基于語(yǔ)義分類的比較句識(shí)別與比較要素抽取研究

周紅照，侯明午，侯 敏，滕永林

（中國(guó)傳媒大學(xué) 國(guó)家語(yǔ)言資源監(jiān)測(cè)與研究有聲媒體中心，北京100024）

1 引言

比較句是人們?cè)u(píng)價(jià)兩個(gè)或兩個(gè)以上事物之間優(yōu)劣或異同的一種常用表達(dá)方式。利用計(jì)算機(jī)自動(dòng)識(shí)別論壇、貼吧、微博、電子商務(wù)網(wǎng)站上用戶評(píng)論等領(lǐng)域的比較句，并進(jìn)一步抽取“比較主體、比較基準(zhǔn)、比較點(diǎn)、比較結(jié)果”四要素，具有現(xiàn)實(shí)實(shí)用價(jià)值，例如，可以幫助企業(yè)了解其產(chǎn)品相較于同類產(chǎn)品的優(yōu)勢(shì)與不足，更好地改進(jìn)生產(chǎn)；可以為消費(fèi)者的購(gòu)物選則提供參考；可以獲取公眾對(duì)影視劇、文學(xué)作品等的對(duì)比評(píng)價(jià)信息。

2 比較句及其識(shí)別與要素抽取研究

2.1 對(duì)比較句的認(rèn)識(shí)

現(xiàn)代漢語(yǔ)表示比較的基本方式有三種：一是通過(guò)“比、不如、優(yōu)于”等比較詞，二是通過(guò)“沒(méi)有…好，和…一樣，跟…沒(méi)法比”等比較表達(dá)式，三是通過(guò)分句（句子）對(duì)舉或間接言語(yǔ)行為等方式（例如，H180在天上，索尼的在地下），句子只要具備以上任一特征，即可判定為比較句。比較詞和比較表達(dá)式可以合稱為比較標(biāo)記（M）。由于第三種情況是通過(guò)意合的方式表示比較，缺乏形式化的標(biāo)記，本文暫不做討論。

作為一個(gè)范疇，比較具有四個(gè)要素：（1）比較主體，指在相比較的幾個(gè)事物中，說(shuō)話人所論述的話題和焦點(diǎn)；（2）比較基準(zhǔn)，指對(duì)比較主體做出評(píng)價(jià)時(shí)所依據(jù)的參照對(duì)象；（3）比較點(diǎn)，指比較主體與比較基準(zhǔn)進(jìn)行比較的屬性；（4）比較結(jié)果，指說(shuō)話人對(duì)比較主體做出的評(píng)價(jià)。［1］例如，“索尼耳機(jī)比蘋果耳機(jī)音質(zhì)好”，比較主體是“索尼耳機(jī)”，比較基準(zhǔn)是“蘋果耳機(jī)”，比較點(diǎn)是“音質(zhì)”，比較結(jié)果是“好”。在比較句中，比較四要素以比較標(biāo)記為軸心展開分布，形成如下五元組：C（s）＝ ＜M，（X），（Y），（A），R＞，其中，比較標(biāo)記M、比較結(jié)果R必定出現(xiàn)，而比較主體X、比較基準(zhǔn)Y、比較點(diǎn)A可隱可現(xiàn)，但一般來(lái)說(shuō)，三者中至少出現(xiàn)一個(gè)。比較標(biāo)記的不同以及五元組出現(xiàn)的位置、次序、個(gè)數(shù)不同，就構(gòu)成不同的比較句類型。

關(guān)于比較句的次范疇，語(yǔ)言學(xué)界尚存在一些爭(zhēng)議，爭(zhēng)議最大的是差比句的外延大小。和許多學(xué)者一樣，我們主張從語(yǔ)義的角度對(duì)比較句進(jìn)行分類，我們基本認(rèn)同黃小江［1］所做的分類，但從比較要素抽取的工程角度出發(fā)，對(duì)其做了以下兩點(diǎn)調(diào)整：（1）將“極比”從“差比”范疇下獨(dú)立出來(lái)，上升為與平比、差比相并列的范疇；（2）將“差比”范疇下的“不同”次范疇歸入“平比”范疇。因“不同”指的是說(shuō)話者認(rèn)為事物之間存在差異，但并沒(méi)有就孰好孰壞、孰優(yōu)孰劣進(jìn)行評(píng)價(jià)，例如，“大陸和香港政治制度不同”，說(shuō)話人對(duì)各個(gè)事物的情感傾向性是相同的，都是中性，這符合平比句比較主體、比較基準(zhǔn)情感傾向一致的特征。表1顯示了比較句的次范疇。

表1 比較句次范疇

2.2 漢語(yǔ)比較句識(shí)別與要素抽取的研究現(xiàn)狀及分析

語(yǔ)言信息處理界以觀點(diǎn)挖掘?yàn)槟繕?biāo)，對(duì)漢語(yǔ)比較句的識(shí)別與要素抽取做了一些研究。從已發(fā)表的成果看，大都采用“兩步走”的策略，第一步是從比較句、非比較句的混合文本中識(shí)別比較句，第二步是在第一步的基礎(chǔ)上抽取比較句的四要素。我們認(rèn)為，比較句和比較要素之間是一種“你中有我，我中有你”的共生關(guān)系，若一個(gè)句子是比較句，則至少具有五元組中三個(gè)比較元素；若一個(gè)句子具備了比較五元組中三個(gè)或三個(gè)以上的比較元素，則該句子必定為比較句，兩者互為充分必要條件。因此將比較句識(shí)別與比較要素抽取兩個(gè)任務(wù)合而為一不僅是可能的，也是必要的，有助于同步提高兩個(gè)任務(wù)的準(zhǔn)確率。

比較句識(shí)別的方法目前主要有兩種：一是基于特征詞，吸收了語(yǔ)言學(xué)界對(duì)現(xiàn)代漢語(yǔ)比較詞的歸納（如文獻(xiàn)［2－5］），二是基于類序列規(guī)則（CSR），借鑒了語(yǔ)言學(xué)界對(duì)現(xiàn)代漢語(yǔ)比較句式的研究成果（如文獻(xiàn)［6－13］），同時(shí)，通過(guò)觀察、分析真實(shí)語(yǔ)料，對(duì)原有內(nèi)容進(jìn)行了補(bǔ)充、修正。比較要素的抽取目前采用的方法有，在詞、詞性、位置組成的Baseline特征中融入語(yǔ)義、領(lǐng)域知識(shí)及啟發(fā)式規(guī)則特征，訓(xùn)練條件隨機(jī)場(chǎng)（CRF）模型進(jìn)行抽?。?4］；采用CRF與規(guī)則相結(jié)合的方法抽取比較主體和比較基準(zhǔn)，利用領(lǐng)域?qū)傩栽~典和情感詞典識(shí)別比較點(diǎn)和比較結(jié)果［15］。這些方法取得了一定效果，但也存在著不足：（1）有些句子并不是通過(guò)特征詞，而是通過(guò)比較表達(dá)式來(lái)表示比較，特征詞方法無(wú)法覆蓋這類情況；（2）句子中雖然有特征詞，但句子未必是比較句，例如，“差不多、最”分別是表示平比、極比時(shí)常用到的詞，但在句子“用了一天，發(fā)現(xiàn)信號(hào)很不錯(cuò)?！?，“好進(jìn)行無(wú)線安全設(shè)置，防蹭網(wǎng)。”中，并不表示比較；（3）序列的長(zhǎng)度難以確定。窗口過(guò)小不足以提取有意義的特征，窗口過(guò)大會(huì)出現(xiàn)很多噪聲；（4）對(duì)比較句的語(yǔ)言特點(diǎn)研究得不夠充分，規(guī)則需要細(xì)化、補(bǔ)充；（5）表示比較結(jié)果的詞除了是情感詞，還可以是大、小、高、低等兩重性的詞，或是由普通詞組合構(gòu)成的情感短語(yǔ)，例如，“有所提高、不能抗衡、沒(méi)什么優(yōu)勢(shì)、有比較大的差距”，對(duì)于這兩種情況當(dāng)前的研究涉及得比較少。我們認(rèn)為，根據(jù)比較句識(shí)別與要素抽取的實(shí)用化目的以及漢語(yǔ)比較句的語(yǔ)言特點(diǎn)，基于語(yǔ)義分類來(lái)構(gòu)建詞典和規(guī)則庫(kù)，采用詞典與規(guī)則相結(jié)合的方法，可以彌補(bǔ)上面提到的幾點(diǎn)不足。

3 基于語(yǔ)義分類的詞典系統(tǒng)構(gòu)建

第四屆中文傾向性評(píng)測(cè)（COAE2012）設(shè)置了比較句識(shí)別與比較要素抽取的評(píng)測(cè)任務(wù)，具體包含兩個(gè)子任務(wù)：（1）從給定句子集合中，識(shí)別出哪些句子是比較句；（2）從識(shí)別出的比較句中，抽取出相應(yīng)的比較實(shí)體、實(shí)體要素以及相應(yīng)的情感傾向性。測(cè)試語(yǔ)料是電子、汽車領(lǐng)域的用戶評(píng)論。為順利完成這些任務(wù)，需要構(gòu)建的詞典資源除了一般的分詞詞典，還應(yīng)包括：領(lǐng)域詞典、情感詞典、比較標(biāo)記詞典。

3.1 領(lǐng)域詞典

從應(yīng)用角度來(lái)說(shuō)，企業(yè)和消費(fèi)者想要獲取的信息是用戶對(duì)產(chǎn)品及其屬性的評(píng)價(jià)，不是其他內(nèi)容的評(píng)價(jià)，如果單純依靠詞性、詞性序列、位置等特征，不加入領(lǐng)域知識(shí)，難免會(huì)引入噪聲，因此，建立專門的領(lǐng)域詞典是非常必要的。

根據(jù)語(yǔ)義內(nèi)容的不同，領(lǐng)域詞典由兩部下位詞典構(gòu)成：

（1）產(chǎn)品名詞典。產(chǎn)品名在比較句中主要承擔(dān)比較主體和比較基準(zhǔn)這兩種要素。通過(guò)學(xué)習(xí)訓(xùn)練語(yǔ)料，我們總結(jié)出了八類不同特征的產(chǎn)品名：①品牌名，例如，微軟、蘋果、奧迪；②型號(hào)，例如，A780、5230、MX360；③品牌與型號(hào)的組合，例如，sonyEX088、諾基亞1280、沃爾沃S80；④產(chǎn)品類別名（有時(shí)可帶修飾語(yǔ)），例如，鼠標(biāo)、原裝耳機(jī)、有線鼠標(biāo)、4缸發(fā)動(dòng)機(jī)；⑤品牌與產(chǎn)品類別的組合，例如，飛利浦耳機(jī)、IBM筆記本、伊蘭特車；⑥型號(hào)與產(chǎn)品類別的組合，例如，HD2硬件、E804耳機(jī)、小康K系；⑦普通名詞，例如，圖片、實(shí)體店、山寨貨、國(guó)際大品牌；⑧指代性詞語(yǔ)，例如，這款、其他、這個(gè)。在此基礎(chǔ)上我們又借助網(wǎng)絡(luò)資源，把從網(wǎng)上搜集來(lái)的汽車、電子兩個(gè)領(lǐng)域的產(chǎn)品名和產(chǎn)品屬性名加入詞典。同時(shí)，將測(cè)試語(yǔ)料中用上述兩種方法沒(méi)有獲得的產(chǎn)品名和產(chǎn)品屬性名用人工的方式錄入詞典。

（2）產(chǎn)品屬性詞典。產(chǎn)品屬性詞在比較句中主要承擔(dān)比較點(diǎn)這個(gè)要素，指的是附著于產(chǎn)品實(shí)體，表示產(chǎn)品某一部分或某方面性質(zhì)、特征或功能的詞。例如，外觀、價(jià)格、質(zhì)量、機(jī)身、座椅。（注：個(gè)別詞語(yǔ)兼有產(chǎn)品名、產(chǎn)品屬性兩種語(yǔ)義特征。）

3.2 情感詞典

在比較句，尤其是差比、極比句中，比較結(jié)果這一要素主要由情感因子承擔(dān)。記錄情感因子的詞典叫情感詞典。其中不僅要收錄情感詞，也要收錄由普通詞組合構(gòu)成的情感短語(yǔ)，例如，“不夠格、占地方、有點(diǎn)兒卡、根本沒(méi)法用、更具性價(jià)比”，這些短語(yǔ)中的詞單個(gè)拆開來(lái)看，是不具有情感傾向的，但組合在一起之后，就成為構(gòu)成觀點(diǎn)句的情感因子。根據(jù)語(yǔ)料特點(diǎn)，情感詞典中還收錄了一些帶有明顯感情色彩的新詞語(yǔ)、網(wǎng)絡(luò)詞語(yǔ)以及口語(yǔ)詞，例如，“給力、坑爹、超贊、欠抽、不咋地、杠杠的”。情感詞典中的詞語(yǔ)根據(jù)語(yǔ)義極性分為正面、負(fù)面兩類。正面的標(biāo)記為po，取值在0和1之間，負(fù)面的標(biāo)記為ne，取值在－1和0之間。

3.3 比較標(biāo)記詞典

這部詞典主要收錄不同類別比較句，主要是平比和極比句中的比較標(biāo)記。例如，極比句標(biāo)記“最佳、最差、首屈一指、無(wú)與倫比”，平比句標(biāo)記“不相上下、可以媲美、一樣、差不多、沒(méi)啥區(qū)別”等。收錄的原則是詞典與規(guī)則的互動(dòng)：如果該類詞語(yǔ)數(shù)量多，不便于在規(guī)則中枚舉，就收錄在標(biāo)記詞典中，給出特定標(biāo)記，方便規(guī)則的撰寫；如果該類詞語(yǔ)數(shù)量比較少，可以在規(guī)則中枚舉，就不收錄，直接在規(guī)則中寫出。

4 基于語(yǔ)義分類的規(guī)則系統(tǒng)構(gòu)建

不同的比較范疇，比較要素的抽取方法是不同的；同一范疇下的次范疇（即不同比較標(biāo)記的比較句），比較要素的抽取方法也存在差異；即便是針對(duì)某一特定標(biāo)記的比較句，由于比較主體、比較基準(zhǔn)、比較點(diǎn)三要素的隱現(xiàn)情況不同、數(shù)量不同、位置關(guān)系不同，規(guī)則的描述也相應(yīng)不同。因此，我們?cè)趯?duì)漢語(yǔ)比較句進(jìn)行語(yǔ)義分類的基礎(chǔ)上，構(gòu)建起比較句識(shí)別與比較要素抽取規(guī)則庫(kù)。

4.1 漢語(yǔ)比較句的語(yǔ)義分類

4.1.1 比較一級(jí)范疇

4.1.1.1 平比

平比指的是被比較對(duì)象的屬性相同或近似，或不同但沒(méi)有高下之分。平比句中，被比較對(duì)象數(shù)量≥2，屬性數(shù)量≥1。因此至少需要抽取兩組結(jié)果：＜比較主體，比較點(diǎn)，比較結(jié)果1＞，＜比較基準(zhǔn)，比較點(diǎn)，比較結(jié)果2＞；且比較結(jié)果2＝比較結(jié)果1。

4.1.1.2 差比

差比指的是被比較對(duì)象的屬性有高下、優(yōu)劣之分。差比句中，被比較對(duì)象數(shù)量≥2，屬性數(shù)量≥1。因此至少需要抽取兩組結(jié)果：＜比較主體，比較點(diǎn)，比較結(jié)果1＞，＜比較基準(zhǔn)，比較點(diǎn)，比較結(jié)果2＞；且比較結(jié)果2＝ －（比較結(jié)果1）。

4.1.1.3 極比

極比指的是比較對(duì)象的屬性在某范圍內(nèi)是最優(yōu)或最劣的。其比較基準(zhǔn)往往是隱含的，例如，奔馳S是舒適性最好的車。因此極比句只需提取一組結(jié)果：＜比較主體，比較點(diǎn)，比較結(jié)果＞。

4.1.2 比較二級(jí)范疇

差比、平比、極比由不同的下位范疇構(gòu)成，由于不同類型的比較標(biāo)記有著相應(yīng)的句法和語(yǔ)義結(jié)構(gòu)，規(guī)則模式也就不一樣。

4.1.2.1 差比

相較于平比句和極比句，差比句的表達(dá)方式最為復(fù)雜多樣，其中使用率較高的比較標(biāo)記以及比較模式有以下六種：

（1）X比 Y vl；（vl為情感標(biāo)記，下同）

（2）X 沒(méi)（有）Y vl；

（3）X和 Y相比vl；

（4）相對(duì)于 X，Y vl；

（5）X不如｜優(yōu)于Y；

（6）X和Y沒(méi)法比。

其中（1）～（4）比較模式中比較標(biāo)記與情感因子是分離的，比較結(jié)果，即比較要素的情感極性由情感因子決定；（5）～（6）中比較標(biāo)記與情感因子是重合的，比較標(biāo)記就蘊(yùn)含了比較結(jié)果，兩個(gè)比較元素由同一個(gè)詞來(lái)充當(dāng)。值得注意的是一些比較標(biāo)記代表的是一個(gè)詞簇，例如，“不如”代表的詞簇有：不如｜比不上｜比不了｜比不過(guò)｜趕不上｜敵不過(guò)｜遜于｜輸于｜次于｜遜色于｜落后于等；“沒(méi)法比”代表的詞簇有：沒(méi)法比｜沒(méi)的比｜沒(méi)有的比｜不能比｜無(wú)法相比｜差遠(yuǎn)了｜有差距｜差很多｜差太多｜差多了｜差了點(diǎn)｜差距很大｜差距好大｜有很大的出入｜有很大差距｜不能相提并論｜有一定差距｜不是一個(gè)檔次｜不在一個(gè)檔次｜不能抗衡｜相差甚遠(yuǎn)等。

4.1.2.2 平比

平比有兩個(gè)下位范疇：范疇1表示相同或近似；范疇2表示不同。根據(jù)比較標(biāo)記不同，范疇1主要包括2個(gè)模式：

（1）X（和）Y 差不多；（其中“和”可以省略）

（2）X 和 Y 都vl。

其中（1）評(píng)價(jià)主體和評(píng)價(jià)基準(zhǔn)的情感極性都是中性的；（2）評(píng)價(jià)主體和評(píng)價(jià)基準(zhǔn)都有或褒或貶的情感極性，而且相同。另外，比較標(biāo)記“差不多”也代表一個(gè)較大的詞簇：一個(gè)樣｜沒(méi)差別｜有一拼｜沒(méi)差距｜基本一致｜完全一致｜完全一樣｜一模一樣｜基本一樣｜十分相像｜沒(méi)啥區(qū)別｜有得一拼｜毫不遜色｜差距不大｜差別不大｜相差不大｜一個(gè)檔次｜一個(gè)感覺(jué)｜沒(méi)什么區(qū)別｜沒(méi)什么差別｜沒(méi)多大區(qū)別｜沒(méi)多大差別｜無(wú)大的差別｜沒(méi)什么出入｜基本上一樣｜沒(méi)有太大區(qū)別｜基本木有區(qū)別｜沒(méi)有什么區(qū)別｜沒(méi)有什么差別｜沒(méi)有什么兩樣｜差距幾乎沒(méi)有｜差不到哪里去｜沒(méi)有不同的地方｜完全是一回事｜看不出有什么差別｜看不出有多大差別等。

范疇2也包括兩個(gè)比較模式：

（6）X和Y不同；

（7）X不同于 Y。

需要注意的是，在實(shí)際話語(yǔ)中，范疇2經(jīng)常會(huì)在語(yǔ)義上進(jìn)一步延展，使句子由平比句轉(zhuǎn)化為差比句，例如，捷達(dá)和桑塔納的價(jià)格不同，捷達(dá)要便宜一些。

比較標(biāo)記“不同”也代表一個(gè)詞簇：不同｜不一樣｜不太一樣｜有區(qū)別｜有差別｜有所不同｜略有不同｜略有區(qū)別｜略有差別｜有點(diǎn)差異｜差別好大｜區(qū)別好大｜截然不同｜大不相同等。

4.1.2.3 極比

關(guān)于極比，最常用的比較模式是：

（1）X 最vl

（2）X首屈一指｜無(wú)與倫比｜第一｜佼佼者｜無(wú)人能敵。

4.1.3 比較三級(jí)范疇

即便是某一具體的比較標(biāo)記，由于比較主體、比較基準(zhǔn)、比較點(diǎn)三個(gè)要素隱現(xiàn)不同、出現(xiàn)數(shù)量不同、位置關(guān)系不同，也需要用不同的規(guī)則形式進(jìn)行描述。

以“比字句”為例。比較五元素的排列組合可以有七種形式，根據(jù)復(fù)雜層級(jí)，由低到高排列如下（X代表比較主體，Y代表比較基準(zhǔn)，A代表比較點(diǎn)，R代表比較結(jié)果）：

（1）比＋Y＋R （只出現(xiàn)1個(gè)，只能是Y）

（2）X＋比＋Y＋R；

（3）A＋比＋Y＋R；

（4）比＋Y＋A＋R；

（5）X＋A＋比＋Y＋R；

（6）A＋X＋比＋Y＋R；

（7）X＋比＋Y＋A＋R。

其中，X、Y、A的具體個(gè)數(shù)可以是一個(gè)，也可以是兩個(gè)或兩個(gè)以上，例如，（2）可以擴(kuò)展為X1＋X2＋比＋Y1＋Y2＋R。此外，如果“比”字前面出現(xiàn)“不、不可能”等否定詞，比較主體的情感極性要變?yōu)樨?fù)的R，比較基準(zhǔn)的情感極性變?yōu)檎腞。

每一個(gè)比較二級(jí)范疇都包含這樣或多或少的一組規(guī)則。

4.2 規(guī)則系統(tǒng)構(gòu)建

本系統(tǒng)的規(guī)則庫(kù)包括兩個(gè)子庫(kù)：一個(gè)是短語(yǔ)及句子規(guī)則庫(kù)，主要解決句子情感度的計(jì)算問(wèn)題，另一個(gè)是比較句識(shí)別與比較要素提取規(guī)則庫(kù)，專門解決比較句識(shí)別及比較要素抽取問(wèn)題。本文主要介紹的是后者。

比較句識(shí)別與比較要素提取規(guī)則庫(kù)是上述漢語(yǔ)比較句語(yǔ)義分類體系的映射，包含“規(guī)則群－規(guī)則簇－規(guī)則”三個(gè)層級(jí)，分別映射“比較一級(jí)范疇－比較二級(jí)范疇－比較三級(jí)范疇”。具體來(lái)說(shuō)，規(guī)則庫(kù)包含差比、平比、極比三個(gè)規(guī)則群，每一個(gè)規(guī)則群又包含許多規(guī)則簇，例如，差比規(guī)則群包含“X比Yvl”“X不如／優(yōu)于Y”“X和Y沒(méi)法比”等規(guī)則簇，每一規(guī)則簇又包含數(shù)量不等的規(guī)則。規(guī)則庫(kù)的功能是將比較句識(shí)別與比較要素抽取合而為一完成。規(guī)則的簡(jiǎn)化形式如下例所示：

其中，“＝”左部表示匹配條件，“＝”右部表示識(shí)別及提取結(jié)果。規(guī)則左部中的“＋”表示項(xiàng)與項(xiàng)之間的分隔，“＊／nq”表示句子中出現(xiàn)的任意產(chǎn)品名，斜線前的“＊”表示任意具體詞語(yǔ)，是變量，斜線后的“nq”是產(chǎn)品名的標(biāo)記；“和”與“沒(méi)法比”是比較標(biāo)記，規(guī)則左部的含義是：句子中如果有一個(gè)產(chǎn)品名，后跟一個(gè)“和”，再后跟一個(gè)產(chǎn)品名，后面是“沒(méi)法比”，那么匹配成功，就可以執(zhí)行等號(hào)右部的操作。規(guī)則右部的［B，c］表示滿足規(guī)則左部匹配條件的句子為比較句，且是差比句；N1［bs］表示規(guī)則左部的第1項(xiàng)為比較主體；N3［bo］表示規(guī)則左部的第3項(xiàng)為比較基準(zhǔn)；最后的bs：－1表示給比較主體的情感傾向賦值“－1”。當(dāng)然，在具體的規(guī)則中，我們還設(shè)置了“或”“非”“可有可無(wú)”“任意越過(guò)”等函數(shù)，以增強(qiáng)規(guī)則的概括力和解釋力。

規(guī)則庫(kù)中的規(guī)則不是雜亂無(wú)章的，應(yīng)遵循先后次序，基本的順序原則是：具有包含關(guān)系的規(guī)則簇，包含規(guī)則簇在前，被包含規(guī)則簇在后；同一規(guī)則簇下的規(guī)則，否定性質(zhì)的在前，肯定性質(zhì)的在后，約束條件多的在前，約束條件少的在后，特殊情況的在前，共性的在后，以保證獲得最大限度的匹配。

5 系統(tǒng)工作流程

基于上述詞典與規(guī)則，我們構(gòu)建了比較句識(shí)別與比較要素提取系統(tǒng)CUCsas。系統(tǒng)工作流程如圖1所示。

6 實(shí)驗(yàn)結(jié)果及其分析

運(yùn)行這個(gè)詞典規(guī)則相結(jié)合的比較句識(shí)別與比較要素抽取系統(tǒng)CUCsas，以第四屆中文傾向性評(píng)測(cè)（COAE2012）發(fā)布的汽車、電子兩個(gè)領(lǐng)域的測(cè)試語(yǔ)料為對(duì)象，進(jìn)行比較句識(shí)別與比較要素抽取實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果（也是評(píng)測(cè)結(jié)果）如表2所示。

表2 CUCsas系統(tǒng)比較句識(shí)別與比較要素抽取結(jié)果

圖1 CUCsas系統(tǒng)工作流程圖

上述成績(jī)?cè)谒袇⒃u(píng)隊(duì)伍提交的結(jié)果中，比較句識(shí)別獲得最好成績(jī)（平均成績(jī)的微平均F值為0.768 6），比較要素抽取all精確匹配、all相互覆蓋也均獲得最好成績(jī)（平均成績(jī)的微平均F值分別為0.215 2、0.289 4）。系統(tǒng)比較句識(shí)別的準(zhǔn)確率、召回率均達(dá)到90%以上，但比較要素抽取的準(zhǔn)確率、召回率僅為40%左右，還遠(yuǎn)遠(yuǎn)達(dá)不到實(shí)用化的要求。

我們對(duì)系統(tǒng)處理錯(cuò)誤的句子進(jìn)行了分析和歸納，產(chǎn)生錯(cuò)誤主要有以下幾個(gè)原因。

（1）規(guī)則的方法還有盲區(qū)。通過(guò)意合方式表示比較的句子，例如，“捷達(dá)賣6萬(wàn)元，派利奧之流就得賣三萬(wàn)元?！边@樣的句子既不包含比較詞，也不包含比較表達(dá)式，缺乏形式化標(biāo)記，無(wú)法編寫規(guī)則。

（2）領(lǐng)域詞典和情感詞典不完善。有些情感詞語(yǔ)和領(lǐng)域詞語(yǔ)是漏收，也有些產(chǎn)品名和產(chǎn)品屬性名因過(guò)于簡(jiǎn)省而沒(méi)有收錄。例如，“Mazda3是口碑很好的新型號(hào)，目前的6不如3?！比绻?、3放入產(chǎn)品名詞典，會(huì)引入噪聲。權(quán)衡之下，不收，利大于弊。

（3）比較要素抽取錯(cuò)誤的原因很多。1）語(yǔ)言的復(fù)雜性所導(dǎo)致。當(dāng)一個(gè)句子中出現(xiàn)多個(gè)產(chǎn)品名，且不都是比較要素時(shí)，規(guī)則處理起來(lái)就顯得捉襟見肘。例如，“這款音箱的音質(zhì)真的不怎么樣，插在電腦上聽音樂(lè)感覺(jué)不如在電腦上帶耳機(jī)用的音質(zhì)好！”系統(tǒng)錯(cuò)誤地把距離比較標(biāo)記“不如”最近的產(chǎn)品名——它前面的“電腦”和它后面的“電腦”分別抽取為比較主體、比較基準(zhǔn)。2）規(guī)則的約束條件和先后順序安排還有一定問(wèn)題，致使包含多個(gè)比較分句的句子處理不當(dāng)，比較要素抽取錯(cuò)誤。

（4）情感極性判斷錯(cuò)誤的原因也是多方面的。1）特殊搭配導(dǎo)致極性反轉(zhuǎn)，例如，“帕薩特的故障遠(yuǎn)高于中華。”其中“高于”和“故障”搭配時(shí)，極性應(yīng)反轉(zhuǎn)，由正變負(fù)；2）有些句子可以與規(guī)則庫(kù)中的多條規(guī)則匹配，最先匹配到的規(guī)則并不符合句子實(shí)際情況，例如，“同君威2.5比，M6＿2.0差一點(diǎn)。”該句最先匹配的是比字句規(guī)則，實(shí)際應(yīng)該匹配“同……比”規(guī)則；3）匹配到的情感詞并不是比較結(jié)果詞，例如，“我以前買那些工業(yè)包裝的SONY都要比這些垃圾要好得多?！毕到y(tǒng)把“垃圾（ne）”認(rèn)作比較結(jié)果詞，但實(shí)際的比較結(jié)果詞是“好得多（po）”。最不應(yīng)該的是，由于我們的粗心，把一條極比規(guī)則右部的比較結(jié)果項(xiàng)的序號(hào)寫錯(cuò)了，應(yīng)該是N7，寫成了N5，導(dǎo)致該規(guī)則匹配到的23個(gè)句子的比較主體的極性全部錯(cuò)誤。

上述有些問(wèn)題可以通過(guò)完善詞典，修改、增添規(guī)則，調(diào)整規(guī)則庫(kù)中規(guī)則的順序加以解決。但有些問(wèn)題，如語(yǔ)言復(fù)雜性導(dǎo)致的抽取錯(cuò)誤、一個(gè)比較句包含多個(gè)比較分句等情況，我們目前還沒(méi)有找到兩全的解決方案，只能是抓大放小，把語(yǔ)言中一般性問(wèn)題、大概率問(wèn)題的解決放在首位。

7 結(jié)語(yǔ)

基于詞義聚類與比較句的語(yǔ)義分類，運(yùn)用詞典與規(guī)則的方法，我們構(gòu)建了比較句識(shí)別與比較要素抽取系統(tǒng)CUCsas，在第四屆中文傾向性評(píng)測(cè)（COAE2012）中取得了較好的成績(jī)。一個(gè)重要的原因是對(duì)語(yǔ)言的研究做得比較細(xì)致，例如，從比較要素抽取的角度對(duì)比較句的分類方式做出調(diào)整；依據(jù)比較句與比較要素是一種“你中有我，我中有你”的共生關(guān)系，將兩個(gè)任務(wù)合二為一完成；基于不同語(yǔ)義類型構(gòu)建了漢語(yǔ)比較句語(yǔ)義分類體系；對(duì)情感詞、領(lǐng)域詞進(jìn)行了較為微觀的分析。我們認(rèn)為，無(wú)論采用選取特征訓(xùn)練模型的方法，還是采用詞典規(guī)則的方法，都應(yīng)該注重對(duì)語(yǔ)言的研究，把語(yǔ)言的客觀規(guī)律與具體的語(yǔ)言工程有機(jī)結(jié)合起來(lái)。系統(tǒng)的不足還有很多，除了上面已談到的外，目前領(lǐng)域詞典的建立主要還是靠手工搜集和輸入，下一步應(yīng)探討如何采用機(jī)器學(xué)習(xí)的方法提高效率。

［1］黃小江，萬(wàn)小軍，楊建武，等.漢語(yǔ)比較句識(shí)別研究［J］.中文信息學(xué)報(bào)，2008，22（5）：30－38.

［2］尚平.比較句系統(tǒng)研究綜述［J］.語(yǔ)言文字應(yīng)用，2006，（S2）：77－80.

［3］車競(jìng).現(xiàn)代漢語(yǔ)比較句論略［J］.湖北師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2005，25（3）：60－65.

［4］賀又寧.現(xiàn)代漢語(yǔ)比較句的結(jié)構(gòu)特色與語(yǔ)用制約試析［J］.貴州大學(xué)學(xué)報(bào)（社科版），2001，19（3）：70－74.

［5］鄧?guó)P民.漢語(yǔ)比較標(biāo)記和差比句語(yǔ)序類型［J］.漢語(yǔ)學(xué)習(xí)，2012，（2）：36－44.

［6］劉穎.現(xiàn)代漢語(yǔ)中幾種表示相同比較的句式［J］.安徽師范大學(xué)學(xué)報(bào)（人文社科版），2000，28（3）：436－440.

［7］又寧.現(xiàn)代漢語(yǔ)中兩種主要的比較句的分析［J］.語(yǔ)文研究，1995，（3）：5－10.

［8］陳珺，周小兵.比較句語(yǔ)法項(xiàng)目的選取和排序［J］.語(yǔ)言教學(xué)與研究，2005，（2）：22－33.

［9］何元建.現(xiàn)代漢語(yǔ)比較句式的句法結(jié)構(gòu)［J］.漢語(yǔ)學(xué)習(xí)，2010，（5）：11－19.

［10］賀又寧.現(xiàn)代漢語(yǔ)比較句的投射規(guī)律［J］.貴族師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2000，（1）：120－122.

［11］許國(guó)萍.“比”字句研究綜述［J］.漢語(yǔ)學(xué)習(xí)，1996，（6）：28－31.

［12］任海波.現(xiàn)代漢語(yǔ)“比”字句結(jié)論項(xiàng)的類型［J］.語(yǔ)言教學(xué)與研究，1987，（4）：91－103.

［13］李艷，孫斐.沒(méi)有型比較句的比較結(jié)果研究［J］.濱州學(xué)院學(xué)報(bào)，2007，23（2）：32－36.

［14］宋銳，林鴻飛，常富洋.中文比較句識(shí)別及比較關(guān)系抽?。跩］.中文信息學(xué)報(bào)，2009，23（2）：102－107.

［15］黃高輝，姚天昉，劉全升.基于CRF算法的漢語(yǔ)比較句識(shí)別和關(guān)系抽?。跩］.計(jì)算機(jī)應(yīng)用研究，2010，27（6）：2061－2064.