從術(shù)語知識發(fā)現(xiàn)視角看術(shù)語科學(xué)定名的重要性

張榕+

摘要：科學(xué)的術(shù)語定名是術(shù)語工作的一項重要內(nèi)容。一個科學(xué)的概念指稱的創(chuàng)立，是術(shù)語推廣、傳播與術(shù)語標準化工作的前提條件。文章從術(shù)語知識發(fā)現(xiàn)這一新的視角論述了術(shù)語科學(xué)定名對于術(shù)語知識發(fā)現(xiàn)工程的重要作用，從應(yīng)用角度進一步論證了術(shù)語科學(xué)定名的重要性。

關(guān)鍵字：術(shù)語定名，術(shù)語知識發(fā)現(xiàn)，術(shù)語定義抽取，術(shù)語定義聚類，術(shù)語識別

中圖分類號：H083；N04文獻標識碼：A文章編號：1673-8578（2015）03-0014-04

Abstract：The scientific term designation is one of the most important aspects in term work. The creation of the designation of a concept is the prerequisite for the popularization， spread and standardization of terms. This paper analyzes the importance of scientific term designation from the perspective of term knowledge discovery.

Keywords： term designation，term knowledge discovery，term definition extraction， term definition clustering， term recognition

術(shù)語定名是給一個概念制定科學(xué)的術(shù)語的過程。術(shù)語定名應(yīng)遵循準確性、單義性、系統(tǒng)性、語言的正確性、簡明性、理據(jù)性、穩(wěn)定性、能產(chǎn)性原則[1]。上述原則對于術(shù)語所指稱概念的推廣與傳播、術(shù)語標準化工作都具有重要的理論與現(xiàn)實意義。

近年來，術(shù)語學(xué)研究與中文信息處理技術(shù)相結(jié)合成為術(shù)語學(xué)研究的新方向。術(shù)語知識發(fā)現(xiàn)的相關(guān)研究已有了不少的成果。本文將從基于大規(guī)模語料的術(shù)語定義抽取、術(shù)語定義聚類與術(shù)語識別三大主要術(shù)語知識發(fā)現(xiàn)的應(yīng)用研究出發(fā)[2]，探討術(shù)語科學(xué)定名對于術(shù)語知識工程的支撐作用，從語言工程的實現(xiàn)過程對術(shù)語科學(xué)定名的重要性進行論述。

一術(shù)語科學(xué)定名在術(shù)語定義抽取中的作用

術(shù)語定義抽取是了解術(shù)語概念最基本、最直接的方式?；诰W(wǎng)絡(luò)海量信息的術(shù)語定義抽取通常是將一個術(shù)語查詢項提交給抽取系統(tǒng)，系統(tǒng)根據(jù)該查詢項關(guān)鍵詞進行文本檢索，再通過一系列規(guī)則與統(tǒng)計的計算方法，將得分最高的句子抽取出來作為術(shù)語定義的最優(yōu)選項 [3-4]。

馮志偉認為名稱與概念之間具有單參照性，即一個名稱與一個且只與一個概念相對應(yīng)。他還認為術(shù)語的同義現(xiàn)象會導(dǎo)致術(shù)語使用的混亂。在術(shù)語工作中，應(yīng)該盡量減少術(shù)語的同義現(xiàn)象，這是術(shù)語標準化的任務(wù)之一[5] 。

當術(shù)語同義現(xiàn)象嚴重時，由于提交給查詢系統(tǒng)的關(guān)鍵詞每次只有一項，這就必然造成系統(tǒng)無法識別出包含其同義術(shù)語的文本集合，從而降低了抽取系統(tǒng)的準確率。例如，路甬祥談到術(shù)語濫用的問題時舉例，“ergonomics”一詞，分別有人機學(xué)、人機工效學(xué)、人類工程學(xué)、人體工程學(xué)、生物工藝學(xué)、人類環(huán)境改造學(xué)、勞動經(jīng)濟學(xué)、工作環(huán)境改造學(xué)、工效學(xué)等22種叫法[6]。

我們將上述名稱分別作為查詢關(guān)鍵詞，提交給術(shù)語定義抽取系統(tǒng)，進行實驗。對抽取結(jié)果分析后發(fā)現(xiàn)，提交查詢項對抽取質(zhì)量的影響較大。系統(tǒng)的準確率與查詢項術(shù)語的使用頻率正相關(guān)。在公眾中知曉度與使用度相對較高的術(shù)語如“人機學(xué)”“人際工效學(xué)”“人體工程學(xué)”作為查詢項時，系統(tǒng)返回的文本數(shù)量較大，文本中的信息與術(shù)語定義相關(guān)度高，抽取準確率高。反之，使用的查詢項權(quán)威度、知曉度、流通度與使用頻率均較低時，雖然多數(shù)搜索引擎在關(guān)鍵詞處理過程中會使用同義詞擴展功能，但抽取結(jié)果排序時通常給原始查詢項賦予一個較高的權(quán)重，這就造成質(zhì)量較高的同義詞定義排在后面，從而降低了抽取結(jié)果的準確率。例如“人類環(huán)境改造學(xué)”“工作環(huán)境改造學(xué)”由于在公眾中的知曉度與使用度降低，搜索引擎返回的文本數(shù)量極其有限，抽取出的候選句子的數(shù)量會受到很大的制約。同時，由于知曉度低，這些文本并非包含權(quán)威機構(gòu)發(fā)布的術(shù)語定義，通常是網(wǎng)絡(luò)上自媒體參與者發(fā)表的個人觀點，客觀性、規(guī)范性與科學(xué)性都無法得到保證，在這些文本集合中進行術(shù)語定義的自動發(fā)現(xiàn)，會大大降低術(shù)語知識提取的準確度。

從語義角度考察，在這22種叫法中，“生物工藝學(xué)”“勞動經(jīng)濟學(xué)”與源語語義相似度較小，與科技文獻翻譯的相對等值性原則背離甚遠，以該類詞語作為查詢項得到的結(jié)果顯然不能對所指稱概念進行合理的描述。

作為查詢項的術(shù)語，其定名的合理度即與術(shù)語的定名原則契合度越高，對識別系統(tǒng)的貢獻度越大。如果將上述22個名稱通過擇優(yōu)整合成一個術(shù)語，從術(shù)語標準化的角度來說，有利于普及術(shù)語概念。另一方面，網(wǎng)絡(luò)文本撰寫者逐漸統(tǒng)一使用固定下來的權(quán)威、規(guī)范的術(shù)語，也同樣可以加速術(shù)語指稱概念的傳播。用統(tǒng)一的術(shù)語作為查詢項，其識別效果顯然遠遠大于多名術(shù)語的抽取結(jié)果，術(shù)語定義的抽取系統(tǒng)又直接服務(wù)于術(shù)語概念的理解，從而實現(xiàn)了概念普及的良性循環(huán)。

在考察中我們還發(fā)現(xiàn)，首字母縮合詞術(shù)語同名異義的現(xiàn)象，在所有術(shù)語類型中最為普遍。無論從術(shù)語學(xué)本體或術(shù)語知識發(fā)現(xiàn)的角度，存在的問題都較大。

術(shù)語的單義性是指在某個特定領(lǐng)域內(nèi)，術(shù)語具有形式與意義的一一對應(yīng)關(guān)系，一個術(shù)語只表達一個學(xué)科概念，然而對于具有跨領(lǐng)域特性的多義術(shù)語，不具備形式與意義的一一對應(yīng)性。換言之，在術(shù)語的命名過程中，術(shù)語的單義性原則只能落實到單一領(lǐng)域的范圍。以首字母縮合詞“CPI”為例，該術(shù)語共有17個不同義項，分別覆蓋經(jīng)濟、政治、信息、管理、醫(yī)學(xué)等領(lǐng)域，其中消費者物價指數(shù)（consumer price index）在這17個義項中知曉度與使用頻次最高。其余義項知曉度與使用頻率較低，這類術(shù)語更多被所屬領(lǐng)域的專家或?qū)W習(xí)者使用，領(lǐng)域內(nèi)部的流通率較高，但領(lǐng)域外流通率較低。在這些跨領(lǐng)域的多義術(shù)語中，即使同一領(lǐng)域內(nèi)部依舊存在同形異義的現(xiàn)象，例如“費用績效指數(shù)”“關(guān)鍵績效指數(shù)”“成本績效指數(shù)”。由于上述術(shù)語的英語首字母相同，造成同一詞形表達完全不同的概念，這顯然違背了術(shù)語單義性的原則。在術(shù)語定義識別過程中，造成了大量的識別噪音。在首字母縮合詞術(shù)語的命名過程中，術(shù)語學(xué)家需在術(shù)語構(gòu)成的經(jīng)濟性原則[7]與單義性、準確性原則之間找到最佳平衡點。endprint

術(shù)語定名的單義性與準確性原則對于術(shù)語定義的識別系統(tǒng)的支撐作用是顯著的。如果查詢術(shù)語符合術(shù)語的定名原則，特別是符合在單一領(lǐng)域內(nèi)單形單義的定名原則，將提高系統(tǒng)抽取的效率。

二術(shù)語科學(xué)定名在術(shù)語定義聚類中的作用

術(shù)語定義聚類是按照術(shù)語的領(lǐng)域歸屬類別將術(shù)語定義劃分到各自所屬的類別的過程，該系統(tǒng)的實現(xiàn)能解決大規(guī)模術(shù)語定義自動分類問題，對于領(lǐng)域術(shù)語數(shù)據(jù)庫的構(gòu)建以及規(guī)?；匮芯款I(lǐng)域術(shù)語具有重要意義。

我們知道，一個新概念的產(chǎn)生必定要使用一個指稱去描述此概念。從認知科學(xué)的角度而言，任何一個新概念的產(chǎn)生都不是憑空而來的，絕大多數(shù)新概念都是在原有領(lǐng)域的相關(guān)概念的基礎(chǔ)上產(chǎn)生的。反映在語言學(xué)特征上，大多數(shù)新術(shù)語不是憑空而造的詞，而是與先前的相關(guān)術(shù)語在語義上構(gòu)成一定的關(guān)系。因此描述新概念的術(shù)語，所采取的語言形式多為組合型術(shù)語。概念體系是由一組相關(guān)概念構(gòu)成的集合，以屬種關(guān)系為框架，層級結(jié)構(gòu)分明，并包含了各種縱向與橫向的聯(lián)系，每個概念在概念體系中占有明確的位置。依據(jù)術(shù)語命名的系統(tǒng)性，新術(shù)語的命名需納入原有系統(tǒng)之中，概念體系間結(jié)構(gòu)層次分明便于規(guī)范指稱，使被定義概念在術(shù)語概念體系中準確地找到其相應(yīng)的位置。

例如，“基金”是一個上位術(shù)語。隨著近年來基金業(yè)的迅猛發(fā)展，基金的種類不斷增加，這就需要越來越多的術(shù)語來指稱這些概念。其下位術(shù)語包括：投資基金、開放式基金、封閉式基金、公司型投資基金、契約型投資基金、成長型投資基金、收入型投資基金、平衡型投資基金、股票基金、債券基金、貨幣市場基金、期貨基金、期權(quán)基金、指數(shù)基金、認沽權(quán)證基金、區(qū)域基金等。

經(jīng)過自動分詞系統(tǒng)的處理，這些詞組型術(shù)語的整體語義與詞組中每個詞的語義之和的關(guān)系示例如下：

成長型投資基金→成長+型+投資+基金

認沽權(quán)證基金→認沽+權(quán)證+基金

貨幣市場基金→貨幣+市場+基金

開放式基金→開放+式+基金

由于這些新術(shù)語尚未收錄在分詞詞表中，在分詞過程中被切碎成幾個詞組的組合序列，然而聚類系統(tǒng)的實驗統(tǒng)計卻表明，未收錄術(shù)語對最終聚類的準確率的影響可以忽略不計。聚類系統(tǒng)使用語義知識庫進行語義間的相似度計算。從上述切分結(jié)果可以看出，被切碎詞組的義項之和與該術(shù)語本身的義項基本相同，即被切分詞語的碎片與原術(shù)語之間保持著較大的語義相關(guān)度。

反之，某些外來意譯型未收錄術(shù)語，經(jīng)過分詞系統(tǒng)切分后，每個碎片的語義之和與術(shù)語整體語義關(guān)聯(lián)度較小。例如“漂綠”（green wash）意為“公司、政府或是組織以某些行為或行動宣示自身對環(huán)境保護的付出但實際上卻是反其道而行的行為”。

分詞系統(tǒng)切分為：漂綠→漂+綠

切分后的義項累加與原術(shù)語之間沒有過多的語義關(guān)聯(lián)，兩者之間的語義相似度極低。由于領(lǐng)域聚類的過程是基于句子之間的語義相似度計算，顯然這種術(shù)語的定名方式對整個聚類系統(tǒng)的準確率造成了很大的影響。

從語言學(xué)特征來看，“漂綠”的表意特征較弱，理據(jù)性較差，使用者無法從指稱推斷其相關(guān)概念。我們進行了一項實驗，受試者為20—50歲年齡段，包含各個教育等級的人群，數(shù)量為20人。實驗結(jié)果表明，受試者均無法從該術(shù)語的字面意思推測出該術(shù)語的大致意義，甚至無法推測出其領(lǐng)域歸屬類別。確保意譯術(shù)語的簡明性，同時符合漢語的概念理解模式，在科學(xué)性、概念體系之間的關(guān)聯(lián)性，以及源語與譯語間形式與意義的忠實度之間找到一個最佳平衡點，是術(shù)語學(xué)家在術(shù)語定名過程中須著重考慮的問題。

遵循術(shù)語定名規(guī)范的詞組型術(shù)語的語義與構(gòu)成該術(shù)語的每個詞語的語義之和相似度極高；反之造成被切分后的碎片部分語義之和與原術(shù)語語義的割裂，對聚類系統(tǒng)的準確率影響較大。該現(xiàn)象從術(shù)語工程學(xué)的角度也驗證了：科學(xué)規(guī)范的術(shù)語命名對高質(zhì)量的術(shù)語定義聚類系統(tǒng)的實現(xiàn)起到一定的支撐作用。

三術(shù)語科學(xué)定名在術(shù)語識別中的作用

大多數(shù)的新術(shù)語都是在相關(guān)舊術(shù)語的基礎(chǔ)上建立或演化而來的，與該領(lǐng)域內(nèi)部的其他術(shù)語保持某種意義上的關(guān)聯(lián)關(guān)系，如層級關(guān)系、部分—整體關(guān)系、聯(lián)想關(guān)系等。術(shù)語系統(tǒng)將新產(chǎn)生的概念囊括在原有相關(guān)概念體系之中，并與原有概念建立一定的結(jié)構(gòu)、層級與語義關(guān)系。術(shù)語的語綴體現(xiàn)了術(shù)語命名的系統(tǒng)性與能產(chǎn)性的特征。在術(shù)語系統(tǒng)中，出現(xiàn)頻率較高的詞綴包括：

前綴：亞、超、有、無、非、不、泛、類、可、反、單、雙、多、自、總、半、云、次、大、小、被、逆、子、準、過等。

后綴：率、化、學(xué)、度、性、論、式、法、物、子、系、質(zhì)、素、炎、儀、計、劑、體、器等。

很多包含高頻詞綴的術(shù)語是伴隨著新的學(xué)科領(lǐng)域而產(chǎn)生的，這些詞綴具有強大的構(gòu)詞能力，可與其他已知概念組配在一起，產(chǎn)生一批與該概念相關(guān)的概念集合。雖然有的語綴出現(xiàn)時間較短，但影響力大，能產(chǎn)性高，數(shù)量增幅巨大，覆蓋領(lǐng)域廣泛。以術(shù)語前綴“云”為例，我們統(tǒng)計到的包含“云”的術(shù)語超過一百個。這些術(shù)語都是基于“云技術(shù)”而產(chǎn)生的，詞綴構(gòu)詞的術(shù)語定名法便于術(shù)語所指稱的概念在概念網(wǎng)絡(luò)中找到相應(yīng)的節(jié)點，分別與“云技術(shù)”建立關(guān)聯(lián)。包含“云”的術(shù)語幾乎涵蓋了與百姓日常生活密切相關(guān)的政治、經(jīng)濟、文化、科技、娛樂、教育等各個領(lǐng)域，如：云政務(wù)、云支付、云社交、云指控、云音樂、云學(xué)習(xí)等?？梢岳硇缘赝茢啵诓痪玫膶?，以“云”為前綴的新術(shù)語的數(shù)量將會繼續(xù)增長，覆蓋領(lǐng)域?qū)⒏鼜V泛，社會影響力以及知曉度和使用頻率將越來越高。

術(shù)語的語綴從語義上準確表達了術(shù)語所表達概念的重要屬性之一，對于概念的識別作用明顯。例如詞串：云+N，V+率。若前綴“云”后緊跟一個名詞，或后綴“率”前出現(xiàn)一個動詞，那么這種詞匯共現(xiàn)關(guān)系與術(shù)語成詞概率是緊密相關(guān)的，即“云+N”與“V+率”的詞串作為術(shù)語的概率較高。實際上，即使出現(xiàn)在術(shù)語定義上下文窗口中，術(shù)語的位置也是不固定的，尤其從網(wǎng)絡(luò)獲取到的術(shù)語定義，語言結(jié)構(gòu)靈活多樣，術(shù)語可能出現(xiàn)在句首、句尾或句中的任何一個位置。位置信息的缺失在一定程度上也造成了術(shù)語識別的難度。在術(shù)語粗抽取的基礎(chǔ)上，識別系統(tǒng)利用語綴信息，在發(fā)現(xiàn)術(shù)語語綴之后，通過抽取方向的選取以及相應(yīng)的抽取算法，將術(shù)語識別出來[2] 。

語綴具有術(shù)語識別的指示功能，從術(shù)語建設(shè)與管理的角度而言，語綴構(gòu)詞法便于術(shù)語在術(shù)語知識庫中找到其相應(yīng)的節(jié)點，方便術(shù)語的整理、歸類，也能提高術(shù)語數(shù)據(jù)庫用戶的查詢、檢索的效率。從術(shù)語知識發(fā)現(xiàn)的角度而言，術(shù)語語綴尤其是能產(chǎn)性強的語綴，對于術(shù)語的自動識別、新術(shù)語的自動發(fā)現(xiàn)起到了強大的支持作用。利用語綴信息可輔助系統(tǒng)準確、快速地識別出一批包含特定概念的術(shù)語，有效地提高了識別的效率。

四結(jié)語

在信息技術(shù)高速發(fā)展的今天，術(shù)語學(xué)研究離不開中文信息處理技術(shù)的支持，該技術(shù)使得大規(guī)模的術(shù)語知識發(fā)現(xiàn)、領(lǐng)域術(shù)語的系統(tǒng)化研究以及術(shù)語數(shù)據(jù)庫的構(gòu)建成為可能，對術(shù)語學(xué)本體研究具有重要的推動作用。從另一個角度而言，術(shù)語學(xué)本體研究影響著術(shù)語知識發(fā)現(xiàn)系統(tǒng)的實現(xiàn)。科學(xué)的術(shù)語定名不僅對術(shù)語概念傳播、術(shù)語標準化工作具有積極意義，同時也能有效提高術(shù)語知識發(fā)現(xiàn)系統(tǒng)的效率。

參考文獻

[1] 馮志偉.現(xiàn)代術(shù)語引論[M].北京：語文出版社，1997.

[2] 張榕.術(shù)語定義抽取、聚類與術(shù)語識別研究[D].北京語言大學(xué)信息科學(xué)學(xué)院，2006.

[3] 荀恩東，賈愛平，宋柔.基于互聯(lián)網(wǎng)的術(shù)語定義獲取系統(tǒng)[J].中文信息學(xué)報，2004（4）：37-44.

[4] 荀恩東，李晟.采用術(shù)語定義模式和多特征的新術(shù)語及定義識別方法[J].計算機研究與發(fā)展，2009（1）：62-69.

[5] 馮志偉.術(shù)語中的概念系統(tǒng)與知識本體[J].術(shù)語標準化與信息技術(shù)，2006（1）：9-16.

[6] 路甬祥.我國科技名詞的規(guī)范和統(tǒng)一任重而道遠[J].編輯學(xué)報，2006（4）：241-242.

[7] 馮志偉.術(shù)語形成的經(jīng)濟率-FEL公式[J].中國科技術(shù)語，2010（2）：9-16.endprint