树库中的歧义组合考察

树 库 中 的歧义 组 合 考察
李 艳 娇 ， 尔 弘 杨
（ 京 语 言 大学 应 用 语 言学 研 究 所 ， 京 １ ０ ８ ） 北 北 ０ ０ ３ 摘 要 ： 语 树 库 是 汉语 信 息 处 理 的 宝 贵 资 源 ， 中 包含 了丰 富 的 句子 结 构 及 成 分 组 合 信 息 ， 树 库 中的 词 性 串组 汉 其 对
平台； 次 ， 其 它能 为汉语 句法 学研 究提供 真实 文本 标 注 素材 ， 于语言 学家从 中总结语 言规则 和规律 ； 便 第 三 ， 是进一 步进 行 句 子 内部 的词 语 义 项 和语 义 关 它 系标 注 的基 础 。 Ｊ”
环 境 的句 法信 息作 用甚 小 。 《 语 短 语 结 构 定 界 歧 义 类 型 分 析 及 分 布 统 汉 计 》２ Ｌ 一文 在一 个 汉英 机 器 翻 译 系 统所 用 的 汉语 分 ］ 析 规则 的基础 上 ， 对汉 语 短 语 结构 的定 界 歧 义 做 了
６２ Ｏ４ ３ ８ ．
２９ ５５ ５ ．７
１ ０１ ． ％
Ｏ Ｏ
ｖ ＋ｎ ４ ２ １ Ｏ ６ ０ ＋ｖ ６ ２ ２ ．
ｖ ｎ Ｖ ２６ ｌ ９ ４ ． ＋ ＋ ９ ３ ７ ０
ｎ ｎ Ｖ ２７ ２ ９ ８ ． ＋ ＋ ６ ２ ５ ８
Ｖ— ａ— 丁 ｒｎ ＿ ２６ １ ８ ３ ．７
性 序列 组合 方式 的统 计 ， 发现 汉 语 中的歧 义 组 合 很
收 稿 日期 ：２ １ － ９ １ 定 稿 日期 ：２ １ — ２ ２ ０ １０ — ５ ０ １１—８
基 金项 目 ：“ 央高 校 基 本 科 研 业 务 费 专 项 资 金 ” 助 中 资
作 者 简 介 ： 艳 娇 （ ９ ６ ） 女 ， 士 ， 要 研 究 方 向为 语 言 信 息 处 理 ； 尔 弘 （９ ５ ） 女 ， 授 ， 要 研 究 方 向 为 语 言 信 李 １８ ～ ， 硕 主 杨 １６一 ， 教 主
年 问完成 了 １ ０万 词 的建 设 。本文所 使用 的语 料是 ０ ＴＣ 中 经 过 人 ＿ 校 对 的 １ ０个 文 件 ， ７０ ３个 Ｔ Ｔ ＝ ５ 共 ６
句子。 ２ ２ 考 察 对 象 ．
Ｖｔｎ丁ｎ ７ ６ １ ３ １ ． — — ８ ５ ９ ５ ＿ ＿
ｎ＋ Ｖ＋ ｎ ５ ０ ２３ ４４ ３ ５ ．３
关键 词 ： 义组 合 ； 义 关 系； 库 歧 语 树 中图 分 类 号 ： Ｐ ９ Ｔ ３１ 文献 标 识 码 ：Ａ
Ａ ｔ ｄ ｆＡｍ ｂ ｇ ｏ ｓＣｏ ｂ ｎａ ｉ ｎｓｉ ｅ ｂ ｎ Ｓｕ ｙｏ ｉ ｕ ｕ ｍ ｉ ｔｏ ｎ Ｔｒ ｅ ａ ｋ Ｌ ｎｉｏ ＩＹａ ｊ ，ＹＡＮＧ ｒ ｏ ｇ ａ Ｅｈｎ
３ ２ห้องสมุดไป่ตู้４ ０％ ４ ７ ．
１ ６ ５ ． ％ ５ ２ ７
３ １ ． ８ ４２
２ ９６ ０８ ．３
Ｏ Ｏ
１ ０３ ．
Ｏ Ｏ
Ｏ Ｏ
名词 、 动词 、 容 词 是汉 语 的 三 大词 类 ， 华 树 形 清 库 中名词 、 动词 、 容 词共 有 １ 形 ４种 不 同的标 记 符 号 （ 括小类 ） 包 。本文 主 要 考察 名 词 、 词 、 容 词 （ 动 形 包 括 小类 ） 连 续 线性 序 列 上 的组 合 情 况 ， ２ （ 。 在 共 ７ ３） 种 。具 体方 法是 ， 连 续 出现 的三 个 词 串 （ 词 ｎ 将 名 、
全 面考察 ， 从歧 义格 式 的组成 成分 ， 义 对外造 成 的 歧 影 响 ， 式歧 义和 实例 歧 义 的对应 关 系三 方 面 考察 模 了短语结 构 定界歧 义 的不 同类 型 ， 并对 汉 语 短语 结
构 定界歧 义 的不 同类 型 进 行 了初 步 统 计 ， 以期 对 汉 语 短语 结构 定界歧 义 问题做 清 晰化 的描 述 。至于 一
ｂ ｓｃｗｏ ｋ ｆ ｒｔ ｅ ｅ ｆ ｃｉ ｅ ｕ ｅ ｏ ｒ ｅ ａ ｋ ｉ ｆ ｒ ｔｏ ．Ｔｈ ｓ ｐ ｐ ｒ ｉ ｖ ｓ ｉ ａ ｅ ｈ ｍｂ ｇ ｏ ｓ ｃ ｍｂ ｎ ｔｏ ｎ Ｃｈ — ａ ｉ ｒ ｏ ｈ ｆｅ ｔｖ ｓ ｆ ｅ ｂ ｎ ｎ ｏ ｍａ ｉｎ ｔ ｉ ａ ｅ ｎ ｅ ｔ ｔ ｓｔ ｅ ａ ｉ ｕ ｕ ｏ ｉ ａ ｉ ｎ ｉ ｉ ｇ ｎ ｓ ｅ ｂ ｎ ｅ ｅ Ｔｒ ｅ ａ ｋ，ｒ ｖ ａｉ ｇ ｔ ａ ｒ ｅ ｙ ｒ ｑ ｉｅ ｅ ｎ ｉ ｅ ｔ ｒ Ｏ ｒ ｓ ｌ ｅｔ ｅａ ｉ ｕ ｕ ｏ ｉ ａ ｉ ｎ ａ ｄ ｓ ｒ ｃ ｕ ｅ ｅ ｅ ｌ ｈ ｔｉ ｌ ｇ ｌ ｅ ｕ ｒ ｓｓ ｍａ ｔｃｆ ａ ｕ ｅ ｔ ｅ ｏ ｖ ｈ ｍｂ ｇ ｏ ｓｃ ｍｂ ｎ ｔｏ ｎ ｔｕ ｔ ｒ ｎ ｔａ ｉ ｉ ｅ ｅ ｎ ａ ｏ ｅ ｓ ｌ ｅ ｉ ｌ ｙ ｇ ａ ｎ Ｃｈ ｎ ｓ ，ａ ｄ ｃ ｎ ｎ ｔｂ ｏ ｖ ｄ ｓｍｐ ｙ ｂ ｒ ｍｍａ ｉａ ｅ ｔ ｒ ｓ （ ｕ ｈ ａ ｔ ｌ ａ ｕ ｅ ｓ ｃ ｓＰＯＳ ｉ ｆ ｒ ｔ ｎ ｆｗｏ ｄ ． ｃ ｆ ｏ ｍａ ｉ ）ｏ ｒ ｓ ｎ ｏ Ｋｅ ｒ ｓ ｍｂ ｇ ｏ ｓ ｃ ｍｂ ｎ ｔ ｎ ；ｓ ｍａ ｔｃ ｒ ｌｔｏ ｓ ｒ ｅ ａ ｋ ｙ ｗｏ ｄ ：ａ ｉ ｕ ｕ ｏ ｉａ ｉ ｓ ｅ ｎ ｉ ｅａ ｉｎ ；ｔ ｅ ｂ ｎ ｏ
息 处理 。
２ ４
中 文 信 息 学 报
词 连续 出现 ， 若词 性 相 同 ， 直 接组 合 成 一 个 整 体 、 则
２ 基 于 树 库 的 考 察
２ １ 语 料 说 明 ．
构 成并 列成 分的 可能性 会更 大 。
表 １ 十 种 模 式 的 组 合 情 况 不 同 的组 合 方 式 实 例 总 数 ａ ＥＡＢ ３ ｂ Ｅ Ｂ ￣ ｃＥ ３ ． Ｅ ￣Ｃ ． Ａ Ｅ Ｃ ］ ． Ａ Ｂ ｃ 数 量 分 比 量 分 比 量 分 比 百 数 百 数 百
ａ ｎ ｎ ＋ ＋ １ Ｏ ｌ ３ ６ ． ８ ２ ８ ３
ｖ—－ ＋ Ｖ ＋Ｖ １ ４２ １ ３ ９ ．２
５ ３ ． ７ １７
１ ９ ８３ １ ．８
０ Ｏ
１ Ｏ ７ ．０
ａ＋ Ｖ＋ ｎ ｌ Ｏ ３
２ １ ．２ １ ６
１ ８３ Ｏ９ ．８
据本 身的词 性 序列 是 可 以化 解 掉 的 ， “ ＋ ｖ ｎ 如 ｎ ＋ ”
是 ／ Ｃ Ｅ ｐＤ ｎ — Ｚ Ｅ ｐＤ ｖ ｎ — ＺＥ ｐＤ ｎ — Ｚ我 ／Ｎ 国／ ｒ ｎ］人 民／
ｎ］Ｅ ｐＤ ｎ — Ｚ长期／ ｎ的／ ｎ — Ｚ共 同／ ｕｒ ｐＤ ａ愿 望／ ｎ］］
大 程度上 要靠 词语 内部 的语 义关 系 来 化解 ， 下文 上
１ 引 言
树 库作 为 包 含语 言 结 构信 息 的资 源 ， 价 值 与 其 作 用得 到 了人 们 的肯定 。“ 先 ， 首 它可 为基 于统计 的 自动句 法分 析器提 供必 要 的训 练 数据 和统一 的测 评
合进 行 考 察 ， 有 效 利 用 树 库 信 息 的 基 础 工 作 。该 文 对 汉 语 树 库 中的 歧 义 组 合 进 行 考 察 ， 现 汉 语 中 的 结 构 歧 义 是 发 很 大 程度 上要 靠 词 语 的 语 义 特征 来 消 解 ， 仅 依 靠词 语 的 语 法特 征 （ 词 类 信 息 ） 无 法解 决 的 。 仅 如 是
ｎ＋ ｎ＋ ｎ ９１ ７ ５ ６１ ４ ９６ ． ３ ３５ ４５ ．５ ３ Ｏ ３．１
清 华 大 学 树 库 （ ｉｇ ｕ ｈｎ ｓ ｅ—ａ ｋ Ｔｓ ｈ ａＣ ｉｅｅＴｒｅｂ ｎ ， ｎ
模 式
Ｔ Ｔ） 国 内第 一 个 大 规 模 汉 语 树 库 ， 是 一 个 标 Ｃ 是 也 注信 息最 丰 富 的短 语 结 构 树 库＿ 。１ ９ ３ ９ ８年 到 ２ ０ ］ ０２
Ｏ Ｏ
动 词 ｖ 形 容词 ａ的任 意 组合 ） 取 出来 ， 后 匹配 、 提 然
出三个词 直 接组合 在 一 起 的实 例 ， 实 例 数 量排 在 将 前 十位 的模式 作为 本 文 的考 察 对 象 （ 文 一 些具 体 下
的标注符 号请 参见 相关规 范 ４ 。 刮）
２ ３ 考 察 结 果 与 分 析 ．
该 文没 有 做 统 计 。而 本 文 是 在 大 规 模 树 库 的基 础
统 计 的训练模 型 主要利 用 的是一 种结构 在 特定环 境
中的概 率分 布知识 。本 文通 过对 树库语 料 中三元 词
上， 根据 具体 的实 例来 统计组 合歧 义模 式 ， 同于 上 不
文 的角度 ， 好形成 有 益 的补 充 。 正
会 出现 。
三个连 续 出现的词 串， 能组 合在 一起 ， 可 能 可 也
不 组合 在一 起 ， 如 ， 回／ 例 收 ｖ澳 门／ Ｓ ， ，… … ， ， ｎ ／ ／
以上就 是十 种模式 的 总体情 况 。在后续 进一 步 的考察 中发 现 ， 些情 况下 ， 有 同种模 式 的不 同组合 根
第２卷 ６
第 ２ 期
中文信 息学报
Ｊ ＯＵ ＲＮＡＬ ＯＦ ＣＨＩ ＮＥＳ Ｉ ＯＲＭ ＡＴＩ Ｅ ＮＦ ＯＮ ＲＯＣＥＳ Ｉ Ｐ Ｓ ＮＧ
Ｖｏ ． ２ １ ６，ＮＯ ２ ．
Ｍａ． ２ ２ ｒ ． Ｏ１
２１ ０ ２年 ３月
文 章 编 号 ：１ ０ －０ ７ ２ １ ） ２０ ２ —５ ０ ３０ ７ （ ０ ２ ０ —０ ３０
组合歧 义是 指一个 句法 结构 可 以对 应 多种组 合 方式 ， 即对应 多棵 树 。对于计 算 机而 言 ， 在多个 结 要
构 中选 择一 个合适 的句 法结 构 ， 要各 种知 识 ， 常 需 通
个 歧义 格式 跟具体 歧 义 实 例 的对 应 关 系 ， 由于 要 跟 实 际语料 使 用相 印证 ， 需要 大规模 树库 的支持 ， 以 所
此外， 十种模 式 在不 同 的组 合方 式 上 也 有 不 同 的组合 倾 向 ， ｎ 如“ ＋ｎ ” ＋ｖ 更倾 向于 ａ式组合 ，ｖ “ ＋ａ ＋ｎ 更 倾 向于 ｂ式 组合 ， 式组 合 有 一定 的特 殊性 ， ” Ｃ 需 要 的条件 较严格 ， 只有 少 数 模 式 在特 定 情 况 下 才
（ｎ ｔｔ ｔ ｆＡｐ ｌ ｄ Ｌｉｇ ｉｔｃ ，Ｂｅ ｉｇ Ｌａ ｇ ａ ｅａ ｄ Ｃｕｔ ｒ ｉｅｓｔ Ｉ ｓｉｕｅｏ ｐｉ ｎ ｕｓｉｓ ｅ ｉｎ ｎ ｕ ｇ ｎ ｌｕ ｅＵｎｖ ｒ ｉ ｉ ｙ，Ｂ ｉｎ ０ ０ ３ ｅｊ ｇ １ ０ ８ ，Ｃｈｎ ） ｉ ｉａ
Ａｂ ｔ ａ ｔ ｓｒ ｃ ：Ｃｈｉｅ ｅ Ｔｒ ｅ ｎｋ ａ ｎｄ ｏｆｖ ｌ ａ ｅ ｒ ｓ ｎ ｓ ｅ ｂａ ｓ ａ ｋｉ ａ ｕ ｂｌ ｅ ｏｕｒ ｅｉ ｃ ｎ Ｃｈｉ ｓ ｎ ｏｒ ａ ｉ ｏｃ ｓ ｉ ｎｃｕ ｓ ｒｃ ｉ ｆ ｍ ａ ｎｅ ｅＩ ｆ ｍ ｔｏｎ Ｐｒ ｅ ｓｎｇ ｉ ｌｄｅ ｉｈ ｎ ｏｒ — ｔｏ ｎ ｔ ｅ ｅ ｅ ｓ ｒ ｃ ｕｒ ｎｄ ｔ ｏ ｔｔ ｉｎ ｏ ｈｅ ｓ ｎｔ ｎｃ ｔ ｕ ｔ ｅ ａ ｈｅ ｃ ｎｓ ｉｕｎｅ ｔ ｃ ｂ ｎ ｔｏ ｎ ｏｍ ｉ ａ ｉ ｎ． Ａ ｔ ｓｕｄｙ ｏｎ ｔ ｅ ｃ ｂ ｎ ｔｏｎ ｏ ｈ ｏｍ ｉ ａ ｉ ｆＰＯＳ ｔ ｉ ｓ ｓ ｔ ｓ ｒｎｇ ｉ ｈｅ