的詞性標(biāo)記來(lái)統(tǒng)計(jì)的。比如“幸福”在語(yǔ)料中被標(biāo)注為“a”，在上文中已經(jīng)匯總過(guò)，舊體系中形容詞的句法功能有8種，那么就認(rèn)為幸福有8種句法功能。盡管事實(shí)上“幸福”可能不具備形容詞所具有的全部8種功能，但一旦給以標(biāo)記“a”，計(jì)算機(jī)在進(jìn)行分析時(shí)就可能要逐一檢查這8種功能，用這8種功能分別與其后的某個(gè)詞的所有功能進(jìn)行匹配，直到分析成功。另外，其他一些詞如“發(fā)展”在語(yǔ)料中被標(biāo)注為“v”和“vn”，也就是認(rèn)為動(dòng)詞具有名詞的功能，這樣的詞在舊體系中的功能總數(shù)為動(dòng)詞和名詞的功能總和。而在我們的統(tǒng)計(jì)過(guò)程中，“發(fā)展”不管標(biāo)注為“v”還是“vn”，都是一個(gè)概括詞，其所有的功能都看作是“發(fā)展”作為動(dòng)詞的使用情況。

我們對(duì)句法功能信息庫(kù)中的3514個(gè)詞的句法功能總數(shù)逐個(gè)進(jìn)行了統(tǒng)計(jì)，兩種體系的句法功能復(fù)雜度的對(duì)比結(jié)果如下表：

表1：新舊體系句法功能復(fù)雜度對(duì)比

從上表中可以看到，只有10.1%的詞在新舊體系中的句法功能復(fù)雜度是相同的，而有84.1%的詞在舊體系中的句法功能復(fù)雜度高于新體系。究其原因，主要是因?yàn)榕f體系中，某類詞內(nèi)部的各成員，不管是具有1種句法功能還是具有8種句法功能，都會(huì)給以相同的標(biāo)記，這樣就夸大了詞的多功能現(xiàn)象，增加了計(jì)算機(jī)進(jìn)行句法分析時(shí)的負(fù)擔(dān)。

（二）有利于句法分析中歧義結(jié)構(gòu)消解

我們從清華大學(xué)100萬(wàn)字的漢語(yǔ)句法樹(shù)庫(kù)中提取了11，206個(gè)“v＋v”序列和10，081個(gè)“v＋n”序列進(jìn)行了考察。前一種序列匹配后只有一種句法關(guān)系的有2679種組合模式，共10，296個(gè)實(shí)例，正確率分別為82.9%和91.9%；后一種序列匹配后只有一種句法關(guān)系的有1462種組合模式，共7189個(gè)實(shí)例，正確率分別為70.7%和71.3%。其他有兩種以上句法關(guān)系的模板，盡管不能確定具體實(shí)例中究竟是哪種關(guān)系，但相對(duì)于舊體系來(lái)說(shuō)，其歧義的數(shù)量大大減少了。統(tǒng)計(jì)結(jié)果表明，新體系在外顯式歧義結(jié)構(gòu)的消解和基本名詞短語(yǔ)的識(shí)別方面都起到了很好的作用。

五、結(jié)語(yǔ)

自動(dòng)句法分析中，計(jì)算機(jī)所需要的知識(shí)很多，句法信息再詳細(xì)，也不能保證句法分析都能順利進(jìn)行，對(duì)于句法分析中的歧義問(wèn)題更不會(huì)是“過(guò)關(guān)斬將”，一路通暢，它只能對(duì)某一類句法歧義起作用。所以，后期的工作要適當(dāng)加入語(yǔ)義信息。

（本文得到教育部人文社科基金項(xiàng)目“基于語(yǔ)法功能匹配的自動(dòng)句法分析研究”[編號(hào)：11YJC740118]的資助。）

注釋：

①胡明揚(yáng)《詞類問(wèn)題考察》，北京語(yǔ)言文化大學(xué)出版社，1996：1.

②邢福義《漢語(yǔ)語(yǔ)法學(xué)》，東北師范大學(xué)出版社，1996：294.

③陳小荷《從自動(dòng)句法分析角度看現(xiàn)代漢語(yǔ)詞類問(wèn)題》，語(yǔ)言教學(xué)與研究，1999，（3）：63.

④陸儉明《現(xiàn)代漢語(yǔ)語(yǔ)法研究教程》，北京大學(xué)出版社，2004：29.

[1]郭銳.現(xiàn)代漢語(yǔ)詞類研究[M].北京：商務(wù)印書(shū)館，2003.

[2]胡明揚(yáng).詞類問(wèn)題考察[M].北京：北京語(yǔ)言學(xué)院出版社，1996.

[3]胡明揚(yáng).語(yǔ)言學(xué)論文集[M].北京：商務(wù)印書(shū)館，2003.

[4]劉順.現(xiàn)代漢語(yǔ)名詞的多視角研究[M].上海：學(xué)林出版社，2003.

[5]羅振聲、袁毓林.計(jì)算機(jī)時(shí)代的漢語(yǔ)和漢字研究[M].北京：清華大學(xué)出版社，1996.

[6]莫彭齡、單青.三大類實(shí)詞句法功能的統(tǒng)計(jì)分析[J].南京師大學(xué)報(bào)（社會(huì)科學(xué)版），1985，（3）.

[7]彭睿.名詞和名詞的再分類[A].詞類問(wèn)題考察[C].北京：北京語(yǔ)言學(xué)院出版社，1996.

[8]史存直.句本位語(yǔ)法論集[M].上海：上海教育出版社，1996.

[9]張斌.漢語(yǔ)語(yǔ)法學(xué)[M].上海：上海教育出版社，2003.

[10]朱德熙.語(yǔ)法講義[M].北京：商務(wù)印書(shū)館，1982.

（徐艷華 山東煙臺(tái) 魯東大學(xué)文學(xué)院 264025）