面向語(yǔ)句成分的英語(yǔ)語(yǔ)義分析智能算法探討

蘇楠

(陜西能源職業(yè)技術(shù)學(xué)院 教務(wù)處， 陜西 咸陽(yáng) 712000)

0 引言

隨著計(jì)算機(jī)技術(shù)的不斷成熟和人工智能的不斷推進(jìn)，計(jì)算機(jī)已經(jīng)被廣泛應(yīng)用于英語(yǔ)輔助教學(xué)中，各層級(jí)的學(xué)校也逐漸用線上考試代替了傳統(tǒng)的考試措施[1-2]。當(dāng)前智能算法在諸如選擇題、填空和判斷等客觀題中應(yīng)用較廣，而在作文等主觀題中的應(yīng)用偏少，主要是因?yàn)榭陀^題的答案唯一，計(jì)算機(jī)算法的實(shí)現(xiàn)較為簡(jiǎn)單，而主觀題的算法相對(duì)復(fù)雜[3-5]。為了減輕教師閱卷的工作量，并較少因教師主觀因素而導(dǎo)致的學(xué)生得分不一致性，利用一定的算法實(shí)現(xiàn)智能主觀題目的計(jì)算機(jī)閱卷是非常有必要的[6-9]。本文從語(yǔ)義成分分析的基礎(chǔ)理論入手，對(duì)基于英語(yǔ)語(yǔ)義分析的智能算法進(jìn)行了探討，旨在為人工智能在英語(yǔ)中更深一步的推廣和應(yīng)用提供理論和技術(shù)支持。

1 語(yǔ)義成分分析介紹

語(yǔ)義分析(Componential analysis)是20世紀(jì)40年代，丹麥構(gòu)建主義學(xué)家L. Hjelmslev和布格拉學(xué)派代表 R. Jakobson 在其著作中初次提及，他們認(rèn)為詞義可以分解為最小的語(yǔ)義成分[10-12]。經(jīng)過(guò)20余年的發(fā)展，該理論逐漸被完善，并于20世紀(jì)60年代正式被應(yīng)用在語(yǔ)言學(xué)中。近年來(lái)，語(yǔ)義學(xué)家認(rèn)為相比于詞義，意義單元是最小的語(yǔ)義組成單位，并稱其為語(yǔ)義成分(Sense components))、語(yǔ)義特征(Semantic features)、語(yǔ)義標(biāo)識(shí)(Semantic makers)或義素。這也就是說(shuō)任意一個(gè)實(shí)意詞，我們都可以拆分出其語(yǔ)義成分，以下以英語(yǔ)單詞BOY舉例。針對(duì)BOY這個(gè)單詞，我們可以將其拆分為human、young和male三個(gè)語(yǔ)義成分，而不再認(rèn)為該詞匯是一個(gè)不可拆分的整體。這一拆分為語(yǔ)義分析在基于計(jì)算機(jī)的智能分析中提供了極大的便利，可以根據(jù)不同的語(yǔ)境，為該單詞提供不同的意思，從而實(shí)現(xiàn)對(duì)語(yǔ)義的分析。

上述思想為語(yǔ)義成分分析提供了基本思路，詞義分析法具備很大的優(yōu)點(diǎn)，其中最為突出的是它將每一個(gè)單詞不再固定地認(rèn)為是一組意譯的組合，而是分解為很多個(gè)詞義并將這些詞義放在不同的語(yǔ)境下供學(xué)習(xí)者理解和使用，能改善學(xué)生以往死記硬背的學(xué)習(xí)習(xí)慣并激發(fā)學(xué)生對(duì)語(yǔ)言的探索和熱愛(ài)[13]。但要實(shí)現(xiàn)語(yǔ)義分析的智能化，我們?nèi)匀幻媾R著幾個(gè)問(wèn)題。

(1) 語(yǔ)義分析的基礎(chǔ)資源庫(kù)建立困難。和任意一種語(yǔ)言一樣，英語(yǔ)語(yǔ)義中也存在著極大的文學(xué)、宗教及其它因素，而且詞匯數(shù)量基數(shù)龐大，但要基于計(jì)算機(jī)技術(shù)實(shí)現(xiàn)英語(yǔ)語(yǔ)義分析智能算法，則需要為常用詞匯建立語(yǔ)義資源庫(kù)。

(2) 語(yǔ)義分析很難滿足語(yǔ)言的多彩性。計(jì)算機(jī)算法具備“兩分法”的特征，對(duì)于設(shè)定的語(yǔ)義成分會(huì)根據(jù)語(yǔ)境予以判斷，但這種具有兩分法色彩的分析方法無(wú)法滿足實(shí)際語(yǔ)言中多姿多彩的修辭手法；

(3) 語(yǔ)義分析無(wú)法完成抽象詞匯的分析作業(yè)。如kindness等虛擬詞匯，其用途廣泛，在口語(yǔ)和書(shū)面語(yǔ)言中，我們都能感受和理解其表達(dá)的意思，但當(dāng)使用語(yǔ)義分析手段對(duì)其分析時(shí)會(huì)發(fā)現(xiàn)無(wú)從下手。

2 智能算法結(jié)構(gòu)

面向語(yǔ)句成分的英語(yǔ)語(yǔ)義分析的智能算法結(jié)構(gòu)如圖1所示。由圖1可見(jiàn)，基于語(yǔ)義分析的智能算法結(jié)構(gòu)首先需要將一個(gè)句子中所包含的英語(yǔ)單詞分解為單個(gè)的詞匯，然后調(diào)取每一個(gè)詞匯的詞性及相應(yīng)的詞義，最后結(jié)合語(yǔ)境去分析該單詞在句子中的含義。以句子“I drew a picture yesterday.”為例，對(duì)結(jié)構(gòu)的每一塊進(jìn)行分別介紹。

圖1 語(yǔ)義分析智能算法結(jié)構(gòu)

3 系統(tǒng)數(shù)據(jù)庫(kù)

系統(tǒng)數(shù)據(jù)庫(kù)依賴于教師和教材的匯編，從業(yè)者根據(jù)不同學(xué)習(xí)程度的學(xué)生、教學(xué)大綱，將學(xué)生所需學(xué)習(xí)的詞匯進(jìn)行匯編。其中主要包含詞匯的基本信息表和相對(duì)較為特殊的詞匯信息。

詞匯基本信息：根據(jù)教學(xué)大綱，將所需詞匯的詞性、不同環(huán)境下的發(fā)音音標(biāo)等信息儲(chǔ)存至數(shù)據(jù)庫(kù)中。以示例語(yǔ)句中的drew(draw的過(guò)去式)為例，其基本信息，如表1所示。

表1 數(shù)據(jù)庫(kù)中詞匯的基本信息(以draw常用詞義為例)

特殊詞匯信息：在英語(yǔ)中，大多數(shù)名詞的復(fù)數(shù)、動(dòng)詞的過(guò)去式及過(guò)去分詞和現(xiàn)在式、形容詞的比較級(jí)和最高級(jí)等都具有一定的形成規(guī)則，但有一些詞匯的上述信息卻與常見(jiàn)的不一致，具有特殊性，仍以drew為例,如表2所示。

表2 數(shù)據(jù)庫(kù)中特殊詞匯信息(以draw常用詞義為例)

由表2可知，單詞“draw”作為動(dòng)詞時(shí)，現(xiàn)在分詞和第三人稱單數(shù)符合一般的英語(yǔ)詞匯變形規(guī)則，但過(guò)去式和過(guò)去分詞明顯與常規(guī)有差別，為了更精確地實(shí)現(xiàn)語(yǔ)義分析智能算法，數(shù)據(jù)庫(kù)中應(yīng)該對(duì)此類詞匯進(jìn)行單獨(dú)儲(chǔ)存。

4 系統(tǒng)模塊介紹分析過(guò)程示例

以句子“I drew a picture yesterday.”為例，對(duì)系統(tǒng)的每一個(gè)模塊及實(shí)現(xiàn)方法進(jìn)行分析。

4.1 詞匯分析

詞匯分析是將一個(gè)句子中每一個(gè)詞匯單獨(dú)拆開(kāi)，并分析其詞性、詞義等的過(guò)程，如圖2所示。

圖2 詞匯分析流程圖

以句子“I drew a picture yesterday.”中，首先將其分為以下幾個(gè)詞匯：“I”、“drew”、“a”、“picture”、“yesterday”。并在數(shù)據(jù)庫(kù)中調(diào)取每一個(gè)詞匯的所有含義。如“picture”：n. 照片，影片，描述，圖畫(huà)；vt. 想像，畫(huà)，拍照。調(diào)取完成后為下一步語(yǔ)句詞性分析做好準(zhǔn)備。

4.2 語(yǔ)句詞性分析

語(yǔ)句詞性分析主要是在詞匯分析的基礎(chǔ)上，首先獲取每一個(gè)單詞的詞性及詞義，然后根據(jù)獲取的數(shù)據(jù)和該詞匯前后詞匯的詞性，確定該單詞在本語(yǔ)句中所扮演的詞性。句子“I drew a picture yesterday.”中所有單詞詞性分析結(jié)果，如表3所示。

表3 語(yǔ)句詞性檢索及分析結(jié)果示例

4.3 語(yǔ)句語(yǔ)義分析

語(yǔ)句分析是基于詞匯和語(yǔ)句的分析結(jié)果，確定句子的主語(yǔ)、謂語(yǔ)、賓語(yǔ)等主要成分和狀語(yǔ)等其它組成完整句子的成分。系統(tǒng)以英語(yǔ)的語(yǔ)法規(guī)則和對(duì)語(yǔ)句的分析結(jié)果，借助于英語(yǔ)語(yǔ)法的正則表達(dá)式，首先確定完整句子的謂語(yǔ)部分，然后根據(jù)主謂賓關(guān)系確定句子的主語(yǔ)和賓語(yǔ)部分，剩余的作為其它部分，并根據(jù)所處位置判斷其在句子中充當(dāng)?shù)慕巧Ｆ渲杏⒄Z(yǔ)語(yǔ)法的正則表達(dá)式見(jiàn)文獻(xiàn)[14]所示，茲不贅述。本文仍以上述例句為例，對(duì)語(yǔ)句語(yǔ)義進(jìn)行分析，如表4、表5所示。

表4 語(yǔ)句語(yǔ)義分析

表5 考生答卷結(jié)果與標(biāo)準(zhǔn)答案對(duì)比

5 總結(jié)

本文從既有英語(yǔ)單詞形態(tài)變化及英語(yǔ)語(yǔ)法正則表達(dá)式出發(fā)，首先對(duì)語(yǔ)義成分分析的基本理論進(jìn)行了分析，然后對(duì)語(yǔ)義分析智能算法結(jié)構(gòu)進(jìn)行介紹，最后通過(guò)舉例，對(duì)算法結(jié)構(gòu)中各部分進(jìn)行了研究。研究成果表明：面向語(yǔ)句成分的英語(yǔ)語(yǔ)義分析的智能算法在英語(yǔ)主觀題目批卷等工作中能起到非常好的作用，不僅能減輕教師的工作量，還能避免因教師主觀認(rèn)知不同而造成的學(xué)生主觀題目得分不一致；同時(shí)該算法依賴于對(duì)英語(yǔ)詞匯及語(yǔ)法等的正則表達(dá)式的完善和詞匯數(shù)據(jù)庫(kù)的搭建，這些部分均已經(jīng)受到廣大從業(yè)者的關(guān)注。語(yǔ)句語(yǔ)義分析結(jié)果表明，限于計(jì)算機(jī)算法的認(rèn)知程度和語(yǔ)言的復(fù)雜性，目前對(duì)除主謂賓等主要成分外的其它句子成分，不能實(shí)現(xiàn)很精準(zhǔn)的識(shí)別，這有待于我們展開(kāi)更多的探索和研究。