基于句本位圖解樹庫(kù)的漢語句式實(shí)例獲取

朱淑琴，彭煒明，宋繼華，郭冬冬

(1. 北京師范大學(xué) 信息科學(xué)與技術(shù)學(xué)院，北京 100875； 2. 北京聯(lián)合大學(xué) 師范學(xué)院，北京 100011)

基于句本位圖解樹庫(kù)的漢語句式實(shí)例獲取

朱淑琴1,2，彭煒明1，宋繼華1，郭冬冬1

(1. 北京師范大學(xué) 信息科學(xué)與技術(shù)學(xué)院，北京 100875； 2. 北京聯(lián)合大學(xué) 師范學(xué)院，北京 100011)

為了將中文樹庫(kù)更好地服務(wù)于國(guó)際漢語教學(xué)，考慮到語法教學(xué)中句式框架的整體性，該文引入基于句式結(jié)構(gòu)的句本位圖解樹庫(kù)，深入分析其結(jié)構(gòu)特征，并基于句式結(jié)構(gòu)的分層抽取思路，提取了蘊(yùn)含在每個(gè)標(biāo)注句中的句式實(shí)例，構(gòu)建了漢語句式實(shí)例庫(kù)，具體分為基礎(chǔ)句式實(shí)例庫(kù)和復(fù)雜句式實(shí)例庫(kù)兩部分。該項(xiàng)工作使得小規(guī)模標(biāo)注樹庫(kù)可以獲取較大規(guī)模的句式實(shí)例庫(kù)，為句本位圖解樹庫(kù)在國(guó)際漢語教學(xué)中的應(yīng)用提供了一種有效的數(shù)據(jù)解決方案。

句本位圖解樹庫(kù)；句式結(jié)構(gòu)；句式實(shí)例獲取

1 引言

隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展和國(guó)際影響的日益擴(kuò)大，世界范圍內(nèi)的漢語熱持續(xù)升溫。國(guó)際漢語教學(xué)的蓬勃發(fā)展迫切需要得到來自計(jì)算語言學(xué)、語料庫(kù)語言學(xué)等學(xué)科研究成果的支持。將大規(guī)模語料庫(kù)應(yīng)用到國(guó)際漢語教學(xué)是一個(gè)重要趨勢(shì)，語料庫(kù)可為國(guó)際漢語教學(xué)提供豐富的教學(xué)素材，在此基礎(chǔ)上催生新的教學(xué)方法、教學(xué)技術(shù)甚至是教學(xué)理念。將語料庫(kù)應(yīng)用于教學(xué)研究也已經(jīng)普遍地開展，并取得了廣泛的應(yīng)用成果[1]，其中影響較大的語料庫(kù)有： 北京大學(xué)CCL語料庫(kù)、北京語言大學(xué)國(guó)家語言資源動(dòng)態(tài)流通語料庫(kù)(DCC)、北京語言大學(xué)漢語語料庫(kù)(BCC)。然而，上述語料庫(kù)提供的標(biāo)注信息均局限在生語料或詞法層面，缺乏更有價(jià)值的句法結(jié)構(gòu)信息。

國(guó)際漢語教學(xué)講究結(jié)構(gòu)、功能、語境的統(tǒng)一，通常采用各類“句式”作為語法教學(xué)的結(jié)構(gòu)單位。這種以詞、短語或句子成分的線性序列表征的半詞例化單位與當(dāng)前中文信息處理領(lǐng)域常用的兩類句法樹(短語結(jié)構(gòu)樹和依存樹)存在著顯著的結(jié)構(gòu)差異，因而利用樹庫(kù)來檢索句式實(shí)例和統(tǒng)計(jì)句式信息很不方便。為了能夠有效支持基于句式的國(guó)際漢語語法教學(xué)，本文從北京師范大學(xué)語言與文字資源研究中心構(gòu)建的句本位圖解樹結(jié)構(gòu)出發(fā)，探討基于圖解樹庫(kù)的句式實(shí)例獲取和句式資源庫(kù)構(gòu)建方法，大致結(jié)構(gòu)安排如下： 第二節(jié)梳理教學(xué)中句式表達(dá)式的短語和非短語結(jié)構(gòu)因素，指出短語結(jié)構(gòu)樹和依存樹在句式相關(guān)的信息處理中的不適應(yīng)性；第三節(jié)介紹句本位圖解樹庫(kù)，并分析其結(jié)構(gòu)特征；第四節(jié)闡述本文利用句本位圖解樹庫(kù)獲取句式實(shí)例的方法和步驟；第五節(jié)對(duì)獲取的句式實(shí)例庫(kù)作一個(gè)大致的統(tǒng)計(jì)概覽；最后指出本文工作的意義和實(shí)用價(jià)值。

2 句式表達(dá)式中的非短語結(jié)構(gòu)因素

如下所示為從國(guó)際漢語教材或工具書中選取的幾個(gè)代表性的語法點(diǎn)表達(dá)式：

(1) S+要/快要/就要+V+(O)+了——《體驗(yàn)漢語·基礎(chǔ)教程·下》

(2) ……，而……則……——《博雅漢語·中級(jí)沖刺篇Ⅱ》

(3) 寧肯……，也不/也要……——《漢語新目標(biāo)·第7冊(cè)》

(4) A+有+B+那么/這么+Adj.——《三一語法 結(jié)構(gòu)·功能·語境》

(5) Adj/V+是+Adj/V，可是/但是……——《中文聽說讀寫·Level 1》

(6) 一天比一天+A.——《新實(shí)用漢語課本·第四冊(cè)》

這種表達(dá)式的寫法比較自由，或取詞形，或取詞類，乃至短語、句子成分、標(biāo)點(diǎn)等?？傊厝∪舾刹煌问降膯挝贿B接成一個(gè)線性序列。其中的句法結(jié)構(gòu)信息(句法關(guān)系和結(jié)構(gòu)層次等)雖未顯式地標(biāo)記出來，但都是確定無歧義的。

分析這些表達(dá)式可以發(fā)現(xiàn)，其語法教學(xué)的著眼點(diǎn)在于句式框架的整體性，而非兩兩單位之間的短語結(jié)構(gòu)組合。在以短語結(jié)構(gòu)語法體系(依存關(guān)系本質(zhì)上也是一種短語結(jié)構(gòu)關(guān)系)為理論基礎(chǔ)的主流句法樹庫(kù)中進(jìn)行上述句式相關(guān)的例句檢索和信息處理是很困難的。

以(1)為例，句式著眼于時(shí)間副詞“要/快要/就要”和語氣助詞“了”的搭配，但這兩部分內(nèi)容的節(jié)點(diǎn)在短語樹中的層次是不固定的，在依存樹中也不存在直接的詞匯依存關(guān)系。(2)和(3)是關(guān)于關(guān)聯(lián)詞語搭配的，其中，連詞在樹庫(kù)中通常視為一種“附加”節(jié)點(diǎn)或關(guān)系，關(guān)聯(lián)副詞則按“狀中”關(guān)系分析，它們之間的這種“搭配”關(guān)系并非短語結(jié)構(gòu)因素，因而在樹結(jié)構(gòu)中沒有直接的表現(xiàn)。(4)～(6)結(jié)構(gòu)帶有一些“構(gòu)式”性質(zhì)[2]，更加不方便全按二分短語結(jié)構(gòu)來分析。

以上示例中反映出來的非短語結(jié)構(gòu)因素在語法教學(xué)的句式表達(dá)式中是很普遍的。中文的樹庫(kù)構(gòu)建已經(jīng)走過了很長(zhǎng)一段歷程，也積累了規(guī)模不小的短語樹庫(kù)和依存樹庫(kù)，但它們的應(yīng)用主要還是局限在中文信息處理領(lǐng)域的自動(dòng)句法分析，而在語法教學(xué)領(lǐng)域的應(yīng)用成果卻少之又少。這與樹庫(kù)在描寫句法結(jié)構(gòu)時(shí)舍棄“主語”“謂語”“賓語”等“句子成分”節(jié)點(diǎn)的做法有直接關(guān)系，不管是短語結(jié)構(gòu)還是依存結(jié)構(gòu)，這些信息都形式化為一種二元的“句法關(guān)系”。而教學(xué)中講解語法，都是在句式的框架下以“句子成分”直接描寫各類詞語單位的。從“句法關(guān)系”到“句子成分”，理論上都可以按一定的規(guī)則從樹庫(kù)中提取，然而，解析樹結(jié)構(gòu)在程序?qū)崿F(xiàn)上并非易事，這就極大地限制了樹庫(kù)在教學(xué)中的應(yīng)用。因此，從教學(xué)實(shí)際需求出發(fā)，我們尋找一種直接以“句子成分”作為節(jié)點(diǎn)的形式化句法樹結(jié)構(gòu)作為教學(xué)應(yīng)用的數(shù)據(jù)基礎(chǔ)。根據(jù)何靜[3]、彭煒明[4]等的研究，采用“句式結(jié)構(gòu)”構(gòu)建的句本位圖解樹庫(kù)可以較好地建立與教學(xué)句式之間的結(jié)構(gòu)映射關(guān)系。

3 句本位圖解樹庫(kù)的結(jié)構(gòu)特征

北京師范大學(xué)語言與文字資源研究中心構(gòu)建的句本位圖解樹庫(kù)采用黎錦熙先生在《新著國(guó)語文法》中首創(chuàng)的圖解法形式描寫句子結(jié)構(gòu)，并經(jīng)過了形式化的語法體系改造[5]，其圖解公式如圖1所示。從直觀上看，圖解形式以帶謂語核心(簡(jiǎn)稱謂核)的長(zhǎng)橫線為綱，清晰地呈現(xiàn)句式的整體結(jié)構(gòu)格局，便于從全局把握句子的語意脈絡(luò)。這種帶有謂核的長(zhǎng)橫線稱為句式的“主干線”，以它為基準(zhǔn)確立句式的結(jié)構(gòu)層次(簡(jiǎn)稱句式層次)。主、謂、賓位于主干線上，為句式的“主干成分”；定、狀、補(bǔ)位于主干線下，為句式的“附加成分”。全句第一層句式的干線稱“基干線”，相應(yīng)句式層次稱為“基干層”。

從數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)看，其顯著特征是： 采用XML格式，且使用了“主語”“謂語”“賓語”等“句子成分”作為元素節(jié)點(diǎn)。為了實(shí)現(xiàn)圖解圖形與XML數(shù)據(jù)之間的編碼/解碼轉(zhuǎn)換，其形式化結(jié)構(gòu)設(shè)計(jì)中如下幾點(diǎn)值得關(guān)注。

(1) 與短語樹和依存樹相比，它徹底放棄了結(jié)構(gòu)主義語法分析句的理念，樹結(jié)構(gòu)更加扁平化。對(duì)照如圖2所示的圖解和XML，直連于同一條主干線上的主語(sbj)、狀語(adv)、謂語(prd)、賓語(obj)等“句子成分”節(jié)點(diǎn)依次排列，作為小句(xj)的孩子節(jié)點(diǎn)。定語(att)的層次要低一級(jí)， 與其所飾的中心詞

圖1 圖解公式

圖2 圖解與XML對(duì)應(yīng)示例

互為兄弟節(jié)點(diǎn)。由多個(gè)謂核構(gòu)成的復(fù)雜謂語句中，前后謂語(prd)也是依次排列，互為兄弟節(jié)點(diǎn)。這樣，在同一句式中，各成分節(jié)點(diǎn)的層次是相對(duì)固定的，不會(huì)因成分內(nèi)部結(jié)構(gòu)的擴(kuò)展而有所改變。若某成分內(nèi)部又?jǐn)U展為帶謂核的VP結(jié)構(gòu)(如示例中的“工人”的定語“修鐵路”)，則以prd為基準(zhǔn)產(chǎn)生新的句式層次。

(2) 為介詞、連詞、助詞、方位詞等設(shè)置“虛詞位”。介詞位、方位詞位、助詞位分別用于介賓結(jié)構(gòu)、方位結(jié)構(gòu)、助詞結(jié)構(gòu)，連詞位(cc)用于并列結(jié)構(gòu)、同位結(jié)構(gòu)和復(fù)雜謂語結(jié)構(gòu)中，有時(shí)僅起占位符作用，如上例中連動(dòng)關(guān)系的兩個(gè)VP就是通過空cc節(jié)點(diǎn)的@fun屬性來標(biāo)識(shí)的。

(3) 在句子成分節(jié)點(diǎn)(三字母)和虛詞位節(jié)點(diǎn)(兩字母)之外設(shè)置動(dòng)態(tài)詞節(jié)點(diǎn)，節(jié)點(diǎn)名與普通詞節(jié)點(diǎn)相同，但其內(nèi)部還包括若干詞(或語素)節(jié)點(diǎn)，并以屬性@mod標(biāo)記構(gòu)詞模式。動(dòng)態(tài)詞內(nèi)部雖可作類似于句法的“詞法分析”，但結(jié)構(gòu)不如句法組合那樣可自由擴(kuò)展，其在句式中的作用僅相當(dāng)于一個(gè)詞。根據(jù)文獻(xiàn)[6]，圖解樹庫(kù)中的動(dòng)態(tài)詞范圍比中文信息處理中普遍關(guān)注的“未登錄詞”范圍要大，包括“動(dòng)結(jié)式”“動(dòng)趨式”“數(shù)—量”和“V—了”等一般認(rèn)為是“句法結(jié)構(gòu)”的單位。

以上特征保證了句本位圖解樹庫(kù)在面向教學(xué)句式信息化的應(yīng)用中具有良好的結(jié)構(gòu)對(duì)應(yīng)關(guān)系，因而可以為不同的教學(xué)句式設(shè)置特定的XPath表達(dá)式(XML結(jié)構(gòu)查詢語言)[7]。然而，通過XPath查詢XML的程序運(yùn)行效率不高，且受限于句本位圖解樹庫(kù)的規(guī)模，目前的一些應(yīng)用[8-9]大多停留在實(shí)驗(yàn)階段而并未達(dá)到工程化水平。為了解決以上問題，本文嘗試在圖解樹庫(kù)基礎(chǔ)上抽取大量句式實(shí)例，并以其為中介建立樹庫(kù)例句與句式表達(dá)式之間的映射關(guān)系。

4 句式實(shí)例庫(kù)獲取

樹庫(kù)的構(gòu)建耗時(shí)費(fèi)力，句本位圖解樹庫(kù)處于起步階段，尚不足以支撐大規(guī)模教學(xué)應(yīng)用的實(shí)際需求。然而，教學(xué)中句式主要著眼于單層的句式結(jié)構(gòu)，而圖解標(biāo)注的句子通常情況下都包含著不止一個(gè)句式層次的嵌套結(jié)構(gòu)?；谶@種情況，本文從已有的句本位樹庫(kù)中進(jìn)行分層抽取，得到隸屬于不同句式結(jié)構(gòu)層次的句式實(shí)例。這些句式實(shí)例雖不一定是完整的自然語言句子，但是仍然具有語法教學(xué)的應(yīng)用價(jià)值。

4.1 生成句式結(jié)構(gòu)序列表達(dá)式

文獻(xiàn)[5]將漢語的句式系統(tǒng)首先劃分為基本句式、擴(kuò)展句式和復(fù)雜句式三大類?；揪涫脚c擴(kuò)展句式都是單謂核結(jié)構(gòu)，區(qū)別在于后者帶有附加成分(定、狀、補(bǔ)語等)，復(fù)雜句式則打破了單謂核結(jié)構(gòu)。這只是就單一句式層次而做的劃分，真實(shí)語料中的句例由于存在句式層次的嵌套，不能完全以基干層的句式類型判定句子的復(fù)雜程度。

從句式結(jié)構(gòu)中抽取句式實(shí)例時(shí)應(yīng)首先排除層次嵌套的干擾，以單一句式層次為限。從圖解圖形上看，只需取直連于同一主干線的各成分的“中心詞”。此處的“中心詞”不完全等同短語結(jié)構(gòu)語法中的中心詞定義，若某成分內(nèi)部又為VP結(jié)構(gòu)(即擴(kuò)展為新的主干線)，則遞歸取其主干成分的中心詞。將取得的中心詞按如下方式順序連接起來，作為該層句式的序列化表達(dá)式：

(1) 定、狀、補(bǔ)語分別以小括號(hào)()、中括號(hào)[]和尖括號(hào)lt;gt;括起；主干成分若有頂起，也以大括號(hào){}括起。

(2) 主干成分及多個(gè)謂核部分之間以分隔符間隔，具體字符類似圖解圖形，如下：

① 主‖謂 動(dòng)|賓；

② 兼語句謂語： VP1∥VP2；

③ 連動(dòng)句謂語： VP1/VP2;

④ 聯(lián)合謂語： VP1……VP2;

⑤ 合成謂語： VP1∶VP2。

(3) 虛詞位中的虛詞也作為中心詞，分別按如下方式連接： 介詞∧、□方位詞、▲助詞。連詞情況分三種：連詞(并列結(jié)構(gòu))、=連詞=(同位結(jié)構(gòu))、…連詞…(聯(lián)合謂語之間)。

圖3所示為“您對(duì)國(guó)家不允許名人以患者身份出現(xiàn)在廣告中的規(guī)定怎么看？”一句的圖解圖形。按照上述思路，可以分析得到兩條主干線，對(duì)應(yīng)兩個(gè)句式層次，其句式結(jié)構(gòu)的序列表達(dá)式分別如下：

圖3 多層句式結(jié)構(gòu)圖解示例

? 您‖[對(duì)∧規(guī)定][怎么]看

? 國(guó)家‖[不]允許|名人∥[以∧身份]出現(xiàn)lt;在∧廣告□中g(shù)t;

由于不涉及層次嵌套，從句式的序列表達(dá)式便可直接讀出該句式層次的各句子成分，而根據(jù)圖解公式，它們之間的句法關(guān)系也是一目了然的。

從XML中分層抽取句式結(jié)構(gòu)的算法流程大致描述如下(python偽碼)：

for elem in xmlTree.xpath("http://*[prd]"):

#xmlTree為XML解析樹,帶prd孩子的元素即蘊(yùn)含句式層次

pttExpr="

for child in children(elem):

#遍歷孩子元素

pttExpr+=ProduceExpr(child,1)

#只展開一個(gè)句式層

print(pttExpr)

def ProduceExpr(elem,layer):

#為不同類別的成分生成序列表達(dá)式,通過參數(shù)layer控制展開層數(shù)

if(layer==0)return";

elemExpr="

if(elem is pos_node):

#"詞"節(jié)點(diǎn)(通過節(jié)點(diǎn)名為單個(gè)字母判斷)

elemExpr=elem.text if elem.text!="else"×'

#生成文本內(nèi)容,若為空,則以"×"替代

else:

#沒有中心詞節(jié)點(diǎn),說明當(dāng)前成分內(nèi)部又有新的句式層次

for child in children(elem):

elemExpr+=ProduceExpr(child,layer-1 if isAttatchComp(child)else layer) #遞歸

elemExpr=prefix(elem)+elemExpr+suffix(elem)

#前、后綴為根據(jù)成分類型確定的分隔符(如: 主語后綴"‖"等)及附加成分的各類括號(hào)

return elemExpr

4.2 拆分復(fù)雜句式實(shí)例

句式結(jié)構(gòu)的序列表達(dá)式分為兩類： 基本句式和擴(kuò)展句式為單謂核結(jié)構(gòu)，通過它可以觀察動(dòng)詞的論元框架；復(fù)雜句式主要為多謂核結(jié)構(gòu)，它反映動(dòng)詞論元框架進(jìn)一步融合的事理知識(shí)。為了有效地區(qū)分這兩類知識(shí)，本文將句式實(shí)例庫(kù)也設(shè)計(jì)為兩類： 基礎(chǔ)句式實(shí)例庫(kù)和復(fù)雜句式實(shí)例庫(kù)，前者收錄基本句式和擴(kuò)展句式實(shí)例，后者收錄復(fù)雜句式的主干內(nèi)容。以圖3為例，其句式實(shí)例的入庫(kù)過程如圖4所示。句式結(jié)構(gòu)序列表達(dá)式入庫(kù)前需做復(fù)雜句式拆分和基礎(chǔ)句式推導(dǎo)兩步操作，下面分兩節(jié)分別闡述。

圖4 句式實(shí)例入庫(kù)過程示意圖

對(duì)多謂核句式，首先以謂核間分隔符(∥、/、……、∶)為基準(zhǔn)，取其兩旁主干成分的中心詞生成復(fù)雜句式主干，歸入復(fù)雜句式實(shí)例庫(kù)。

按表 1所示的規(guī)則拆分出其中蘊(yùn)含的單謂核句式實(shí)例，將所得的結(jié)果與基本句式實(shí)例、擴(kuò)展句式實(shí)例歸并到一起，作為推導(dǎo)基礎(chǔ)句式實(shí)例的輸入。

復(fù)雜句式中還有一類： 主謂謂語句。不同于上述四類多謂核句式可直接拆分，其結(jié)構(gòu)可向單謂核句式作“變換”，但變換規(guī)則需根據(jù)深層語義結(jié)構(gòu)來決定。大致分為如下兩類：

表1 多核句式拆分單核句式的規(guī)則

(1) 他‖[昨天]{肚子‖疼}→(他)肚子‖[昨天]疼——大小主語有領(lǐng)屬關(guān)系；

(2) 困難‖{我‖[不]怕}→我‖[不]怕|困難——大主語為謂語小句的某個(gè)論元缺位。

由于涉及較為復(fù)雜的語義分析，本文暫不將這類“變換”納入句式實(shí)例獲取的范圍。

4.3 推導(dǎo)基礎(chǔ)句式實(shí)例

根據(jù)句式結(jié)構(gòu)體系設(shè)計(jì)的約束，單謂核最多可支配一個(gè)主語、兩個(gè)賓語和一個(gè)補(bǔ)語，但作為修飾成分的定語、狀語則可能并排多個(gè)。此外，由于名詞并列結(jié)構(gòu)和同位結(jié)構(gòu)的存在，經(jīng)上一節(jié)歸并后所得的大量單謂核句式與教學(xué)句式相比仍然不是最簡(jiǎn)約的。因此，需對(duì)其做進(jìn)一步推導(dǎo)，以獲得最簡(jiǎn)約的“基礎(chǔ)句式”實(shí)例。推導(dǎo)方式如下：

(1) 對(duì)于存在并列和同位結(jié)構(gòu)的成分，每處只保留多個(gè)連續(xù)NP中的一個(gè)，生成約簡(jiǎn)的序列表達(dá)式；

(2) 對(duì)于序列表達(dá)式中的狀語成分，首先將其從中刪除，再逐個(gè)地附加上去。例如：

? 您== 幾位‖[請(qǐng)][慢]用 →

您‖[請(qǐng)][慢]用 →您‖[請(qǐng)]用；您‖[慢]用

幾位‖[請(qǐng)][慢]用 →幾位‖[請(qǐng)]用；幾位‖[慢]用

當(dāng)然，上述兩個(gè)步驟均有可能會(huì)產(chǎn)生不自然的句式實(shí)例。例如，某些動(dòng)詞要求搭配集合義的主語論元，此時(shí)若將并列結(jié)構(gòu)主語拆為單項(xiàng)名詞，則生成句式實(shí)例是不通的。此類問題有待人工校正。

5 句式實(shí)例庫(kù)概覽

本文從句本位圖解樹庫(kù)中選取國(guó)際漢語教材中的標(biāo)注句子，所選生語料來自國(guó)家漢辦的七套主干教材。具體句子分布情況如表 2所示。

表2 圖解樹庫(kù)中的國(guó)際漢語教材例句分布

按照第四節(jié)所述步驟，從10 927個(gè)句子共生成句式實(shí)例數(shù)為44 290，基礎(chǔ)句式實(shí)例庫(kù)和復(fù)雜句式實(shí)例庫(kù)分別含39 724和4 566個(gè)。也就是說，教材的圖解標(biāo)注句子數(shù)與具有教學(xué)價(jià)值的句式實(shí)例數(shù)之比約1∶4。

為了方便句式實(shí)例的檢索和管理，將兩個(gè)庫(kù)分別導(dǎo)入關(guān)系數(shù)據(jù)庫(kù)中，表結(jié)構(gòu)及部分?jǐn)?shù)據(jù)截圖如圖5所示。

基于上述句式實(shí)例庫(kù)結(jié)構(gòu)，便可實(shí)現(xiàn)“教學(xué)句式-句式實(shí)例-教材例句”三層架構(gòu)的例句索引結(jié)構(gòu)，以支持面向國(guó)際漢語的語法教學(xué)，如圖6所示。在檢索框中輸入特定的詞匯或序列表達(dá)式串，可以得到具體的句式結(jié)構(gòu)序列表達(dá)式，進(jìn)而找到其在樹庫(kù)中對(duì)應(yīng)的原始句子。檢索流程大致如下：

(1) 將輸入文本作為關(guān)鍵字分別到基礎(chǔ)句式實(shí)例庫(kù)和復(fù)雜句式實(shí)例庫(kù)中做模糊匹配；

(2) 對(duì)匹配結(jié)果求并集，再按ppt_expr字段(見圖5)分組并按實(shí)例數(shù)降序排序(Group By ppt_expr Order By count(*)desc)

圖5 基礎(chǔ)句式實(shí)例庫(kù)和復(fù)雜句式實(shí)例庫(kù)表結(jié)構(gòu)及部分?jǐn)?shù)據(jù)截圖

圖6 句式實(shí)例檢索界面

(3) 輸出ppt_expr，并根據(jù)ref_juid連接課文句子原文。

這種檢索模式借助句式序列表達(dá)式作為句子結(jié)構(gòu)的索引，無需每次解析樹結(jié)構(gòu)，提高了例句檢索的效率。

為了考查本文得到的句式實(shí)例能否作為教學(xué)句式，從庫(kù)中隨機(jī)挑選了562條教材例句，其對(duì)應(yīng)的基礎(chǔ)句式和復(fù)雜句式分別為1 879和121條，對(duì)這2 000條句式實(shí)例進(jìn)行人工校對(duì)，沒有發(fā)現(xiàn)句式拆分和推導(dǎo)錯(cuò)誤，其中有116條(5.8%)句式語義不自足，如表3所示。這主要是由附加成分分別添加、合成謂語拆分為基礎(chǔ)句式時(shí)語義丟失導(dǎo)致。這116條中約21%的句式為“是”構(gòu)成的合成謂語句，在實(shí)際應(yīng)用中可以通過控制使得不從這種合成謂語中獲取句式實(shí)例。

表3 無效教學(xué)句式

續(xù)表

可以看出本文從句本位樹庫(kù)中獲得了大量具有教學(xué)價(jià)值的句式實(shí)例，雖然少量無效句式實(shí)例不能應(yīng)用于國(guó)際漢語教學(xué)，但在句法分析中仍然具有很重要的價(jià)值。

6 結(jié)論

本文面向國(guó)際漢語語法教學(xué)應(yīng)用，從句本位圖解樹庫(kù)中抽取句式實(shí)例，探索出一種能夠快速建立教學(xué)句式與樹庫(kù)例句索引的方法。本文工作也有一些未盡完善之處，特別是在生成基礎(chǔ)句式實(shí)例的過程中，如何判斷生成的句式實(shí)例的有效性問題。后續(xù)工作計(jì)劃對(duì)這些句式實(shí)例進(jìn)行語義范疇的抽象，在實(shí)例庫(kù)基礎(chǔ)上歸納句式結(jié)構(gòu)知識(shí)庫(kù)。

[1] 王麗麗. 基于語料庫(kù)的詞匯教學(xué)在對(duì)外漢語教學(xué)中的應(yīng)用研究[D]. 上海外國(guó)語大學(xué)碩士學(xué)位論文，2013.

[2] 張娟. 國(guó)內(nèi)漢語構(gòu)式語法研究十年[J]. 漢語學(xué)習(xí)，2013(02)： 65-77.

[3] He Jing, Peng Weiming, Song Jihua, et al. Annotation schema for contemporary Chinese based on JinXi Li’s grammar system[A]//Proceedings of the 14th Chinese Lexical Semantics Workshop. CLSW2013[C]. Beijing: Springer Verlag, 2013: 668-681.

[4] 彭煒明，何靜，宋繼華. 句本位語法圖解析句系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[M]. 項(xiàng)潔. 數(shù)位人文研究叢書5: 數(shù)位人文研究與技藝. 臺(tái)灣： 國(guó)立臺(tái)灣大學(xué)出版中心，2014: 195-210.

[5] Peng Weiming, Song Jihua, SUI Zhifang, et al. Formal schema of diagrammatic Chinese syntactic analysis[C]//Proceedings of the 16th Workshop on Chinese Lexical Semantics Workshop. Beijing: Springer Verlag, 2015: 701-710.

[6] Guo Dongdong, Zhu Shuqin, Peng Weiming, et al. Construction of dynamic word structural pattern knowledge base for the international Chinese teaching[C]//Proceedings of the 17th Workshop on Chinese Lexical Semantics Workshop. Beijing: Springer Verlag, 2016.

[7] James C. XML Path Language(XPath)Version 1.0[EB/OL]. [2015.9.7]. https://www.w3.org/TR/xpath/.

[8] Zhang Yan, Song Jihua, Zhu Xue, et al. The identification of grammar points in international language teaching materials based on sentence-based annotation[C]//Proceedings of 2014 International Conference of Educational Innovation through Technology. CPS, 2014: 29-36.

[9] 何靜，彭煒明，宋繼華. 漢語句式結(jié)構(gòu)的形式化: 句本位語法與“圖解法”改造[J]. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016(04): 413-419.

朱淑琴(1978—)，博士研究生，主要研究領(lǐng)域?yàn)橹形男畔⑻幚怼?/p>

Email: zhushuqin@mail.bnu.edu.cn

彭煒明(1985—)，講師，主要研究領(lǐng)域?yàn)橹形男畔⑻幚怼⒃~匯語義學(xué)。

Email: pengweiming@bnu.edu.cn

宋繼華(1963—)，通信作者，教授，博士生導(dǎo)師，主要研究領(lǐng)域?yàn)檎Z言信息處理、計(jì)算機(jī)教育應(yīng)用。

Email: songjh@mail.bnu.edu.cn

TheExtractionofChineseSentencePatternInstanceBasedonDiagrammaticTreebank

ZHU Shuqin1,2, PENG Weiming1, SONG Jihua1, GUO Dongdong1

(1. College of Information Science and Technology, Beijing Normal University, Beijing 100875, China；2. Teachers’ College of Beijing Union University, Beijing 100011, China)

For the purpose of international Chinese teaching, this paper introduces the sentence-focused Diagramma-tic Treebank to preserve the integrity of the sentence pattern structure in grammar teaching. Based upon a thorough analysis the Treebank structures, the Chinese sentence pattern instance are summarized form each parse in via a hierarchical extraction strategy. Finally, a Chinese sentence pattern instance bank is achieved, consisting of basic sentence patterns and complex sentence patterns. This approach paves the way to develop Chinese sentence pattern instances for a small scale Treebank, and enables the practical application of Diagrammatic Treebank in the international Chinese teaching.

diagrammatic treebank; sentence pattern; Chinese sentence pattern instance

1003-0077(2017)05-0032-08

TP391

A

2016-09-09定稿日期2017-03-27