面向計(jì)算機(jī)的漢語動(dòng)詞“得”鄰接特征考察

駱 琳

（華中科技大學(xué) 中文系，武漢 430074）

“得”作為現(xiàn)代漢語中一個(gè)使用頻率極高、意義用法相當(dāng)復(fù)雜的漢字，在不同的語境和上下文組合中，代表了幾種不同層次、不同類屬的語言單位，具有不同的功能，表達(dá)不同的意義。從為計(jì)算機(jī)識(shí)別服務(wù)的目的出發(fā)，立足于面向計(jì)算機(jī)的自然語言信息處理，將研究范圍限定在無論來源、無論讀音、無論詞性，凡字形相同的“得”字均納入我們的討論范圍。

以《漢語大詞典》、《現(xiàn)代漢語詞典》和《現(xiàn)代漢語八百詞》的分類為依托，我們將“得”字的用法分為六類：“得1”為普通動(dòng)詞，“得2”為能愿動(dòng)詞，“得3”為構(gòu)成述補(bǔ)結(jié)構(gòu)的結(jié)構(gòu)助詞，“得4”為動(dòng)態(tài)助詞，“得5”為構(gòu)詞語素，“得6”為專名、借詞用字等其他用法。另外還有一些誤為“得”的錯(cuò)別字，因著眼于計(jì)算機(jī)識(shí)別，不妨稱之為“得7”。“得7”與其他類型性質(zhì)根本不同，前六類根據(jù)需要或提取或排除，而“得7”是在文本預(yù)處理階段即應(yīng)予以校正的對象，永不會(huì)被提取。

我們的研究思路是在自建真實(shí)文本語料庫的基礎(chǔ)上，完成對封閉性訓(xùn)練語料的核對與標(biāo)注。使用Visual Basic.Net語言自行研制WordParse軟件，完成ACCESS格式的語料分析數(shù)據(jù)庫建設(shè)及數(shù)據(jù)統(tǒng)計(jì)分析。在自然語言信息處理的研究中，觀察和分析字符串的左右鄰接特征至關(guān)重要。DataWord軟件的研制則為我們建構(gòu)前后接續(xù)觀察和統(tǒng)計(jì)系統(tǒng)，更直觀、更迅捷地觀察和統(tǒng)計(jì)字符串的前后接續(xù)狀況提供了便利。

限于篇幅，本文只討論研究成果中涉及對普通動(dòng)詞“得1”前后接續(xù)特征的觀察和統(tǒng)計(jì)。

一 動(dòng)詞“得”左右鄰接特征分布統(tǒng)計(jì)

判斷自然語言中字符串能否鄰接在語言信息處理研究的許多領(lǐng)域廣為使用，能否鄰接的判斷標(biāo)準(zhǔn)應(yīng)該由大規(guī)模的真實(shí)文本統(tǒng)計(jì)而出，然而由于自然語言中詞語分布的稀疏性，對判斷標(biāo)準(zhǔn)的準(zhǔn)確性和全面性所造成的干擾，使我們在對動(dòng)詞“得”的鄰接特征進(jìn)行判斷時(shí)，不得不對統(tǒng)計(jì)出來的具體詞形進(jìn)行歸類，即在對語料庫中真實(shí)文本統(tǒng)計(jì)的基礎(chǔ)上通過內(nèi)省，并結(jié)合專家知識(shí)庫中的相關(guān)知識(shí)，對詞語進(jìn)行歸類，用詞語類的接續(xù)關(guān)系代替詞形的接續(xù)關(guān)系作為判斷鄰接與限制的依據(jù)，并通過數(shù)據(jù)的統(tǒng)計(jì)來說明動(dòng)詞“得”對鄰接詞語的選擇性。

（一）動(dòng)詞“得”左鄰接特征分布

“得”左鄰接詞類、頻次及頻率列表 表1

從表1中可以看出，在490例含動(dòng)詞“得”結(jié)構(gòu)中共有210個(gè)詞語、18種詞類（含標(biāo)點(diǎn)）與“得”左鄰接，連接的詞語類別相對較多，并且各個(gè)詞類之間的分布也較為均勻。連接頻率最高的是副詞，出現(xiàn)127頻次，占總頻次的26%，這可能與“得”作為一個(gè)普通動(dòng)詞，在通常情況下能夠?yàn)楦痹~所修飾有關(guān)。其次是動(dòng)詞，出現(xiàn) 75頻次，占總頻次的 16%，其中以能愿動(dòng)詞和單音節(jié)典型動(dòng)詞為主。然后是名詞、代詞、助詞和形容詞，雖然數(shù)詞、量詞、時(shí)間詞、專有名詞和習(xí)用語也出現(xiàn)連接，但頻次極低。此外，與“得”左鄰接還出現(xiàn)了51頻次的空位和15頻次的標(biāo)點(diǎn)，分別占了總頻次的11%和3%，這與含動(dòng)詞“得”結(jié)構(gòu)主要充當(dāng)謂語有關(guān)。

（二）動(dòng)詞“得”右鄰接特征分布

“得”右鄰接詞類、頻次及頻率列表 表2

表2中顯示，在490例含動(dòng)詞“得”結(jié)構(gòu)中共有172個(gè)詞語、18種詞類（含標(biāo)點(diǎn)）與“得”右鄰接，同樣，連接的詞語類別相對較多，只是各個(gè)詞類之間的分布并不均勻，并且連接出現(xiàn)的高頻詞較為集中，如副詞“不”和時(shí)態(tài)助詞“了”均出現(xiàn)48頻次，各占連接總頻次的 10%。當(dāng)然，連接頻率最高的是名詞，出現(xiàn)179頻次，占總頻次的38%，這是由于作為普通動(dòng)詞，“得”具有一般動(dòng)詞的語法功能，在通常情況下，“得”后面都要帶賓語，只有在主謂謂語句中，“得”充當(dāng)謂語部分的小謂語，而全句的主語正是“得”語義上的關(guān)涉對象的情況下，“得”可以不帶賓語，再就是在“得”前帶有結(jié)構(gòu)助詞“所”的格式中，“得”后也可以不帶賓語，因此在“得”的右鄰接中出現(xiàn)了23頻次的空位，占總頻次的5%。其次是助詞，出現(xiàn) 70頻次，占總頻次的 15%，這也與一般動(dòng)詞能后接時(shí)態(tài)助詞“著、了、過”的語法功能有關(guān)。再就是副詞、動(dòng)詞、數(shù)詞、代詞、結(jié)構(gòu)助詞、形容詞、量詞、連詞和出現(xiàn)頻率極低的區(qū)別詞、語氣詞、介詞以及習(xí)用語。

二 動(dòng)詞“得”的左熵和右熵

為了進(jìn)一步驗(yàn)證對于動(dòng)詞“得”左右接續(xù)能力的考察，我們引入熵的計(jì)算，通過數(shù)據(jù)的演算進(jìn)一步說明“得”對左右鄰接詞語所具有的選擇性。

熵是一個(gè)描述隨機(jī)變量的不確定性的度量。就熵而言，一個(gè)隨機(jī)變量的熵越大，它的不確定性也越大，信息量也就越大，即正確估計(jì)其值的可能性就越??；相反，一個(gè)隨機(jī)變量的熵越小，它的不確定性也越小，信息量也就越小，即正確估計(jì)其值的可能性就越大。

熵的計(jì)算公式為：

如果X是一個(gè)離散隨機(jī)變量，其概率分布為P（x）,x∈X，則X的熵H（X）是：

為了表現(xiàn)某個(gè)詞或某個(gè)詞類對于左右鄰接關(guān)系的選擇性，我們把這個(gè)詞或詞類記作 T，把與這個(gè)詞或詞類左鄰或右鄰的詞語單位看作隨機(jī)變量L和R，把L和R的取值記作c，則L和R對于T的條件熵（稱作T的左熵和右熵），分別為：

f表示頻次。

顯然，左熵和右熵越小，T左右鄰接詞語的不確定性越小，確定性越大，或者說T對左右鄰接語言單位的選擇性就越強(qiáng)；反之，左熵和右熵越大，T左右鄰接詞語的不確定性越大，確定性越小，或者說T對左右鄰接語言單位的選擇性就越弱。

（一）動(dòng)詞“得”左右熵的計(jì)算

這里我們把“得”當(dāng)作 T，通過歸并，使與動(dòng)詞“得”鄰接的語言單位都以（詞）類的形式鄰接，然后在自建的真實(shí)文本數(shù)據(jù)庫中，計(jì)算出“得”的左熵和右熵，計(jì)算結(jié)果如下：

左熵H（L/T）= 0.979301 右熵H（R/T）=0.882221

從“得”左熵和右熵的計(jì)算結(jié)果可以看出，動(dòng)詞“得”的左熵和右熵都很高，并且左熵高于右熵，這說明動(dòng)詞“得”的左右鄰接詞語（類）的不確定性很大，即動(dòng)詞“得”對左右鄰接語言單位的選擇性強(qiáng)，并且左邊的選擇性又強(qiáng)于右邊。這正說明“得”作為普通動(dòng)詞，其語法功能和句法組合具有較大的靈活性，能與其左右鄰接的詞語類別和詞形數(shù)量較多。

（二）動(dòng)詞“得”不同接續(xù)關(guān)系左右熵的計(jì)算

“得”不同接續(xù)關(guān)系的左熵與右熵 表3

從表3中熵的計(jì)算結(jié)果可以看出，動(dòng)詞“得”在與不同詞類的接續(xù)關(guān)系中熵值各不相同，甚至相差很遠(yuǎn)。例如，動(dòng)詞“得”對所有能與之鄰接的詞類表現(xiàn)出了較強(qiáng)的傾向性，在與副詞的鄰接中左熵最大，因此，對副詞的選擇不確定性強(qiáng)，信息量大，正確估計(jì)其值的可能性小，這與“得”作為普通動(dòng)詞最易受到副詞的修飾相一致，而在與介詞的鄰接中右熵最小，因此，對介詞的選擇確定性強(qiáng)，信息量小，正確估計(jì)其值的可能性大，這也說明了動(dòng)詞“得”的賓語更多時(shí)候?yàn)槊~性成分，而非謂詞性成分，故動(dòng)詞“得”與名詞接續(xù)，右熵最大。

這一計(jì)算結(jié)果將為后續(xù)搭配概率的統(tǒng)計(jì)分析提供有利的數(shù)據(jù)支持。

在對漢語動(dòng)詞“得”的左右鄰接特征的考察中，我們以量化研究為基石，以概率統(tǒng)計(jì)為基本手段，以“數(shù)據(jù)驅(qū)動(dòng)”為基本理念，實(shí)現(xiàn)了在大規(guī)模的語料庫范圍內(nèi)采用基于統(tǒng)計(jì)的方法對動(dòng)詞“得”在真實(shí)文本中的前后接續(xù)情況進(jìn)行了窮盡性考察?？疾旖Y(jié)果表明，“得”的左鄰接，連接詞類相對較多，且各詞類之間的分布也較為均勻，以副詞鄰接頻次最高，與動(dòng)詞鄰接，則以能愿動(dòng)詞和單音節(jié)典型動(dòng)詞為主；“得”的右鄰接，雖然連接的詞類同樣較多，但分布并不均勻，高頻詞較為集中，以名詞鄰接頻次最高。這與“得”作為一個(gè)普通動(dòng)詞，具有一般動(dòng)詞的語法功能，且含動(dòng)詞“得”結(jié)構(gòu)主要充當(dāng)謂語有關(guān)。

為了進(jìn)一步說明“得”對于左右鄰接關(guān)系的選擇性，我們引入了“熵”的概念，通過對“得”的左右熵及不同接續(xù)關(guān)系的左右熵的計(jì)算，其結(jié)果進(jìn)一步驗(yàn)證了我們在大規(guī)模真實(shí)文本中對于動(dòng)詞“得”左右鄰接特征的考察，也為今后搭配概率的統(tǒng)計(jì)分析提供了有利的數(shù)據(jù)支持。

白碩 1995《語言學(xué)知識(shí)的計(jì)算機(jī)輔助發(fā)現(xiàn)》，科學(xué)出版社。

陳曉明、周渝 2004 漢語部分句法分析的研究和發(fā)展趨勢，《貴州大學(xué)學(xué)報(bào)（自科版）》第4期。

馮志偉 1992 計(jì)算語言學(xué)對理論語言學(xué)的挑戰(zhàn)，《語言文字應(yīng)用》第1期。

漢語大詞典編輯委員會(huì) 1991《漢語大詞典》，漢語大詞典出版社。

黃昌寧 1993 關(guān)于處理大規(guī)模真實(shí)文本的談話，《語言文字應(yīng)用》第2期。

李文浩 2013“都”的指向識(shí)別及相關(guān)“都”字句的表達(dá)策略，《漢語學(xué)報(bào)》第1期。

呂叔湘 1980《現(xiàn)代漢語八百詞》，商務(wù)印書館。

馬希文 1989 從計(jì)算語言學(xué)角度看語法研究，《國外語言學(xué)》第3期。

吳蔚天、羅建林 1994《漢語計(jì)算語言學(xué)——漢語形式語法和形式分析》，電子工業(yè)出版社。

俞士汶 1999《現(xiàn)代漢語語料庫加工——詞語切分與詞性標(biāo)注規(guī)范與手冊》，北京大學(xué)計(jì)算語言學(xué)研究所。

俞士汶等 1998《現(xiàn)代漢語語法信息詞典詳解》，清華大學(xué)出版社。

詹衛(wèi)東 2000 80年代以來漢語信息處理研究評述，《當(dāng)代語言學(xué)》第2期。

中國社會(huì)科學(xué)院語言研究所詞典編輯室 1996《現(xiàn)代漢語詞典》（修訂本），商務(wù)印書館。