關(guān)于新的句法標(biāo)注模型探索

　　臨近畢業(yè)，很多大學(xué)生最憂愁的就是畢業(yè)設(shè)計(jì)和畢業(yè)論文了，畢業(yè)論文應(yīng)該怎么寫(xiě)呢?好了，小編送福利的時(shí)間到了，下面是給大家?guī)��?lái)的漢語(yǔ)言文學(xué)畢業(yè)論文，歡迎廣大畢業(yè)生們閱讀參考!

　　論文關(guān)鍵詞：語(yǔ)料庫(kù)語(yǔ)言學(xué)　語(yǔ)義處理　句法標(biāo)注模型

　　論文摘要：由于自然語(yǔ)言的語(yǔ)義存在不確定性，形式化很困難，因此語(yǔ)義處理成為自然語(yǔ)言處理的瓶頸所在�；�于大規(guī)模標(biāo)注語(yǔ)料庫(kù)的語(yǔ)義處理已經(jīng)成為發(fā)展趨勢(shì)，語(yǔ)料標(biāo)注本質(zhì)上就是語(yǔ)言知識(shí)(包括語(yǔ)義)形式化。現(xiàn)有句法標(biāo)注模型主要包括基于短語(yǔ)結(jié)構(gòu)語(yǔ)法(PSG)和基于依存語(yǔ)法(DG)的句法標(biāo)注模型，還存在一些局限性。文章在現(xiàn)有句法標(biāo)注模型的基礎(chǔ)上結(jié)合認(rèn)知語(yǔ)法(CG)的有關(guān)理論提出改進(jìn)思路，以探索新的句法標(biāo)注模型。

　　人類(lèi)社會(huì)發(fā)展的基本軌跡是：原始社會(huì)—農(nóng)業(yè)社會(huì)—工業(yè)社會(huì)—信息社會(huì)。人工智能的目標(biāo)是用計(jì)算機(jī)模擬人的智能，以最大限度地解放和延伸人的智能，無(wú)疑是信息社會(huì)的制高點(diǎn)。語(yǔ)言是人思維的物質(zhì)外殼，人不可能離開(kāi)語(yǔ)言而具備真正屬于人的高級(jí)智能。因此，模擬人類(lèi)語(yǔ)言智能的自然語(yǔ)言處理無(wú)疑是人工智能的重要研究方向。然而，迄今為止的研究表明，在可以預(yù)見(jiàn)的將來(lái)，語(yǔ)義處理將是自然語(yǔ)言處理的瓶頸所在。原因是語(yǔ)義十分復(fù)雜，而基于現(xiàn)有計(jì)算機(jī)軟硬件的自然語(yǔ)言處理要求語(yǔ)義形式化。解決這一問(wèn)題的根本之道是：探索新的句法標(biāo)注模型，進(jìn)行大規(guī)模的語(yǔ)義標(biāo)注，基于語(yǔ)料庫(kù)進(jìn)行語(yǔ)義知識(shí)獲取和自然語(yǔ)言處理。

　　一、句法標(biāo)注模型

　　語(yǔ)言的復(fù)雜性在于語(yǔ)言與認(rèn)識(shí)的關(guān)系。語(yǔ)言具有意義，而意義是入對(duì)主客觀世界的認(rèn)識(shí)結(jié)果。主客觀世界的復(fù)雜性決定了意義的復(fù)雜性，進(jìn)一步?jīng)Q定了語(yǔ)言的復(fù)雜性。語(yǔ)言本身又可以視為人的主客觀世界中的一部分，因此語(yǔ)言研究是一種特殊的認(rèn)識(shí)活動(dòng)，是人對(duì)語(yǔ)言的認(rèn)識(shí)。由此可見(jiàn)，語(yǔ)言離不開(kāi)認(rèn)識(shí)。人對(duì)主客觀世界的認(rèn)識(shí)可以如此描述：認(rèn)識(shí)主體借助認(rèn)識(shí)工具按照認(rèn)識(shí)方法處理認(rèn)識(shí)對(duì)象獲得認(rèn)識(shí)結(jié)果。認(rèn)識(shí)是由多種認(rèn)識(shí)因素(主體、工具、方法、對(duì)象)共同作用的活動(dòng)，認(rèn)識(shí)結(jié)果是這一活動(dòng)的產(chǎn)物，被多種認(rèn)識(shí)因素共同決定，任何一種認(rèn)識(shí)因素的改變必然導(dǎo)致認(rèn)識(shí)結(jié)果出現(xiàn)或大或小的差異。顯然，認(rèn)識(shí)結(jié)果與認(rèn)識(shí)對(duì)象不能等同，是認(rèn)識(shí)主體對(duì)認(rèn)識(shí)對(duì)象的選擇性反映，認(rèn)識(shí)具有主觀能動(dòng)性。從這個(gè)意義上講。認(rèn)識(shí)不可能也不應(yīng)該去被動(dòng)地還原認(rèn)識(shí)對(duì)象，而是從符合主體目的性出發(fā)，力求簡(jiǎn)單有效地描述和預(yù)測(cè)認(rèn)識(shí)對(duì)象。借用模型的概念，認(rèn)識(shí)結(jié)果就是認(rèn)識(shí)對(duì)象的模型(model)，認(rèn)識(shí)就是建立認(rèn)識(shí)對(duì)象的模型，簡(jiǎn)稱(chēng)建模(modeling)。這是一種實(shí)用主義認(rèn)識(shí)觀。

　　模型一般分為心理模型(psychological model)、數(shù)學(xué)模型(mathematical model)和物理模型(physical model)。心理模型是認(rèn)識(shí)對(duì)象在人認(rèn)識(shí)中的定性關(guān)系，是數(shù)學(xué)模型的基礎(chǔ);數(shù)學(xué)模型是認(rèn)識(shí)對(duì)象在人認(rèn)識(shí)中的定量關(guān)系，是物理模型的基礎(chǔ);物理模型是人借助特定材料和工具按照認(rèn)識(shí)對(duì)象的數(shù)學(xué)模型實(shí)現(xiàn)的物質(zhì)結(jié)構(gòu)。傳統(tǒng)意義上的建模主要指建立數(shù)學(xué)模型和物理模型，一般意義上的建模還包括建立心理模型。人的認(rèn)識(shí)能力是有限的，表現(xiàn)在：人不能建立任意認(rèn)識(shí)對(duì)象的心理模型，也不能建立任意心理模型的數(shù)學(xué)模型，也不能建立任意數(shù)學(xué)模型的物理模型。由于具有明確的實(shí)用主義特點(diǎn)，建模在理工科領(lǐng)域大行其道，在文科領(lǐng)域也逐漸受到青睞。人類(lèi)將二進(jìn)制數(shù)學(xué)模型成功實(shí)現(xiàn)為晶體管物理模型，并開(kāi)發(fā)出越來(lái)越復(fù)雜和先進(jìn)的計(jì)算機(jī)軟件和硬件，從而進(jìn)入信息時(shí)代。20世紀(jì)以來(lái)一些主要或次要的語(yǔ)言理論都或多或少應(yīng)用了數(shù)學(xué)模型，特別是一些面向語(yǔ)言計(jì)算的語(yǔ)言理論。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，人們對(duì)計(jì)算機(jī)自動(dòng)或輔助處理語(yǔ)言信息的需求越來(lái)越大。但計(jì)算機(jī)的根本缺陷在于，凡是不能建立數(shù)學(xué)模型的信息都無(wú)法處理。傳統(tǒng)語(yǔ)言理論往往只在心理模型層面定性研究，無(wú)法滿足這一需要。因此有必要引入數(shù)學(xué)模型研究語(yǔ)言，稱(chēng)為語(yǔ)言數(shù)學(xué)模型，簡(jiǎn)稱(chēng)語(yǔ)言模型(1anguage model)。統(tǒng)計(jì)語(yǔ)言模型(sta-tistical language model)就是一個(gè)成功的例子。但統(tǒng)計(jì)語(yǔ)言模型的性能取決于訓(xùn)練語(yǔ)料的規(guī)模和質(zhì)量。目前，由于語(yǔ)料的不斷積累和計(jì)算機(jī)技術(shù)的不斷進(jìn)步，語(yǔ)料規(guī)模已不成問(wèn)題，語(yǔ)料中包含語(yǔ)言知識(shí)的數(shù)量和質(zhì)量才是關(guān)鍵。

　　計(jì)算機(jī)的語(yǔ)言知識(shí)主要來(lái)源于人。將語(yǔ)料中包含的語(yǔ)言知識(shí)標(biāo)注出來(lái)，有助于計(jì)算機(jī)獲得更豐富、更有價(jià)值的語(yǔ)言知識(shí)，從而提高語(yǔ)言處理水平，這就是語(yǔ)料標(biāo)注(corpus tagging)。一般認(rèn)為主要包括詞匯標(biāo)注(1exical tagging，分詞、詞結(jié)構(gòu)標(biāo)注、詞性標(biāo)注、詞義標(biāo)注等)、句法標(biāo)注(syntax tagging，語(yǔ)法樹(shù)標(biāo)注、語(yǔ)義樹(shù)標(biāo)注等)、語(yǔ)篇標(biāo)注(discourse tagging，語(yǔ)體標(biāo)注、領(lǐng)域標(biāo)注等)等內(nèi)容。經(jīng)過(guò)標(biāo)注的語(yǔ)料還可以用于語(yǔ)言學(xué)研究、語(yǔ)言教學(xué)、語(yǔ)言測(cè)試、詞典編撰等諸多理論研究和實(shí)踐應(yīng)用領(lǐng)域，越來(lái)越受到人們重視，并形成一門(mén)新興學(xué)科——語(yǔ)料庫(kù)語(yǔ)言學(xué)(corpus linguistics)。目前，相對(duì)句法標(biāo)注，詞匯標(biāo)注有更成熟的規(guī)范、準(zhǔn)確率更高的技術(shù)和更大的標(biāo)注規(guī)模。句法標(biāo)注的主要困難在于，沒(méi)有一個(gè)真正成熟的語(yǔ)法或語(yǔ)義標(biāo)注模型。句法結(jié)構(gòu)尤其是語(yǔ)義結(jié)構(gòu)很難統(tǒng)一描述，現(xiàn)有的句法理論還不完善，難以制定統(tǒng)一規(guī)范，標(biāo)注主觀性很大，自動(dòng)標(biāo)注準(zhǔn)確率比較低。因此，句法標(biāo)注成了語(yǔ)料標(biāo)注的瓶頸問(wèn)題。由于句法知識(shí)在語(yǔ)言知識(shí)中的重要地位，有理由相信：如果有了大規(guī)模、高質(zhì)量的句法標(biāo)注語(yǔ)料庫(kù)，圍繞語(yǔ)料庫(kù)的各種研究和應(yīng)用有可能在現(xiàn)有基礎(chǔ)上產(chǎn)生質(zhì)的飛躍。因此，研究句法標(biāo)注模型應(yīng)是當(dāng)務(wù)之急。語(yǔ)料庫(kù)語(yǔ)言學(xué)屬于交叉學(xué)科，句法標(biāo)注模型是語(yǔ)料庫(kù)語(yǔ)言學(xué)的基礎(chǔ)理論，又與語(yǔ)言學(xué)的句法理論密切相關(guān)。一方面可以借鑒現(xiàn)有句法理論，另一方面，也可以從語(yǔ)料庫(kù)語(yǔ)言學(xué)的角度研究句法，提出新的句法標(biāo)注模型。

　　二、現(xiàn)有句法標(biāo)注模型

　　句法標(biāo)注(Syntax Tagging，ST)以句子的語(yǔ)法知識(shí)和語(yǔ)義知識(shí)為標(biāo)注對(duì)象，是語(yǔ)料標(biāo)注的重點(diǎn)、難點(diǎn)所在，要以一定的語(yǔ)法理論為基礎(chǔ)。根據(jù)語(yǔ)法理論制定的句法標(biāo)注規(guī)則、過(guò)程和結(jié)果，稱(chēng)為句法標(biāo)注模型(Syntax Tagging Model，STM)。短語(yǔ)結(jié)構(gòu)語(yǔ)法(PhraseStructure Grammar，PSG)和依存語(yǔ)法(DependencyGrammar，DG)是現(xiàn)有句法標(biāo)注的兩種基礎(chǔ)語(yǔ)法理論，彼此卻有很大的不同�；�于PSG的句法標(biāo)注模型稱(chēng)為短語(yǔ)結(jié)構(gòu)句法標(biāo)注模型(PSG—based Tagging Mod—el，PSGTM)，基于DG的句法標(biāo)注模型稱(chēng)為依存句法標(biāo)注模型(DG—based Tagging Model，DGTM)。根據(jù)現(xiàn)有語(yǔ)料標(biāo)注的實(shí)踐結(jié)果來(lái)看，PSGTM與DGTM都存在一定缺陷。

　　美國(guó)語(yǔ)言學(xué)家喬姆斯基(Noam Chomsky)于1957年出版專(zhuān)著《句法結(jié)構(gòu)》，從而奠定了短語(yǔ)結(jié)構(gòu)語(yǔ)法(PSG)的理論基礎(chǔ)。其后發(fā)展起來(lái)的許多語(yǔ)法理論可以直接或間接歸到這一流派，如中心詞驅(qū)動(dòng)的短語(yǔ)結(jié)構(gòu)語(yǔ)法(HPSG)、廣義短語(yǔ)結(jié)構(gòu)語(yǔ)法(GPSG)等。到目前為止，PSG仍然是最重要的句法標(biāo)注基礎(chǔ)理論，為世界上眾多語(yǔ)料庫(kù)項(xiàng)目所采用和發(fā)展。法國(guó)語(yǔ)言學(xué)家特思尼耶爾(Lucien Tesnire)于1959年出版專(zhuān)著《結(jié)構(gòu)句法基礎(chǔ)》，從而奠定了依存語(yǔ)法(DG)的理論基礎(chǔ)。其后發(fā)展起來(lái)的許多語(yǔ)法理論可以直接或間接歸到這一流派，如詞匯依存語(yǔ)法(WD)、概念依存理論(cD)、核心依存理論(KD)等。相對(duì)PSG而言，DG偏重于語(yǔ)義，在CD、KD上表現(xiàn)得十分明顯。另外，DG更簡(jiǎn)潔、直觀、經(jīng)濟(jì)，適應(yīng)性更強(qiáng)，因此反而有后來(lái)居上之勢(shì)，目前已經(jīng)成為世界上較為通用的句法標(biāo)注基礎(chǔ)理論。不過(guò)，在具體的句法標(biāo)注實(shí)踐中DGTM還是暴露出一些問(wèn)題，“對(duì)一些沒(méi)有明確依存關(guān)系的成分，標(biāo)注起來(lái)則有些力不從心”，存在“依存失敗”現(xiàn)象，最突出的是難以標(biāo)注缺省結(jié)構(gòu)。缺省結(jié)構(gòu)一直是句法標(biāo)注中經(jīng)常出現(xiàn)而且很難解決的問(wèn)題。

【新的句法標(biāo)注模型探索】相關(guān)文章：

05-31

04-02

05-15

05-17

08-29

05-29

06-08

05-03

03-22

12-27