語法信息與韻律結(jié)構(gòu)的分析與預(yù)測

王永鑫，蔡蓮紅

(清華大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)系，北京 100084)

1 引言

高自然度和高表現(xiàn)力的語音合成離不開韻律預(yù)測。韻律是指語音的超音段特征，是從語音所抽象出的節(jié)律、重音和語調(diào)特性，在感知上表現(xiàn)為語音的音高、速度和音量隨時(shí)間的變化，在聲學(xué)參數(shù)上的表現(xiàn)為基頻、音段時(shí)長和能量隨時(shí)間的變化。此外韻律還是言語的自然屬性和固有特征，隱含了語法、語義、語用等多種語言功能。它不僅體現(xiàn)了說話人對文字的表達(dá)和理解，還反映說話人的態(tài)度、期望、情緒等高層信息。連續(xù)語流中一個重要的現(xiàn)象就是韻律層級結(jié)構(gòu)的存在。韻律結(jié)構(gòu)之間在感知上存在著邊界，這種邊界對應(yīng)的聲學(xué)表現(xiàn)可能是停頓、音高曲線的變化以及邊界之前的音段延長。漢語韻律結(jié)構(gòu)主要包含韻律詞、韻律短語、語調(diào)短語三個層次。

為了實(shí)現(xiàn)更加自然的韻律預(yù)測，首先要得到更加準(zhǔn)確的韻律結(jié)構(gòu)?，F(xiàn)在對韻律結(jié)構(gòu)進(jìn)行預(yù)測，主要是基于語句的詞法信息，如詞性、詞長等[1～6]，也有研究者使用語法樹、語法短語等特征[7]。在這些研究中，有些使用從錄音語料得到的韻律標(biāo)注，語料規(guī)模從1 000句到6 000句不等[1～8]。使用從錄音標(biāo)注得到的語料庫，可以得到自然語音中的韻律短語結(jié)構(gòu)，但是由于錄音、標(biāo)注的過程比較復(fù)雜，使用錄音語料通常語料庫的規(guī)模比較小。也有研究者使用通過文本標(biāo)注的方式得到的語料庫。由文本直接標(biāo)注時(shí)標(biāo)注過程可以得到簡化，從而可以得到規(guī)模比較大的語料庫[2，6]，覆蓋更加廣泛的韻律現(xiàn)象。

現(xiàn)在的韻律結(jié)構(gòu)預(yù)測多數(shù)是從語法信息出發(fā)對句子的韻律結(jié)構(gòu)進(jìn)行預(yù)測。在韻律預(yù)測的研究中，研究者通常比較關(guān)心預(yù)測所使用的特征與算法，以提高預(yù)測的準(zhǔn)確率。如果可以對語法與韻律的關(guān)系進(jìn)行分析，得到漢語韻律結(jié)構(gòu)的生成特點(diǎn)，可以加深對漢語韻律結(jié)構(gòu)的了解，為韻律預(yù)測技術(shù)的發(fā)展提供支持。

本文通過人工標(biāo)注建立了一個含有十萬句新聞文本的漢語韻律語料庫。通過在標(biāo)注過程中制定詳細(xì)的標(biāo)注規(guī)范和對標(biāo)注者長時(shí)間的訓(xùn)練保證標(biāo)注結(jié)果的一致性和正確性。在這一語料庫的基礎(chǔ)上，基于語料庫中語法信息的標(biāo)注對韻律結(jié)構(gòu)的組成進(jìn)行了分析，并在這一大語料庫的基礎(chǔ)上進(jìn)行了韻律預(yù)測的試驗(yàn)。通過分析與試驗(yàn)，發(fā)現(xiàn)通過語法信息進(jìn)行韻律結(jié)構(gòu)預(yù)測可以得到較好的效果。但是同時(shí)也發(fā)現(xiàn)，韻律結(jié)構(gòu)除了與語法信息有關(guān)之外，還會受到語義的影響，要進(jìn)一步提高韻律預(yù)測的準(zhǔn)確性，需要對韻律與語義的相互關(guān)系進(jìn)行研究。

2 漢語的韻律結(jié)構(gòu)

本文關(guān)注漢語韻律結(jié)構(gòu)中的韻律詞、韻律短語、語調(diào)短語。較小的韻律成分包含在更大的韻律成分中，由此形成了一個層級結(jié)構(gòu)。

韻律詞是語流中節(jié)律的基本單位也是語音—語法界面上的基本單位。在韻律詞內(nèi)部沒有靜音段，在韻律詞邊界處停頓不是必須的。從語音上來說，韻律詞總是作為一個音步出現(xiàn)，即內(nèi)部只有一個連調(diào)域，不會出現(xiàn)韻律分界現(xiàn)象。漢語的標(biāo)準(zhǔn)音步是兩個音節(jié)，單音節(jié)音步是退化音步，三音節(jié)音步是超音步，實(shí)驗(yàn)觀察發(fā)現(xiàn)絕大多數(shù)的韻律詞為2～3個音節(jié)。包括輕聲的韻律詞可能延長到4～5個音節(jié)。

韻律短語由一個或幾個韻律詞組成，是介乎韻律詞和語調(diào)短語之間的韻律單位，邊界表現(xiàn)為能感知到的停頓。韻律短語具有相對穩(wěn)定的短語調(diào)模式和短語重音配置模式[9]。韻律短語的長度與語速關(guān)系很大，當(dāng)語速快的時(shí)候韻律短語也會相應(yīng)變得更長。通常韻律短語為7個音節(jié)左右，一般最長為9～10個音節(jié)。語調(diào)短語相當(dāng)于語法上較短的子句，是音系規(guī)則作用在句子層面上的轄域[9]。其邊界主要服從于語義，通常出現(xiàn)在比較完整的語義成分之后。在實(shí)際應(yīng)用中，往往將句子中的某些標(biāo)點(diǎn)直接作為語調(diào)短語邊界的標(biāo)志。

在語音合成應(yīng)用中，通常更關(guān)心韻律詞與韻律短語邊界，而使用標(biāo)點(diǎn)作為語調(diào)短語邊界的標(biāo)志。本文中也將對韻律詞邊界與韻律短語邊界進(jìn)行考察。

3 具有語法信息與韻律結(jié)構(gòu)標(biāo)注的語料庫

為了可以得到更準(zhǔn)確的韻律結(jié)構(gòu)預(yù)測結(jié)果，從而提高合成語音的質(zhì)量，現(xiàn)在的韻律結(jié)構(gòu)預(yù)測多使用機(jī)器學(xué)習(xí)的方法，從句子的語法信息出發(fā)對韻律結(jié)構(gòu)進(jìn)行預(yù)測。建立一個大規(guī)模的同時(shí)具有語法信息與韻律結(jié)構(gòu)標(biāo)注的語料庫不但有助于對漢語的韻律結(jié)構(gòu)進(jìn)行進(jìn)一步的分析，加深對漢語韻律結(jié)構(gòu)組成規(guī)律的認(rèn)識，還可以提高韻律結(jié)構(gòu)預(yù)測的準(zhǔn)確性。

3.1 原始文本與標(biāo)注過程

本文標(biāo)注的原始文本來自2001年全年的《人民日報(bào)》。北京大學(xué)自然語言處理實(shí)驗(yàn)室對其進(jìn)行了語法分詞與詞性標(biāo)注[10]。本文隨機(jī)抽取十萬句語料，從文本上直接進(jìn)行韻律結(jié)構(gòu)的標(biāo)注。在文本上直接標(biāo)記韻律結(jié)構(gòu)，需要標(biāo)注人根據(jù)自己對句子的讀法對句子的韻律結(jié)構(gòu)進(jìn)行標(biāo)注。這樣可以加快標(biāo)注速度，并可以通過標(biāo)注人之間對標(biāo)注規(guī)則的探討保證標(biāo)注結(jié)果的一致性。

本文選用三位標(biāo)注人(大學(xué)學(xué)歷)。首先在專家的指導(dǎo)下對標(biāo)注人進(jìn)行為期三個月的訓(xùn)練。三名標(biāo)注人共同標(biāo)注了一萬個語句，在標(biāo)注過程中反復(fù)比較異同，指出錯誤，討論問題，共同理解語法結(jié)構(gòu)與韻律結(jié)構(gòu)在語言表達(dá)中的作用與不同、韻律詞與韻律短語的生成原則、語法、語義對韻律的約束原則。要求他們排除個人朗讀習(xí)慣對標(biāo)注的不良影響。實(shí)驗(yàn)表明僅依據(jù)少數(shù)規(guī)則和語法信息，標(biāo)注人能夠很好地把握韻律詞劃分粒度，三位標(biāo)注人韻律詞邊界劃分的一致性達(dá)到97%。韻律短語邊界劃分的一致性為86%。經(jīng)過分析我們發(fā)現(xiàn)，韻律短語劃分的不一致主要是由于韻律短語本身的靈活性導(dǎo)致，各份標(biāo)注結(jié)果均無明顯的錯誤?？梢姌?biāo)注人依據(jù)對句子語法、語義和韻律的理解能夠較準(zhǔn)確地分辨出句子的韻律結(jié)構(gòu)。在訓(xùn)練的基礎(chǔ)上，由兩位標(biāo)注一致性比較高的標(biāo)注人分別標(biāo)注了其余九萬句語料，抽查結(jié)果表明，標(biāo)注的一致性很高。

3.2 語料庫與標(biāo)注結(jié)果

在標(biāo)注完成的九萬句語料中，語法詞的平均長度為1.77個漢字，韻律詞的平均長度為2.21個漢字，韻律短語的平均長度為5.61個漢字。語法詞、韻律詞、韻律短語長度的詳細(xì)分布情況如圖1所示。

圖1 語法詞、韻律詞與韻律短語的長度分布

從圖1可以看到，漢語中存在大量的單音節(jié)語法詞，但韻律詞的長度以兩個音節(jié)為主，單音節(jié)韻律詞的數(shù)量很少。同時(shí)，四字及以上的多音節(jié)韻律詞的數(shù)量也很少。事實(shí)上，在由語法詞生成韻律詞過程中，大多數(shù)單音節(jié)語法詞都會和他前面或后面的語法詞合并生成韻律詞，而兩個音節(jié)以上的語法詞除了可以和單音節(jié)語法詞合并之外，很少和其他的語法詞合并成為韻律詞。這完全符合漢語的標(biāo)準(zhǔn)音步為兩個音節(jié)，單音節(jié)詞只在極少數(shù)情況下成為一個韻律詞[9]的規(guī)律。

在標(biāo)注結(jié)果中，韻律短語的長度一般為四到九個音節(jié)。其中，四個字韻律短語出現(xiàn)最多，接近韻律短語總數(shù)的四分之一，而七到九個字的長韻律短語則相對比較少。這是因?yàn)楸疚牡捻嵚啥陶Z標(biāo)注粒度較細(xì)，同時(shí)漢語文本中存在大量的四音節(jié)結(jié)構(gòu)?？紤]到漢語的長短語內(nèi)部大多包含多個小短語，在人工標(biāo)注中，本文傾向于將它們劃分開來，為下階段的韻律預(yù)測提供便利。另外，標(biāo)注結(jié)果中單音節(jié)韻律短語的數(shù)量極少，因?yàn)閱我艄?jié)韻律短語基本只出現(xiàn)于單字句中。十音節(jié)及以上的韻律短語也屬于特殊情況，多半包含了結(jié)構(gòu)助詞“的”或連詞“和”之類本身帶有分界信息的成分。

4 韻律結(jié)構(gòu)分析

漢語韻律結(jié)構(gòu)與語法結(jié)構(gòu)雖然不同，但是存在著一定的關(guān)系。這也是從語法信息預(yù)測韻律結(jié)構(gòu)的基礎(chǔ)。通過對標(biāo)注語料庫的分析，可以揭示韻律結(jié)構(gòu)與語法信息的關(guān)系。

在進(jìn)行韻律結(jié)構(gòu)劃分的時(shí)候，可以認(rèn)為所有的韻律詞邊界都出現(xiàn)在語法詞邊界處。在實(shí)際語料中，會出現(xiàn)四個音節(jié)以上的語法詞。這些語法詞應(yīng)該被切分為多個韻律詞。但是，由于這樣的語法詞數(shù)量非常少，僅占語法詞總數(shù)的0.7%，因而可以暫時(shí)認(rèn)為這些語法詞獨(dú)立成為韻律詞，這樣可以極大的簡化標(biāo)注與分析過程。

漢語韻律結(jié)構(gòu)劃分中韻律組詞的過程，實(shí)際上是單音節(jié)語法詞與其他語法詞組合生成韻律詞的過程。在標(biāo)注語料庫中，單音節(jié)韻律詞的數(shù)量僅為單音節(jié)語法詞的24.2%，即75.8%的單音節(jié)語法詞通過合并生成了韻律詞。而任何兩個非單音節(jié)語法詞合并都會導(dǎo)致韻律詞長度達(dá)到或超過四音節(jié)，突破韻律詞的詞長限制，因而是不可能出現(xiàn)的。連續(xù)的單音節(jié)語法詞出現(xiàn)時(shí)，它們總是會互相合并生成韻律詞。連續(xù)的單音節(jié)韻律詞出現(xiàn)很少，在九萬句語料庫中僅出現(xiàn)了4 881例。

在單音節(jié)語法詞與其他語法詞合并時(shí)，根據(jù)具體語法詞的不同，會出現(xiàn)不同的合并規(guī)律。總的來說，但單音節(jié)語法詞與雙音節(jié)語法詞合并時(shí)，傾向與附著在雙音節(jié)語法詞之后。在由兩個語法詞組成的三音節(jié)韻律詞中，“雙音節(jié)+單音節(jié)”結(jié)構(gòu)的數(shù)量，是“單音節(jié)+雙音節(jié)”結(jié)構(gòu)的2.5倍。輕聲的單音節(jié)語法詞總是和它前面的語法詞合并生成韻律詞。比較典型的如“的”、“著”、“了”等。這些語法詞在標(biāo)注語料庫中，與前一語法詞合并的比例都為100%。

在語料中出現(xiàn)的單音節(jié)語法詞中，助詞所占的比例最大，其次是介詞、動詞和連詞。助詞、介詞與連詞由于不是實(shí)詞，會更傾向與黏附在其他詞上。因而本文重點(diǎn)考察了這些詞類對韻律結(jié)構(gòu)生成的影響。

助詞沒有自己的實(shí)體意義，在語流中也不會重讀，有很多的輕聲詞。助詞通常用于協(xié)助前詞形成一定的語法成分，因而，助詞通常都會與前詞結(jié)合生成韻律詞。在標(biāo)注語料中，助詞與前詞結(jié)合的比例占到了94.2%。

連詞可以分為并列連詞與非并列連詞。并列連詞用于連接前后兩個并列的成分，實(shí)際上無論在語法與語義上與前后詞都沒有非常緊密的聯(lián)系。因而，單音節(jié)并列連詞只有在前后成分僅含有一個音節(jié)時(shí)才會與其合并，多數(shù)情況下都獨(dú)立的形成韻律詞。但相對來講，并列連詞與后詞的聯(lián)系更加緊密，因而通常在詞前會比詞后有更高等級的停頓。

以連詞中出現(xiàn)次數(shù)最多的“和”為例?！昂汀彼B接的成分通常比較長，因而獨(dú)立形成韻律詞的趨勢比較明顯。56.9%的“和”前都有一個韻律短語邊界，并且獨(dú)立形成一個韻律詞。另有30.5%前后各有一個韻律詞邊界。總的來講，“和”獨(dú)立形成韻律詞的比例達(dá)到了87.5%。“和”字向前合并一共出現(xiàn)了0.8%，而向后合并的情況也只有11.8%。從上面的結(jié)果中可以看到，并列連詞在語音上并不輕讀，可以獲得獨(dú)立形成韻律詞的資格，在語法上并列連詞只起到連接的作用，所以并不傾向與附著在某一方上，在語義上并列連詞用于引出下一個并列成分，因而與下一成分的關(guān)系要相對更緊密一些。與“和”相比，“與”所連接的成分相對較短，因而其周圍韻律短語邊界出現(xiàn)比較少，僅有33.4%，而兩邊均為韻律詞邊界的情況達(dá)到了42.1%。它與前后詞合并的比例都有所增加，但總的來看，獨(dú)立形成韻律詞的趨勢還是比較明顯的。

非并列連詞的韻律構(gòu)成上的表現(xiàn)與并列連詞就有很大的不同。當(dāng)連詞所連接的兩個成分的地位不相同時(shí)，連詞要引出其后的成分，并指明兩者之間的關(guān)系。此時(shí)連詞與其后的成分連接更加緊密。同時(shí)，非并列連詞所連接的通常并不是詞語，而是短句，因而連詞之前會有更容易出現(xiàn)韻律短語邊界。以表示轉(zhuǎn)折的連詞“但”為例，它有99.5%的情況前面出現(xiàn)了韻律短語邊界。

漢語中，介詞與動詞的在韻律組詞的表現(xiàn)上比較類似，也比較復(fù)雜。介詞用于表示其后的詞的語法作用，他總是與其后的詞或詞組組成介詞短語，所以他與其后的詞有著自然的聯(lián)系。因此，當(dāng)介詞的賓語只有一個音節(jié)時(shí)，介詞與其賓語總是會合并形成一個韻律詞。

同時(shí)，單音節(jié)介詞與出現(xiàn)在它前面的單音節(jié)副詞或副詞作用的詞有很強(qiáng)的合并趨勢。副詞與介詞短語在句子中的語法地位是相同的，于是在介詞沒有單音節(jié)賓語時(shí)，單音節(jié)的副詞與引導(dǎo)介詞短語的單音節(jié)的介詞緊密的結(jié)合在一起，甚至形成了一種副詞+介詞組成的復(fù)合介詞的結(jié)構(gòu)。(如“省委/n /〈PW〉宣傳部/n /〈PPH〉也/d 于/p /〈PW〉 近日/t /〈PW〉召開/v /〈PPH〉新聞界/n /〈PW〉座談會/n”)在標(biāo)注語料中，單音節(jié)的副詞與介詞連續(xù)出現(xiàn)，合并的比例為94.5%。

介詞前可能存在其他介詞，此時(shí)兩個介詞的轄域雖然不同，但它們之間也可以合并成為韻律詞。(如“李/nrf 保東/nrg /〈PPH〉在/p 就/p /〈PW〉 少數(shù)/m 人/n /〈PW〉 權(quán)利/n /〈PW〉 議題/n /〈PPH〉 發(fā)言/vi 時(shí)/Ng /〈PW〉 說/v”)。

當(dāng)句子的主語是單音節(jié)詞時(shí)，介詞還可以附著在句子的主語之后。當(dāng)介詞的賓語比較長時(shí)，介詞與主語可以形成獨(dú)立的韻律短語。這種韻律結(jié)構(gòu)組成方式，與動詞很相似。從上面的分析也可以看到，在介詞的韻律組詞中，也要循序韻律約束(韻律結(jié)構(gòu)長度限制)、語法約束(介詞與前后詞的語法關(guān)系)等多種因素的限制，在它們的共同作用下形成句子的韻律結(jié)構(gòu)。

在由韻律詞生成韻律短語時(shí)，同樣需要同時(shí)考慮韻律、語法、語義等多方面的影響。與韻律詞的劃分相比，在韻律短語劃分時(shí)語義約束將起到更重要的作用。韻律短語的劃分要符合句子的語法結(jié)構(gòu)，因而，韻律短語邊界經(jīng)常出現(xiàn)在句子較高層次的語法邊界上，但由于韻律短語的劃分還要滿足長度的限制，因而不能總是完全按照語法結(jié)構(gòu)劃分。同時(shí)，韻律短語結(jié)構(gòu)對語義表達(dá)有更重要的作用，因而也要受到語義表達(dá)的約束。

5 自動預(yù)測試驗(yàn)

分析標(biāo)注語料庫可以發(fā)現(xiàn)韻律結(jié)構(gòu)與語法結(jié)構(gòu)雖然不同，但是存在著較多的聯(lián)系。因而從語法信息進(jìn)行韻律結(jié)構(gòu)的預(yù)測是可行的。本文在標(biāo)注語料庫的基礎(chǔ)上，進(jìn)行了韻律結(jié)構(gòu)自動標(biāo)注的試驗(yàn)。

試驗(yàn)中，使用兩名標(biāo)注人分別標(biāo)注的九萬句語料作為試驗(yàn)語料，并選取其中的一半作為訓(xùn)練集，一半作為測試集。對于語料中的每一個語法詞邊界，將該邊界前后各兩個語法詞，共四個語法詞的詞性與詞長信息組織成為一個八維的特征向量。對于詞性特征，使用文獻(xiàn)[10]中的詞性定義，詞長信息則分為單音節(jié)，雙音節(jié)，三音節(jié)，四音節(jié)及以上四個等級。對于位于句首與句尾的邊界，其前方或后方第二個語法詞不存在，在特征向量中使用特殊的標(biāo)記表示。同時(shí)標(biāo)點(diǎn)也被分別賦予了不同的詞性與詞長標(biāo)記。每個特征向量對應(yīng)的輸出為語法詞邊界、韻律詞邊界、韻律短語邊界三類。試驗(yàn)使用wagon決策樹進(jìn)行訓(xùn)練與預(yù)測。本文試驗(yàn)的預(yù)測結(jié)果與其他一些同類工作的預(yù)測結(jié)果如表1所示。

表1 韻律邊界預(yù)測結(jié)果比較

從對比結(jié)果可以看到，使用語法信息對韻律結(jié)構(gòu)進(jìn)行預(yù)測可以得到比較好的結(jié)果，特別是對韻律詞邊界預(yù)測，所得到的預(yù)測精度已經(jīng)比較高。但是在韻律短語預(yù)測方面，由于其劃分與語法結(jié)構(gòu)及語義有關(guān)，因而僅通過詞性等語法信息預(yù)測的精度還比較低。

雖然本文沒有使用復(fù)雜的預(yù)測算法，但是在一個標(biāo)注一致性比較好的大規(guī)模語料庫上，仍然取得了與其他工作類似的結(jié)果。一個大規(guī)模的語料庫可以包含更加豐富的韻律現(xiàn)象，可以更加真實(shí)的反映漢語韻律結(jié)構(gòu)的特點(diǎn)，從而從中得到的分析結(jié)果也更加真實(shí)可信。同時(shí)，本語料庫在建設(shè)過程中，通過對標(biāo)注人的訓(xùn)練，減小了韻律結(jié)構(gòu)劃分靈活性對韻律標(biāo)注的影響，在保證韻律結(jié)構(gòu)標(biāo)注正確的基礎(chǔ)上，提高了語料庫標(biāo)注的一致性。

6 語法及語義信息對韻律結(jié)構(gòu)的約束

語音、語義跟語法是人類語言中的幾個獨(dú)立又互相制約的平面。純語法理論已不再是漢語語法研究的唯一目標(biāo)，語音、韻律、語法等研究相互滲透。韻律預(yù)測是語音、語法和語義的一個非常好的結(jié)合點(diǎn)。韻律預(yù)測的發(fā)展歷程也是一個很好的例證。最初，韻律預(yù)測是基于機(jī)械式的語法分詞和規(guī)則處理；進(jìn)而引入語法信息，基于統(tǒng)計(jì)生成規(guī)則；目前基于人工標(biāo)注的大規(guī)模語料庫，引入語法和語義信息，再利用機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)韻律預(yù)測，取得了很好的結(jié)果。標(biāo)注人能根據(jù)對文字的理解，很好的平衡語音、語法和語義的關(guān)系，準(zhǔn)確地表達(dá)文字要表達(dá)的信息，但機(jī)器處理距離這一要求還有不小差距。例如：

語法分詞結(jié)果韻律切分結(jié)果走|法治|的|道路走△法治的道路練|體操|(zhì)的|經(jīng)歷練體操的△經(jīng)歷

句中三角形表示韻律詞邊界。上面的兩個短語有相同的詞性組合，但由于語義不同，語法詞之間的關(guān)系也不相同。第一句中，“道路”為“走”的賓語，“法治”與“道路”的結(jié)合更為緊密，因而“走”只能單獨(dú)成為韻律詞。但是在后句中，“練體操”卻是一個整體，因而“練體操的”形成了一個獨(dú)立的韻律詞。在自動預(yù)測結(jié)果中，后句就多出了“練”后的一個韻律詞邊界。上面兩句的區(qū)別無論是用語音信息還是詞性的信息都難以區(qū)分。上例表明語言中韻律要為語義表達(dá)服務(wù)，僅依據(jù)詞性特征和語音平衡對韻律結(jié)構(gòu)進(jìn)行定界和預(yù)測還存在很大的不足。

再比如：榮獲本屆“□文華大獎”的劇目□還有□陜西省□戲曲研究院的□眉戶劇《遲開的玫瑰》、□重慶市川劇院的□川劇《金子》、□湖南省湘劇院的□湘劇《馬陵道》等□戲曲劇目。

句中方塊表示韻律短語邊界。如果僅考慮語音與詞性信息，“還有”應(yīng)該與“陜西省”合并成一個韻律短語，這樣使得韻律短語的長度比較平衡。但是考慮后面出現(xiàn)的排比句式，該韻律短語的邊界則應(yīng)該調(diào)整至“還有”之后。類似的情況還有：

□體操技術(shù)□委員會的委員□

□中國體育□代表團(tuán)的□

上面兩個短語，在自動切分長短語時(shí)，依照語音平衡原則都被劃開。但是兩個短語中的詞結(jié)合比較緊密，朗讀時(shí)應(yīng)屬于同一個韻律短語。這類長短語是否應(yīng)該進(jìn)一步劃分很難通過詞性信息判斷，必須綜合考慮句子的語義。

在進(jìn)行韻律短語劃分時(shí)，對同樣的文本，根據(jù)語義表達(dá)的不同需要還可能出現(xiàn)多種不同的韻律短語劃分方式。如在下面的例子中：

孝義市經(jīng)濟(jì)實(shí)力□顯著增強(qiáng)

孝義市□經(jīng)濟(jì)實(shí)力顯著增強(qiáng)

兩句都是合理的短語劃分方式，但前一句強(qiáng)調(diào)增強(qiáng)的程度，后一句強(qiáng)調(diào)增強(qiáng)的是經(jīng)濟(jì)實(shí)力而不是其他。也就是要，在句子中沒有明顯的語義重音的時(shí)候，韻律短語邊界處的詞語由于基頻重置會獲得一定程度的強(qiáng)調(diào)。

文獻(xiàn)[7]中將句子的語法樹加入韻律結(jié)構(gòu)預(yù)測的特征集，雖然在一定程度上提高了預(yù)測精度，但其利用的是人工標(biāo)注的語法結(jié)構(gòu)信息，還很難在大語料庫及自動預(yù)測中應(yīng)用。

可見，在韻律結(jié)構(gòu)的劃分中，語法和語義信息起著至關(guān)重要的作用。如何將語法和語義信息融入韻律結(jié)構(gòu)的預(yù)測過程中，將成為進(jìn)一步提高韻律結(jié)構(gòu)預(yù)測精度的關(guān)鍵問題。

7 結(jié)論

本文在一個已完成語法分詞與詞性標(biāo)注的語料庫上，進(jìn)一步進(jìn)行了韻律結(jié)構(gòu)的標(biāo)注，得到了一個含有十萬句文本語料的人工標(biāo)注的同時(shí)具有語法信息與韻律結(jié)構(gòu)信息標(biāo)注的語料庫。語料庫標(biāo)注過程中通過對標(biāo)注人訓(xùn)練，保證了語料庫內(nèi)部標(biāo)注高度的一致性。

在這一語料庫的基礎(chǔ)上，本文進(jìn)行了對漢語韻律結(jié)構(gòu)的分析。從分析中可以看到，韻律結(jié)構(gòu)雖然與語法結(jié)構(gòu)不同，但是韻律結(jié)構(gòu)與語法信息還存在著比較緊密的關(guān)系。文中通過對漢語文本中出現(xiàn)較多的單音節(jié)語法詞的韻律組成規(guī)律進(jìn)行分析發(fā)現(xiàn)，助詞總是和前一個語法詞組成韻律詞，并列連詞除和單音節(jié)并列成分合并之外，傾向于獨(dú)立形成語法詞，非并列連詞傾向于與后詞組合形成韻律詞，介詞則通常與其單音節(jié)賓語或詞前的單音節(jié)副詞合并。通過對語料庫的分析，可以得到韻律詞與韻律短語的劃分規(guī)律。因而使用語法信息進(jìn)行韻律結(jié)構(gòu)的預(yù)測是可行的，從文中進(jìn)行的預(yù)測試驗(yàn)的結(jié)果也可以看出這一點(diǎn)。

從預(yù)測實(shí)驗(yàn)的結(jié)果可以看到，現(xiàn)在的韻律結(jié)構(gòu)預(yù)測中，對韻律詞邊界的預(yù)測結(jié)果更好，但對韻律短語邊界的預(yù)測結(jié)果稍差。這主要是由于韻律短語劃分不但與韻律約束相關(guān)，還與句子的語法、語義等多種因素相關(guān)。只使用句子中的語法信息不能完全描述韻律短語劃分的全部約束條件。

本文還在這一語料庫的基礎(chǔ)上，分析了韻律結(jié)構(gòu)與句子語法結(jié)構(gòu)、語義表達(dá)的關(guān)系。韻律結(jié)構(gòu)的劃分是為準(zhǔn)確的語義表達(dá)服務(wù)的，因而韻律結(jié)構(gòu)的劃分必須符合語義表達(dá)的需要。在韻律預(yù)測算法中加入語義的約束將成為提高韻律結(jié)構(gòu)預(yù)測，特別是韻律短語邊界預(yù)測精度的關(guān)鍵。

[1] Min Chu, Yao Qian. Locating Boundaries for Prosodic Constituents in Unrestricted Mandarin Texts [J]. International Journal of Computational Linguistics and Chinese Language Processing, 2001, 6(1): 61-82.

[2] Xiaonan Zhang, Jun Xu, Lianhong Cai. Prosodic Boundary Prediction Based on Maximum Entropy Model with Error-Driven Modification [C]//Qiang Huo, Bin Ma, et al. Eds. Proceedings of the 5th International Symposium of Chinese Spoken Language Processing. Germany: Springer Berlin, 2006: 149-160.

[3] 趙晟，陶建華，蔡蓮紅. 基于規(guī)則學(xué)習(xí)的韻律結(jié)構(gòu)預(yù)測[J]. 中文信息學(xué)報(bào)，2002,16(5): 30-37.

[4] Honghui Dong, Jianhua Tao, Bo Xu. Prosodic Word Prediction Using the Lexical Information [C]//Proceedings of 2005 International Conference on Natural Language Processing and Knowledge Engineering. Publishing House, BUPT, 2005, pp.189-193.

[5] Honghui Dong, Jianhua Tao, Bo Xu. Prosodic Word Prediction Using a Maximum Entropy Approach [C]//Qiang Huo, Bin Ma, et al. Eds.Proceedings of the 5th International Symposium of Chinese Spoken Language Processing. Germany: Springer Berlin, 2006: 169-178.

[6] Heng Kang, Wenju Liu. Prosodic Words Prediction from Lexicon Words with CRF and TBL Joint Method [C]// Qiang Huo, Bin Ma, et al. Eds. Proceedings of the 5th International Symposium of Chinese Spoken Language Processing. Germany: Springer Berlin, 2006: 161-168.

[7] Zhao Sheng, Tao Jianhua, Jiang DanLing. Chinese prosodic phrasing with extended features [C]//Proceedings of 2003 IEEE International Conference on Acoustics, Speech, and Signal Processing, Vol. 1. 2003: 492-495.

[8] Min Chu, Yunjia Wang. Rhythmic Organization of Mandarin Utterances A Two-Stage Process [C]// Qiang Huo, Bin Ma, et al. Eds.Proceedings of the 5th International Symposium of Chinese Spoken Language Processing. Germany: Springer Berlin, 2006: 138-148.

[9] 曹劍芬. 基于語法信息的漢語韻律結(jié)構(gòu)預(yù)測[J]. 中文信息學(xué)報(bào), 2003, 17(3): 41-46.

[10] 俞士汶, 段慧明, 等. 北京大學(xué)現(xiàn)代漢語語料庫基本加工規(guī)范[J]. 中文信息學(xué)報(bào), 2002, 16(5): 49-64.