《面向自然語(yǔ)言處理的語(yǔ)言學(xué)要義》述評(píng)

上海外國(guó)語(yǔ)大學(xué) 楊春雷

?

《面向自然語(yǔ)言處理的語(yǔ)言學(xué)要義》述評(píng)

上海外國(guó)語(yǔ)大學(xué) 楊春雷

《面向自然語(yǔ)言處理的語(yǔ)言學(xué)要義》從跨語(yǔ)言的視角，探討了如何通過(guò)分析句子各組成部分之間的相互關(guān)系(主要是形態(tài)和句法結(jié)構(gòu))來(lái)構(gòu)建更準(zhǔn)確的語(yǔ)言描寫(xiě)系統(tǒng)，從而為更成功的自然語(yǔ)言處理系統(tǒng)奠定基礎(chǔ)。

自然語(yǔ)言處理；形態(tài)；句法

LinguisticFundamentalsforNaturalLanguageProcessing: 100EssentialsfromMorphologyandSyntax(《面向自然語(yǔ)言處理的語(yǔ)言學(xué)要義：形態(tài)學(xué)和句法學(xué)的100個(gè)要點(diǎn)》，下文稱(chēng)《面向自然語(yǔ)言處理的語(yǔ)言學(xué)要義》)的雛形是2012年國(guó)際計(jì)算語(yǔ)言學(xué)協(xié)會(huì)組織的一次授課講義。作者Emily M. Bender是美國(guó)華盛頓大學(xué)語(yǔ)言學(xué)系和計(jì)算科學(xué)與工程系的雙聘教授，也是中心語(yǔ)驅(qū)動(dòng)的短語(yǔ)結(jié)構(gòu)語(yǔ)法(Head-driven Phrase Structure Grammar，簡(jiǎn)稱(chēng)HPSG)理論的最主要旗手之一。

本書(shū)凝聚了作者跨學(xué)科的學(xué)術(shù)思想和成果，其中體現(xiàn)的主要特點(diǎn)和作者的專(zhuān)業(yè)領(lǐng)域高度契合。作者在計(jì)算語(yǔ)言學(xué)、形式語(yǔ)法和語(yǔ)言類(lèi)型學(xué)等各領(lǐng)域皆頗有建樹(shù)。在計(jì)算語(yǔ)言學(xué)方面，她是華盛頓大學(xué)計(jì)算語(yǔ)言學(xué)專(zhuān)業(yè)的負(fù)責(zé)人，長(zhǎng)期為《計(jì)算語(yǔ)言學(xué)》、《語(yǔ)言和計(jì)算研究》、《語(yǔ)言技術(shù)中的語(yǔ)言學(xué)問(wèn)題》等雜志撰稿；在形式語(yǔ)法方面，她是HPSG理論的權(quán)威著作《句法理論》(Sagetal. 2003)的作者之一，而HPSG理論是計(jì)算語(yǔ)言學(xué)領(lǐng)域應(yīng)用最廣泛的形式句法理論框架(Backofenetal. 1996)；在語(yǔ)言類(lèi)型學(xué)方面，她負(fù)責(zé)的斯坦福大學(xué)語(yǔ)言與信息研究中心“語(yǔ)法母體”(Grammar Matrix)項(xiàng)目經(jīng)過(guò)近20年的發(fā)展，建立了跨語(yǔ)言語(yǔ)法的開(kāi)發(fā)平臺(tái)，并在該平臺(tái)上開(kāi)發(fā)出20種語(yǔ)言的可計(jì)算語(yǔ)法。

1． 主要內(nèi)容

本書(shū)分為4個(gè)部分，共10章，包含100個(gè)知識(shí)要點(diǎn)，每個(gè)要點(diǎn)集中解釋一個(gè)語(yǔ)言學(xué)問(wèn)題，篇幅從一段到兩頁(yè)不等。

第一部分(第1章“介紹/動(dòng)因”)是全書(shū)概述，共有7個(gè)要點(diǎn)，介紹形態(tài)學(xué)和句法學(xué)的基本概念，并闡述本書(shū)的寫(xiě)作目的——研究?jī)蓚€(gè)領(lǐng)域的關(guān)鍵知識(shí)，分別是：1)自然語(yǔ)言處理(Natural Language Processing，以下簡(jiǎn)稱(chēng)NLP)領(lǐng)域：NLP的核心任務(wù)是提取語(yǔ)句中的依存關(guān)系，即“誰(shuí)對(duì)誰(shuí)做了什么”。人類(lèi)語(yǔ)言依靠各種手段體現(xiàn)句子各部分之間的關(guān)系，找到并精確描寫(xiě)這些手段對(duì)NLP中特征的提取與設(shè)計(jì)以及錯(cuò)誤分析至關(guān)重要。2)語(yǔ)言學(xué)領(lǐng)域：理想的NLP程序不僅能處理語(yǔ)言?xún)?nèi)部結(jié)構(gòu)，也能處理不同語(yǔ)言的自然語(yǔ)料，但如何描寫(xiě)跨語(yǔ)言差異對(duì)NLP領(lǐng)域的學(xué)者來(lái)說(shuō)是個(gè)巨大挑戰(zhàn)。因此，語(yǔ)言學(xué)家需要從NLP的角度構(gòu)建普遍適用的語(yǔ)言學(xué)知識(shí)體系。作者特別強(qiáng)調(diào)了語(yǔ)言學(xué)知識(shí)對(duì)NLP的重要性，認(rèn)為如今的NLP系統(tǒng)大多只適用于有限的幾種語(yǔ)言，是否適用于其他語(yǔ)言令人懷疑。書(shū)中豐富的多語(yǔ)種語(yǔ)料可以用來(lái)測(cè)試這些NLP系統(tǒng)的解釋力。

第二部分(第2章至第4章)聚焦形態(tài)學(xué)。

第2章“形態(tài)學(xué)介紹”共有15個(gè)要點(diǎn)，介紹詞素、派生、屈折變化等基本概念，并重點(diǎn)結(jié)合多語(yǔ)種語(yǔ)料討論詞素與音素和詞的復(fù)雜關(guān)系。例如，在希伯來(lái)語(yǔ)中，表示屈折變化的中綴會(huì)插入動(dòng)詞詞根；關(guān)于didn’t的詞匯屬性存在爭(zhēng)議；untieable中詞根tie與前綴un-和后綴-able的組合順序決定最終的語(yǔ)義差異等。

第3章“形態(tài)音位學(xué)”共有4個(gè)要點(diǎn)，結(jié)合多語(yǔ)種語(yǔ)料描寫(xiě)了形態(tài)音位學(xué)的3種主要變化過(guò)程：1)僅涉及詞素形式的變化，如名詞復(fù)數(shù)的規(guī)則變化；2)涉及前后詞素的變化，如主謂一致；3)完全無(wú)規(guī)律的詞素變化，如不規(guī)則動(dòng)詞變化。

第4章“形態(tài)句法學(xué)”是形態(tài)學(xué)部分內(nèi)容最豐富的一章，共有16個(gè)要點(diǎn)，介紹與形態(tài)學(xué)相關(guān)的句法功能，如時(shí)、體、態(tài)、人稱(chēng)、性別、數(shù)、格、否定、限定性、言據(jù)性、敬語(yǔ)和所屬格等，重點(diǎn)討論形態(tài)學(xué)特征間的一致關(guān)系。作者詳細(xì)討論了許多形態(tài)學(xué)標(biāo)記的范疇在不同語(yǔ)言中的差異。以時(shí)態(tài)系統(tǒng)為例，最簡(jiǎn)單的是兩分法，其中最常見(jiàn)的是過(guò)去時(shí)VS非過(guò)去時(shí)(如日語(yǔ))和將來(lái)時(shí)VS非將來(lái)時(shí)。英語(yǔ)是三分法，即過(guò)去時(shí)、現(xiàn)在時(shí)和將來(lái)時(shí)。但有些語(yǔ)言的時(shí)態(tài)系統(tǒng)要復(fù)雜得多。根據(jù)Dahl & Velupillai(2011: 36)對(duì)222種語(yǔ)言的調(diào)查，秘魯亞瓜語(yǔ)中僅過(guò)去時(shí)就有5種，分別是：“最近1類(lèi)”，表示幾個(gè)小時(shí)前；“最近2類(lèi)”，表示1天前；“過(guò)去1類(lèi)”，表示大約一周到一個(gè)月前；“過(guò)去2類(lèi)”，表示大約一兩個(gè)月到一兩年前；“過(guò)去3類(lèi)”，表示很久以前或傳說(shuō)中的過(guò)去。又如，最簡(jiǎn)單的格系統(tǒng)是兩分法；最復(fù)雜的匈牙利語(yǔ)有21種格。

這一章的突出特點(diǎn)是跨語(yǔ)言語(yǔ)料豐富。48組例句中除了12組來(lái)自英語(yǔ)，其他36組分別來(lái)自五大洲的20種語(yǔ)言，其中既包括漢、日、德、法、阿拉伯語(yǔ)等使用廣泛的語(yǔ)種，也包括澳大利亞和美國(guó)的土著語(yǔ)言等小語(yǔ)種。豐富的跨語(yǔ)言差異形象地證明了語(yǔ)言的多樣性，提醒兩個(gè)領(lǐng)域的學(xué)者不應(yīng)僅關(guān)注一種語(yǔ)言的特征，而應(yīng)尋求跨語(yǔ)言的普遍特征，對(duì)于面向廣泛應(yīng)用的NLP系統(tǒng)(如機(jī)器翻譯)的設(shè)計(jì)者來(lái)說(shuō)尤其如此。處理跨語(yǔ)言語(yǔ)料時(shí)，應(yīng)注意形態(tài)標(biāo)記系統(tǒng)間的差異。相同的形態(tài)學(xué)特征在語(yǔ)言A中的值可能等于語(yǔ)言B中的兩個(gè)甚至更多的值的集合。例如，復(fù)數(shù)標(biāo)記在英語(yǔ)中的值{復(fù)數(shù)}等于多種大洋洲語(yǔ)言中除單數(shù)外的4個(gè)值的集合，即{雙、三、大于1的小數(shù)目、復(fù)數(shù)}。

第三部分(第5章至第9章)聚焦句法。

第5章“句法介紹”共有3個(gè)要點(diǎn)，作者將句法定義為附加在語(yǔ)句上的約束條件，并為語(yǔ)義“搭建腳手架(scaffold)”。作者根據(jù)“弗雷格原則”，重點(diǎn)討論了約束條件如何影響語(yǔ)句的語(yǔ)法正確性和語(yǔ)義闡釋?zhuān)J(rèn)為信息組合成語(yǔ)義結(jié)構(gòu)的方式很大程度上取決于句法。

第6章“詞性”共有4個(gè)要點(diǎn)，分別介紹如何根據(jù)形態(tài)、句法分布以及功能來(lái)定義詞性。作者還指出詞性劃分的復(fù)雜性，并強(qiáng)調(diào)沒(méi)有任何廣泛適用于所有語(yǔ)言的詞類(lèi)體系，但弱化的、規(guī)模較小的詞類(lèi)體系能滿(mǎn)足一些實(shí)際應(yīng)用(如機(jī)器翻譯)的需要。

第7章“中心語(yǔ)、論元和修飾成分”共有17個(gè)要點(diǎn)，分別定義這3種句法成分并研究它們的句法表現(xiàn)。例如，作者分別從句法和語(yǔ)義角度討論了修飾語(yǔ)的7個(gè)特點(diǎn)；在討論中心語(yǔ)的詞類(lèi)時(shí)，她特別指出由動(dòng)詞和形容詞派生的名詞(如invitation和likelihood)也可做中心語(yǔ)，并且可以選擇自己的論元。作者重點(diǎn)討論了成分結(jié)構(gòu)的主要測(cè)試方法，如并列、句中特定位置和可替代性等；作者也討論了區(qū)分論元和修飾語(yǔ)的測(cè)試方法，如句法必要性和語(yǔ)義蘊(yùn)含等，并結(jié)合例證討論如何以科學(xué)的態(tài)度看待這些測(cè)試方法。

第8章“論元種類(lèi)和語(yǔ)法功能”共有15個(gè)要點(diǎn)，首先討論不同語(yǔ)義角色和句法功能以及它們之間的關(guān)系。作者結(jié)合賓州樹(shù)庫(kù)(Penn Treebank)、框架語(yǔ)義網(wǎng)(FrameNet)和英語(yǔ)資源語(yǔ)法(English Resource Grammar，簡(jiǎn)稱(chēng)ERG)等NLP應(yīng)用，從句法和語(yǔ)義的角度分析如何對(duì)各種依存關(guān)系進(jìn)行分類(lèi)、標(biāo)注以及建立層級(jí)結(jié)構(gòu)。例如，主語(yǔ)可標(biāo)注為名詞性、被動(dòng)名詞性、小句、被動(dòng)小句和控制性主語(yǔ)5個(gè)子類(lèi)。又如，ERG區(qū)分了193個(gè)詞項(xiàng)類(lèi)別，其中僅提升和控制動(dòng)詞的配價(jià)關(guān)系就有45種，涉及501個(gè)動(dòng)詞。本章還研究了如何使用詞序、一致和格標(biāo)記等特征甄別語(yǔ)法功能以及形態(tài)句法如何改變句法功能。

第9章“句法位置和語(yǔ)義角色的不匹配”共有16個(gè)要點(diǎn)，分別討論了5類(lèi)不匹配現(xiàn)象。第1類(lèi)是句法位置和語(yǔ)義角色間的明顯錯(cuò)位，如被動(dòng)、反被動(dòng)、與格換位和具有形態(tài)標(biāo)記的使役關(guān)系等；第2類(lèi)涉及語(yǔ)義為空的詞匯，如功能詞和虛詞等；第3類(lèi)結(jié)構(gòu)中一個(gè)謂詞的語(yǔ)義論元在句法上實(shí)現(xiàn)為另一個(gè)謂詞的論元，如提升和控制結(jié)構(gòu)；第4類(lèi)包括復(fù)雜謂語(yǔ)和并列結(jié)構(gòu)，前者中單個(gè)小句的論元允準(zhǔn)涉及不止一個(gè)詞，后者則可能產(chǎn)生“多對(duì)一”和“一對(duì)多”的匹配關(guān)系；第5類(lèi)中句法論元實(shí)現(xiàn)的位置離它們的中心語(yǔ)較遠(yuǎn)，如長(zhǎng)距離依存。

在第三部分，作者準(zhǔn)確定義和區(qū)分了一系列的句法概念，討論了許多特殊的句法結(jié)構(gòu)，并有針對(duì)性地推薦了NLP的相應(yīng)成果。但是，一方面，一些理論語(yǔ)言學(xué)的討論對(duì)NLP的學(xué)者們來(lái)說(shuō)理解起來(lái)可能有些困難。例如，在討論提升和控制動(dòng)詞的區(qū)別時(shí)，作者沒(méi)有解釋一些重要的抽象語(yǔ)言學(xué)概念，如“未充分賦值”(unsaturated)和“允準(zhǔn)”(license)等，而且也未在內(nèi)容索引中列出。另一方面，雖然作者提供了一些相關(guān)NLP文獻(xiàn)和資源，但書(shū)中缺少與NLP相關(guān)的技術(shù)手段的支持，如語(yǔ)法開(kāi)發(fā)平臺(tái)的安裝及使用、可計(jì)算語(yǔ)法的讀取及修改等。如果理論語(yǔ)言學(xué)家想了解如何計(jì)算實(shí)現(xiàn)抽象的句法概念，很難迅速有效地使用書(shū)中推薦的NLP資源。為此，如果能附上NLP和形式句法的相關(guān)術(shù)語(yǔ)解釋并增加NLP資源的使用說(shuō)明，相信會(huì)有所幫助。

第四部分(第10章“資源”)共有3個(gè)要點(diǎn)，分別提供了形態(tài)分析器、深層句法自動(dòng)剖析器和形態(tài)學(xué)數(shù)據(jù)庫(kù)方面的實(shí)用資源信息。

2． 簡(jiǎn)評(píng)

本書(shū)的主要特色有3個(gè)：

1)跨學(xué)科的知識(shí)體系：作者具有跨理論語(yǔ)言學(xué)和計(jì)算科學(xué)的知識(shí)背景，寫(xiě)作目的明確，內(nèi)容豐富切題并且體系完整，觀點(diǎn)有說(shuō)服力，在理論語(yǔ)言學(xué)和NLP之間搭建了溝通的橋梁。本書(shū)不僅能為NLP領(lǐng)域的學(xué)者提供系統(tǒng)的形態(tài)學(xué)和句法學(xué)框架，也可幫助理論語(yǔ)言學(xué)家從NLP視角探索具有普遍意義的深層語(yǔ)言規(guī)律。書(shū)中的許多語(yǔ)言學(xué)描寫(xiě)，尤其是前6章的內(nèi)容，可以直接應(yīng)用于機(jī)器翻譯。同樣，從NLP的角度描寫(xiě)語(yǔ)言現(xiàn)象對(duì)理論語(yǔ)言學(xué)家也有所啟發(fā)。

本書(shū)的內(nèi)容和技術(shù)細(xì)節(jié)的安排真正兼顧了兩個(gè)專(zhuān)業(yè)領(lǐng)域的學(xué)者。在這方面其他相關(guān)著作就稍顯遜色。一方面，NLP的學(xué)者常參考的語(yǔ)言學(xué)經(jīng)典著作(如Fromkinetal. 2013； O’Gradyetal. 2010)雖然都辟專(zhuān)章介紹了NLP，但篇幅有限，內(nèi)容僅限于結(jié)合少數(shù)例證介紹NLP的主要概念和研究領(lǐng)域。另一方面，語(yǔ)言學(xué)家常參考的NLP經(jīng)典著作(如Jurafsky & Martin 2008)主要關(guān)注語(yǔ)言學(xué)各層面NLP的構(gòu)架、技術(shù)細(xì)節(jié)、算法和應(yīng)用，關(guān)于語(yǔ)言學(xué)的討論不夠深入，系統(tǒng)性也不強(qiáng)。但遵循本書(shū)構(gòu)架，既能有深厚的語(yǔ)言學(xué)本體(尤其是普遍語(yǔ)法)研究基礎(chǔ)，又能方便地對(duì)本體研究成果進(jìn)行計(jì)算實(shí)現(xiàn)，從而建立面向NLP、針對(duì)特定語(yǔ)言的可計(jì)算語(yǔ)法系統(tǒng)。

2)跨語(yǔ)言差異的豐富語(yǔ)料支撐： 書(shū)中的討論涉及多達(dá)82種語(yǔ)言，而且絕大部分要點(diǎn)都有例句支撐。這些例句來(lái)自斯瓦希里語(yǔ)、希伯來(lái)語(yǔ)、土耳其語(yǔ)、芬蘭語(yǔ)、塞爾維亞—克羅地亞語(yǔ)、車(chē)臣語(yǔ)、印古什語(yǔ)、楚克奇語(yǔ)、尤卡吉爾語(yǔ)等20多個(gè)語(yǔ)種。此外，書(shū)中詳細(xì)討論的大量跨語(yǔ)言差異可以幫助語(yǔ)言學(xué)家更深刻地理解跨語(yǔ)言變化規(guī)律對(duì)設(shè)計(jì)機(jī)器翻譯系統(tǒng)和其他多語(yǔ)言應(yīng)用軟件的重要意義。

3)可讀性強(qiáng)，使用方便：本書(shū)介紹了面向NLP的形態(tài)和句法結(jié)構(gòu)體系，言簡(jiǎn)意賅，深入淺出。本書(shū)簡(jiǎn)潔的排版、一目了然的目錄編排、詳細(xì)的內(nèi)容和語(yǔ)言索引、附錄、參考文獻(xiàn)以及正文中頻繁出現(xiàn)的交叉引用都非常便于快速檢索。例如，附錄中列出了行間標(biāo)注中使用的語(yǔ)法術(shù)語(yǔ)縮略形式、全稱(chēng)、上層語(yǔ)法類(lèi)別以及書(shū)中相關(guān)知識(shí)要點(diǎn)等詳細(xì)信息。此外，20多頁(yè)參考文獻(xiàn)全都列出了引用出處的確切頁(yè)碼，因此擴(kuò)展閱讀會(huì)非常高效。

本書(shū)也存在以下兩點(diǎn)不足之處：

1)作為一本實(shí)用手冊(cè)性質(zhì)的著作，書(shū)中沒(méi)有深入討論語(yǔ)言學(xué)家和NLP學(xué)者共同關(guān)注的一些重要內(nèi)容，例如：特征提取的原則、構(gòu)建特征結(jié)構(gòu)的方法和詞性標(biāo)注等。

2)多語(yǔ)種語(yǔ)料分布不均，大多集中在形態(tài)學(xué)部分，而句法部分有近80%的語(yǔ)料都來(lái)自英語(yǔ)。句法結(jié)構(gòu)在不同語(yǔ)言中的變化非常豐富，能提供更多啟發(fā)。如果在這一部分能進(jìn)一步豐富多語(yǔ)種語(yǔ)料，更能凸顯本書(shū)跨語(yǔ)言的獨(dú)特視角。

總的來(lái)說(shuō)，本書(shū)信息量大、系統(tǒng)性強(qiáng)，是一本可讀性很好的NLP和形式語(yǔ)法實(shí)用工具書(shū)。因此，本書(shū)出版后短短一年多時(shí)間即受到學(xué)界的廣泛關(guān)注和好評(píng)，已被《計(jì)算語(yǔ)言學(xué)》和《機(jī)器翻譯》等SCI和SSCI頂級(jí)期刊推介，并已有多所著名高校將其列為研究生跨系教材，如美國(guó)麻省大學(xué)和達(dá)特茅斯學(xué)院(常春藤盟校)計(jì)算機(jī)科學(xué)系、華盛頓大學(xué)語(yǔ)言學(xué)系和印度孟買(mǎi)大學(xué)語(yǔ)言學(xué)系等。

Backofen, R.etal. 1996.TheEAGLESFormalismsWorkingGroup.FinalReport(TechnicalReport) [R]. Saarbrücken: German Research Center for Artificial Intelligence.

Bender, E. M. 2013.LinguisticFundamentalsforNaturalLanguageProcessing: 100EssentialsfromMorphologyandSyntax[M]. San Rafael: Morgan-Claypool.

Dahl, ?. & V. Velupillai. 2011. Perfective/imperfective aspect [OL] // M. S. Dryer & M. Haspelmath (eds.).TheWorldAtlasofLanguageStructuresOnline. Munich: Max Planck Digital Library. http://wals.info/chapter/65.

Fromkin, V.etal. 2013.AnIntroductiontoLanguage(10thedition) [M]. Wadsworth: Cengage Learning.

Jurafsky, D. & J. H. Martin. 2008.Speech&LanguageProcessing(2ndedition) [M]. Upper Saddle River: Prentice Hall.

O’Grady, W.etal. 2010.ContemporaryLinguistics:AnIntroduction(6thedition) [M]. Boston: Bedford/St. Martin’s.

Sag, I. A.etal. 2003.SyntacticTheory:AFormalIntroduction[M]. Stanford: CSLI Publications.

(責(zé)任編輯 任鳳梅)

通訊地址： 201620 上海市 上海外國(guó)語(yǔ)大學(xué)英語(yǔ)學(xué)院

本文系國(guó)家社會(huì)科學(xué)基金項(xiàng)目“類(lèi)型學(xué)視野下的漢語(yǔ)短語(yǔ)結(jié)構(gòu)語(yǔ)法及其計(jì)算實(shí)現(xiàn)研究”(16BYY136)、教育部人文社會(huì)科學(xué)研究規(guī)劃基金項(xiàng)目“面向深層語(yǔ)言處理的漢語(yǔ)短語(yǔ)結(jié)構(gòu)語(yǔ)法”(13YJC740118)和上海外國(guó)語(yǔ)大學(xué)規(guī)劃基金項(xiàng)目“語(yǔ)言量化現(xiàn)象的多維度研究”(2013XJGH023)的階段性研究成果。

H043

A

2095-5723(2016)02-0095-04

2016-02-26