現(xiàn)代漢語形容詞資源庫的構(gòu)建

饒 琪，王厚峰，汪夢翔，李 慧

(1. 北京大學(xué) 計算語言學(xué)教育部重點實驗室，北京 100871；2. 北京大學(xué) 計算語言學(xué)研究所，北京 100871； 3. 教育部語言文字應(yīng)用研究所，北京100010)

0 引言

知識庫構(gòu)建在自然語言處理研究諸多分支領(lǐng)域中具有基石意義，是整個自然語言處理研究系統(tǒng)架構(gòu)中不可或缺的組成部分。知識庫的規(guī)模與質(zhì)量很大程度上決定了自然語言處理系統(tǒng)的成敗[1]，這已成為自然語言處理技術(shù)研究者和系統(tǒng)開發(fā)者的共識。但語言資源建設(shè)的核心問題：構(gòu)建一個什么樣的知識庫以及怎樣構(gòu)建？對此不同的語言知識工程存在顯著分歧，這可以從“WordNet、FrameNet、ConceptNet”等最具有代表性的英語知識工程的構(gòu)建理念和細節(jié)方面清晰看出。漢語資源建設(shè)情況具有相似性，近年來面向中文信息處理的大型知識庫構(gòu)建工作不斷得到推進，先后形成了若干具有代表性的大型知識工程：如知網(wǎng)(HowNet)、同義詞詞林(擴展版)、北京大學(xué)綜合型語言知識庫(GLKB)等，但它們卻有各自的構(gòu)建側(cè)重點：1)HowNet以“義原”為基礎(chǔ)全局刻畫人類的概念體系；2)同義詞詞林(擴展版)以“語義”為視角實現(xiàn)漢語詞匯的同義匯集；3)GLKB則以“詞類”為綱描述詞的各種語法信息。盡管存在理念差異，但這三大漢語知識庫都是以詞為基礎(chǔ)構(gòu)建對象的。

以詞為基礎(chǔ)表示單元，構(gòu)建一個覆蓋面大、加工精良的漢語知識庫，能夠有效推動面向漢語的文本理解、文本生成以及自動問答等多方面研究的深入。詞是語言的基本單位，也是短語、小句、篇章等更大語言單位衍生的基礎(chǔ)。認(rèn)知神經(jīng)研究也表明了詞在心理詞庫的表征與長時記憶存儲、提取中的基礎(chǔ)地位[2]，事件電位相關(guān)技術(shù)(ERP)的實證調(diào)查也表現(xiàn)了對這一觀點的支持[3]。虛詞與實詞是漢語詞類的基礎(chǔ)兩分體系。鄭州大學(xué)構(gòu)建了一個涵蓋副詞、介詞、連詞、助詞、語氣詞、方位詞，包括詞典、虛詞用法規(guī)則庫、虛詞語料庫的“三位一體”漢語虛詞知識庫[4]。實詞知識庫方面，名詞、動詞是漢語知識庫構(gòu)建的重點，形容詞的關(guān)注顯得還不夠，同義詞詞林(擴展版)和北大綜合型知識庫(GLKB)雖然也對形容詞有所涉及，但前者主要從“語義”角度揭示形容詞是如何組織的，后者的形容詞部分更多追求是對“詞例”各種語法功能信息的展示，還缺乏對形容詞全景知識圖景的展示。更為遺憾的是，截止目前還未見到專門的形容詞知識庫構(gòu)建情況的報道。本文主要討論與現(xiàn)代漢語形容詞知識庫(以下簡稱PAKB)構(gòu)建相關(guān)的問題。

1 相關(guān)問題1.1 形容詞知識庫構(gòu)建的目標(biāo)

從已有的漢語大規(guī)模知識庫來看，它們出發(fā)點與落腳點多是適用于中文信息處理的，在語言學(xué)本體研究領(lǐng)域中難以得到充分應(yīng)用。需要看到的是，漢語形容詞研究積攢了豐富的學(xué)術(shù)成果，如果這些研究構(gòu)建在一個公共的、方便用來比較的資源平臺之上無疑會顯得更加客觀。例如，形容詞的重疊是漢語本體研究中的一個重要問題，重疊的類型有AA、ABB、A里AB、AABB、BBAA等，以ABB型形容詞為例，《現(xiàn)代漢語八百詞》附錄《形容詞生動形式表》、《現(xiàn)代漢語詞典》(第7版)(以下簡稱《現(xiàn)漢》)、《現(xiàn)代漢語重疊形容詞用法例釋》[5]在收錄ABB型形容詞方面就存在差異，具體情況可見表1。

表1 三種辭書ABB型形容詞的收詞情況

從表1可以清晰看出，這三種辭書在收錄ABB型形容詞數(shù)量方面存在較大的差異。無論以何種視角來介入漢語ABB形容詞重疊問題研究，對重疊現(xiàn)象層面上的觀察與把握都是首要的問題，如果每一位研究者都從調(diào)查、構(gòu)建詞表開始入手，不僅費時費力，研究結(jié)論也缺乏相互的可比性。在PAKB構(gòu)建目標(biāo)上，我們不僅追求知識庫對中文信息處理的推動作用，也在意知識庫在漢語本體研究中的基礎(chǔ)平臺意義，希望構(gòu)建的形容詞知識庫能夠成為漢語本體研究領(lǐng)域中可供比較的基礎(chǔ)資源數(shù)據(jù)集。

1.2 形容詞集構(gòu)建

在開始討論如何構(gòu)建漢語形容詞知識庫之前，有個問題需要首先予以回答： 現(xiàn)代漢語中到底有哪些形容詞？一個對現(xiàn)代漢語語料高覆蓋率、完善的形容詞詞集是構(gòu)建漢語形容詞資源庫的重要前提。為了回答這一問題，我們進行了分“兩步走”的工作。

第一步是“求全”。上述問題的答案顯然來源于各類辭書，首先調(diào)查了目前出版的兩部形容詞詞典： 鄭懷德、孟慶海編撰的《漢語形容詞用法詞典》收形容詞1 067條[6]；安汝磐、趙玉玲編撰的《新編漢語形容詞詞典》收詞2 268條[7]，整體收詞規(guī)模較小。其次利用《現(xiàn)漢》帶詞性標(biāo)注的特征，以第7版為藍本，對詞典中所收錄的形容詞進行了人工整理，共得到形容詞5 069條；同時也考察了《現(xiàn)代漢語語法信息詞典詳解》對形容詞的收錄情況，在該書中形容詞被細分為形容詞、狀態(tài)詞和區(qū)別詞三個子類，分別收有形容詞1 473個、狀態(tài)詞203個；區(qū)別詞194個。綜合這四種工具書對“形容詞”收詞情況，取它們的合集作為構(gòu)建PAKB的詞條基礎(chǔ)。

第二步是“補全”。任何一種漢語工具書囿于其自身的局限，在事實上難以窮盡枚舉日常語言生活中所有的詞。同時行進中的語言演變也會造成“詞匯總藏”中新成員的涌現(xiàn)，其中的一部分留存到語言中來，這就是得到語言的過程[8]。就形容詞來說，其中的一個子類“區(qū)別詞”(也稱之為“非謂形容詞”或《現(xiàn)漢》詞性標(biāo)注體系中的“屬性詞”)，如“大型、中型、小型、大中型、中小型”等是漢語新詞的一個重要“出生地”，其繁殖率僅次于名詞[9]。新的形容詞與已有的它類詞擴張出形容詞用法是現(xiàn)代漢語形容詞詞集版圖擴大的兩條最主要途徑。下面各舉一例略加說明。

先說新的形容詞，如： 【結(jié)構(gòu)化】：

在《現(xiàn)漢》的“結(jié)”字頭下共收錄有53個詞，未收錄“結(jié)構(gòu)化”一詞?！敖Y(jié)構(gòu)化”一詞指的是在思考、分析、解決問題時，以一定的范式或者流程順序進行，以假設(shè)為先導(dǎo)，對問題進行正確的界定，假設(shè)并羅列問題構(gòu)成的要素，其次對要素進行合理分類，排除非關(guān)鍵分類，對重點分類進行分析，尋找對策，制訂行動計劃。如下面幾例：

例1廣東教師招聘結(jié)構(gòu)化面試模擬題(29)： 如何遏制幼兒園暴力事件。(http://gd.offcn.com)

例2目前各種類型的結(jié)構(gòu)化金融產(chǎn)品的規(guī)模已經(jīng)達到了十多萬億元，并且這種結(jié)構(gòu)化產(chǎn)品的設(shè)計思路，在鼓勵民間資金進入基礎(chǔ)設(shè)施領(lǐng)域的PPP投融資模式中得到了進一步推廣。(http://opinion.jrj.com.cn)

例3人行長春支行舉辦“我與行長面對面”結(jié)構(gòu)化研討活動。(http://finance.jrj.com.cn/)

在以上三例中，“結(jié)構(gòu)化”均是屬性形容詞，使用在“面試”“產(chǎn)品”“研討”等名詞前頭，對這些名詞進行次范疇的分類，用來凸顯與強調(diào)這三個名詞具有按照一定的范式、流程進行的特征。

再說已有詞形容詞用法的涌現(xiàn)，如【旗艦】

例4第一個屏幕下指紋識別？三星新旗艦機Galaxy Note 8。(新浪手機，2017-6-8)

例5吉利新款旗艦轎車最新諜照，年內(nèi)將上市。(新浪汽車，2017-6-8)

例6首家全系列、全品類穗寶旗艦店國慶節(jié)盛大開業(yè)。(房天下，2016-12-1)

例7CCL是國內(nèi)最大的自然語言處理專家學(xué)者的社團組織——中國中文信息學(xué)會(CIPS)的旗艦會議……已形成了十分廣泛的學(xué)術(shù)影響，成為國內(nèi)自然語言處理領(lǐng)域權(quán)威性最高、口碑最好、規(guī)模最大的學(xué)術(shù)會議。(http://www.scholat.com/vpost.)

在過去，“旗艦”是一個名詞，指的是海軍艦隊司令、編隊司令所在的軍艦。艦隊一般是由多艘軍艦構(gòu)成的集合，“旗艦”的名詞語義體現(xiàn)的是該軍艦在整個艦艇集中的重要性。近年來，“旗艦”可以與部分名詞組配，如以上幾例中的“～機”、“～轎車”、“～店”、“～會議”。對于生產(chǎn)廠商來說，生產(chǎn)的“手機”“轎車”也是一個集合，通常是多種多款，但它們在這個集合中的地位并不一致，“旗艦”與“手機”“轎車”等名詞組配，實際上是對這款“手機”“轎車”在整個產(chǎn)品集中重要性的一種評價，這也是人類類比認(rèn)知能力對[旗艦： 軍艦]關(guān)系在不同名詞域的映射擴展，這個步驟如下：

(1) 具體: [旗艦： 軍艦]刻畫了旗艦在{ 軍艦1軍艦2, 軍艦W,……}中的重要性;

(2) 類比關(guān)系的轉(zhuǎn)域： [旗艦： 軍艦]的關(guān)系類比映射CCL在中文信息處理學(xué)會舉辦的會議集中地位、價值中來；

(3) 域的擴張： 專賣店、手機、轎車、會議；

(4) 用法的習(xí)得： 評價X在{X1，X2,XW,…}中的重要性。

從旗艦店到旗艦會議，“旗艦”的形容詞用法在廣泛使用的過程中得到不斷的強化，從而沉淀于漢語之中。最近十幾年來，漢語的載體形式發(fā)生了顛覆性的改變，網(wǎng)絡(luò)媒體正在日益成為漢語的一種重要載體形式，中國互聯(lián)網(wǎng)信息中心2017年發(fā)布的《中國互聯(lián)網(wǎng)發(fā)展?fàn)顩r統(tǒng)計報告》(第39次)顯示，截止2016年12月，中國網(wǎng)民規(guī)模已達7.31億，互聯(lián)網(wǎng)普及率為53.2%。黏性極高的交互性互聯(lián)網(wǎng)應(yīng)用為互聯(lián)網(wǎng)用戶提供了高強化的漢語閱讀機會與規(guī)約度降低的表達空間?；钴S于互聯(lián)網(wǎng)空間的“新詞”與“舊詞新用”給中文信息處理帶來了新的挑戰(zhàn)，這意味著我們需要在知識庫構(gòu)建上能夠有效對這些嶄新的語言事實予以追蹤。我們對最近十年來的新詞年度報道類工具書《漢語新詞語》(2006—2015)進行了全面的考察[10-11]，手工遴選出了近年來產(chǎn)生的形容詞98個，如表2所示。

表2 新出現(xiàn)的漢語形容詞(2006—2015)

結(jié)合這兩個步驟的工作，得到了一個含有5 671個詞條的形容詞詞集。為了進一步驗證這一詞匯集的規(guī)模，我們使用了清華大學(xué)研發(fā)的中文詞法分析工具包THULAC，該分詞包具有分詞、詞性標(biāo)注一體化特征。在出版物和互聯(lián)網(wǎng)兩類載體形式語料上進行了覆蓋率的考察，情況如表3所示。

表3 三類語料中形容詞詞表覆蓋情況

嚴(yán)格意義上來講，我們構(gòu)建的形容詞詞庫也沒有做到完全的覆蓋，但已經(jīng)在不同類型的語料上跨越了90%的覆蓋率閾值，表現(xiàn)出了針對不同語料的一定的適用性。進一步分析原因，主要是沒有收錄若干強勢方言中典型常用的形容詞，如“苕、二、尖貨”等。

1.3 現(xiàn)代漢語形容詞的兼類

名詞、動詞、形容詞是漢語的三大類實詞，同時也是漢語從“詞庫”到“句法”得以實現(xiàn)的骨架力量。需要指出的是，部分形容詞存在兼類現(xiàn)象，與形容詞發(fā)生兼類現(xiàn)象的主要是名詞、動詞。例如，“超前”在現(xiàn)代漢語中就兼有形、動兩類詞的特征： 動詞性的如“～絕后”等，形容詞性的如“～消費、～意識、～教育”；“綠色”有名、形兩類詞的標(biāo)簽，作為名詞的“綠色”指的是“綠的顏色”；而作為形容詞的“綠色”，通常指的是符合環(huán)保要求，無公害，無污染或簡便、安全、快捷的途徑或渠道，如“～食品、～經(jīng)濟、～通道”等。這在另一個側(cè)面也說明了形容詞與名詞、動詞之間的天然聯(lián)系。這一點能夠得到人類語言中詞類演化的證據(jù)支持，Heine and kuteva對跨語言中詞類的演化進行了模擬[12]，如圖1所示。

圖1 詞類范疇演化圖

圖1中，可以清晰看出，作為詞類的形容詞處于名詞的下級節(jié)點中。換句話說，從歷史來源的角度上來講，語言中形容詞的涌現(xiàn)是早期名詞分化的后果。有研究者注意到“端正、豐富、密切、孤立、健全、狀大”等詞在20世紀(jì)40年代的漢語中只有形容詞義項，但從20世紀(jì)五六十年代開始起就常用作動詞[13]。我們也注意到，20世紀(jì)80年代以來，“瀟灑、清潔、方便、規(guī)范、完善、突出”等詞具有了動詞用法。現(xiàn)代漢語中到底有哪些形容詞存在兼類現(xiàn)象，是和名詞發(fā)生兼類、還是和動詞發(fā)生兼類，或者是與名詞、動詞均發(fā)生兼類？厘清這些語言事實，對漢語本體研究以及詞性自動標(biāo)注問題都具有十分重要的意義。因此在構(gòu)建漢語形容詞知識庫過程中，PAKB極其注重形容詞的兼類現(xiàn)象信息的揭示。

1.4 形容詞的子類與核心功能

詞類子類的出現(xiàn)反映了研究者對該詞類認(rèn)識的深入。在漢語研究文獻中，存在不少術(shù)語來表征形容詞的子類體系，如簡單形容詞、復(fù)雜形容詞的兩分[9]；一般形容詞、非謂形容詞的兩分[14]；性質(zhì)形容詞與狀態(tài)形容詞的兩分[15]。盡管這些術(shù)語在表述上有參差，但都清晰地指出了形容詞內(nèi)部存在差異，并且這種差異可以得到真實文本里句法上的驗證。比如非謂形容詞(區(qū)別詞)在句法層面上一般只能做定語，如“活期存款”中的“活期”，在句法上如果要進入謂語的位置，是需要存在于“是……的”構(gòu)式之中的，并且在句法上有一個重要的約束條件，就是它前頭出現(xiàn)的否定詞只能是“非”，不能是“不”。這些充分說明在PAKB知識庫構(gòu)建的過程中需要對具體個案詞條的子類打上標(biāo)簽。

長久以來，在詞類本質(zhì)問題認(rèn)識上，學(xué)者們考慮較多的是句法的分布式特征，對同類詞在語義層面的共性缺乏足夠的討論。事實上，詞類一方面與句法分布表征有著密切關(guān)聯(lián)，另一方面也與語義類存在對應(yīng)關(guān)系，這種對應(yīng)背后體現(xiàn)并反映了人類對不同語義類語法編碼的共性認(rèn)知基礎(chǔ)。Dixon提出了鑒定形容詞的三條標(biāo)準(zhǔn)： (1)與動詞和名詞有語法上的區(qū)別；(2)語義上包括部分或全部典型形容詞的語義類型，如“維度、年齡、價值、顏色”等[16]； (3)具有充當(dāng)不及物謂語和/或充任系詞補語、名詞短語的修飾語的功能。Croft在此基礎(chǔ)上將句法范疇、語義和語用功能結(jié)合起來，提出了句法范疇的原型關(guān)聯(lián)[17]，如表4所示。

表4 句法范疇的原型關(guān)聯(lián)(引自Croft,1991)

在漢語形容詞的本質(zhì)認(rèn)識問題上，我們在部分承認(rèn)Croft觀點的基礎(chǔ)上，對漢語形容詞提出了如下的主張性認(rèn)識。

(1) 句法上，漢語的形容詞與名詞具有天然的聯(lián)系。在句法層面上，形容詞幾乎離不開名詞，單獨的形容詞不具備成句的功能，除非出現(xiàn)在問答對子中。

(2) 語義上，形容詞是對名詞多維屬性中的一個側(cè)面的刻畫，對名詞多維側(cè)面中的某一維進行評價，如“大房子”中的“大”就是對具有多維屬性的“房子”在空間維度上進行評價，這是形容詞的核心本質(zhì)。

(3) 語用上，形容詞多具有情感性。正面、負面兩分并不能很好地傳導(dǎo)出形容詞的情感，部分形容詞的情感體現(xiàn)的是話語的態(tài)度，如“A里AB”類形容詞多體現(xiàn)話語的言說者埋怨、責(zé)怪的語氣。

(4) 非謂形容詞是以團簇的方式存在的，在語用上主要是實現(xiàn)對名詞的再分類，起到次范疇化的效果，如“男、女”永遠是相對存在。

2 形容詞知識庫的表示體系

詞具有多種信息標(biāo)簽。以往研究主要關(guān)注詞的形式和意義兩端，這種觀察無疑生發(fā)在靜態(tài)層面，而動態(tài)的語用通常會賦予詞幾何維度上的信息，從而建構(gòu)起詞的整體知識圖景。詞的信息標(biāo)簽以外顯和內(nèi)隱的方式存在： 外顯是能夠被直接感知的，如韻律、結(jié)構(gòu)、高熟悉度的語義等信息；內(nèi)隱是需要進一步挖掘才能獲得的信息，如頻率、情感、語體、極性等信息。這也是我們所需要知道和最大程度上試圖表示出來的信息，同時也是計算機所需要配備用來學(xué)習(xí)的知識庫。PAKB試圖從多個層面來展示漢語形容詞的知識全景。

2.1 形式特征集

PAKB對現(xiàn)代漢語形容詞形式層面特征的刻畫主要包括語音、音節(jié)數(shù)、重疊形式、語義、重疊情感、語體表現(xiàn)等六個方面。在漢語的形容詞詞匯集中，不少的形容詞存在“語體”使用偏置現(xiàn)象，胡明揚從語體風(fēng)格方面區(qū)分了形容詞在口語和書面語中功能上的差異[18]。比如“哀戚”，就是一個典型的只使用于漢語書面語的形容詞，但更多的形容詞表現(xiàn)出書面語、口語兩可的分布，如“哀傷”。有關(guān)形容詞“語體”信息的標(biāo)簽是已有的漢語大規(guī)模知識庫所未有刻畫過的，同時也可以為自動問答研究提供有效的口語形容詞匯集。綜合起來，漢語形容詞知識庫的形式特征集刻畫示例如圖2所示。

2.2 基于名詞的形容詞組織與表征

上文中，我們提出了形容詞的核心本質(zhì)是對名詞的某一側(cè)面維度進行評價。進一步從跨語言的角度來觀察，不同語言里形容詞數(shù)量上存在多寡的差異。尼日利亞的伊博語是已報道出來的形容詞數(shù)量最少的語言，只有八個，分別是“大”“小”“黑(暗)”“白(明)”“新”“老”“好”“壞”。據(jù)Bhat考察顯示，在形容詞數(shù)量較少的語言中，如Supyire語10個，Bamha語約20個，Luganda語約30個，Acoli語約40個，Kilivila語約50個，Sange語約60個[19]。盡管這些語言形容詞數(shù)量較少，但仍然對名詞評價、刻畫了如下的屬性：

圖2 漢語形容詞知識庫形式特征示例(前20)

(1) 維度： 大、?。桓?、低；寬、窄；深、淺；長、短；粗、細；厚、薄；

(2) 價值： 好、壞、純潔、好吃；

(3) 年紀(jì): 新、老( 舊) 、小( 年輕)；

(4) 物理屬性: 硬、重、光滑；

(5) 顏色: 紅、白、黑；

(6) 速度: 快、慢、迅速。

這說明了這些抽象概念的表征具有跨語言的共性，這些有限的抽象概念可能是詞匯組織與表征的重要指針。大腦究竟如何安置詞匯和概念？ 最近的一項研究利用985個英語常用詞匯來繪制大腦的“語義地圖”[20]，這項研究表明，并不存在一個單獨的大腦區(qū)域來儲存一個詞匯或者概念與許多相關(guān)詞匯存在聯(lián)系，而是每一個單獨詞匯會點亮許多不同的大腦位置，形成了一張詞匯匯聚網(wǎng)絡(luò)。研究結(jié)果一共識別出12個簇群(clusters)，其中每個簇群均保存著與特定概念相對應(yīng)的詞語，這些詞語以相關(guān)的方式存在。比如，大腦左邊，耳朵小面積區(qū)域代表著單詞“受害人(victim)”，同時這塊區(qū)域會對諸如“殺害(killed)”“宣告有罪(convicted)”“謀殺(murdered)”“認(rèn)罪(confessed)”有反應(yīng)。

從早期漢語的“幽、黃、黑、白、赤、大、小、多、少、新、舊、高”等12個單音形容詞到今天漢語里面數(shù)量幾千的形容詞[21]，書面語的高度發(fā)達催生了漢語中形容詞數(shù)量幾何級數(shù)的增長。在PAKB的形容詞如何分類組織的問題上，我們是以名詞為觀察視點，將表征與共享了相同“概念空間”的形容詞看成是“自組織”性的簇。舉個例子，漢語里面存在數(shù)量眾多的形容女性外貌的詞，如單音節(jié)的“美”；雙音節(jié)的“美麗，好看，漂亮”；四音節(jié)的“楚楚動人、閉月羞花、沉魚落雁、冰清玉潔、粉妝玉琢、國色天香、國色天姿、驚鴻一瞥、明眸皓齒、明眸善睞”等(限于篇幅，不能夠列舉出所有的詞)。這些形容女子外貌的詞構(gòu)成一個自組織的集，“美”在這個集合中是最常用的代表者。與形容女子外貌的集相比較，漢語里面用來形容男子外貌的詞在數(shù)量上就要少得多，如單音節(jié)的“帥”；雙音節(jié)的“英俊、瀟灑”，以及通用性的“好看”；四音節(jié)的“一表人才、眉清目秀、氣宇軒昂、風(fēng)流倜儻、高大威猛 、溫文爾雅”等 ，在這些詞語中，“帥”是該集合的代表。

我們以常用的現(xiàn)代漢語單音節(jié)形容詞，以及PAKB中形容詞解釋的元語言作為指針。同時也結(jié)合了認(rèn)知中注意力機制(attention mechanism)，需要指出的是，這里的注意力機制與通常意義上“深度學(xué)習(xí)”中的注意力機制不同，事實上，機器學(xué)習(xí)中的這一術(shù)語也借用自視覺圖像認(rèn)知領(lǐng)域。在這里引入“注意力機制”是想說明： “名詞”通常具有不同的側(cè)面維度，但漢語的使用者在觀察、刻畫名詞的這些不同側(cè)面的時候，總會將注意力聚焦在幾個有限的維度之上。比如“房子”，人們注意的焦點一般都是“空間的大小、價格、地段價值、舒適程度”等幾個維度。這幾種維度的注意力將名詞映射到形容詞之中，就會構(gòu)成“大房子、豪宅、交通方便、空氣好”等“形+名”或“名+形”組配上。因此，我們在構(gòu)建PAKB的過程中，以“名詞”為觀察視點，構(gòu)建了一個形容詞所表征的抽象概念體系：

(1) 人： 外貌、性格、氣質(zhì)、品德、情緒、態(tài)度、關(guān)系、年紀(jì)；

(2) 物： 價值、作用、評價、水平、垂直；

(3) 事： 性質(zhì)、狀態(tài)、結(jié)果；

(4) 時間： 長短、快慢、性質(zhì)；

(5) 空間： 大小、長短、寬窄、高底、遠近、深淺、厚薄；

(6) 感官： 視覺、味覺、嗅覺、聽覺、觸覺;

(7) 心理： 哀、愁、煩、恨、羞、愧、驚、慌、驕。

在上面這個分類體系下，我們對PAKB中所有的形容詞進行了人工的分類與聚類。

2.3 搭配特征集

詞匯通常會在更加抽象的語言能力層面上構(gòu)建起一個涵蓋范圍極廣的知識庫，主要包括語音知識、詞義知識、詞類范疇知識、句法知識、形態(tài)知識以及與論元組配的可能與限制等方面。語言使用者通過基于概率的統(tǒng)計學(xué)習(xí)來學(xué)得這一知識庫，因此這一知識庫兼具有公共性和個體性： 公共性指的是對于某一語言來說，這個詞匯的知識庫的構(gòu)成是基于所有語言使用者的經(jīng)驗浮現(xiàn)，對單一的語言使用者來說具有不可逆轉(zhuǎn)性；與此同時，個體對于知識庫學(xué)得的情況又不盡相同，有程度的深淺和范圍寬窄的區(qū)分。但個體的詞匯知識庫源自并服從于集體的詞匯知識庫。一項來自英語個人詞匯知識庫如何構(gòu)建的研究表明： 在隨機游走學(xué)習(xí)過程中，詞能和什么樣的論元，以及與不同類型論元分布式搭配情形，在長期記憶中會以概率框架的抽象形式留下痕跡，并且與單詞的頻率水平呈現(xiàn)出正相關(guān)，在高頻效應(yīng)的催化下這種記憶痕跡會得到加強[22]。沿著這一思路來理解漢語形容詞劃分，會看到不一樣的風(fēng)景，形容詞及其毗鄰成分的共現(xiàn)刻畫是漢語形容詞資源庫構(gòu)建中重點關(guān)注的問題，具體包括兩看： 一看給定的形容詞能夠和什么名詞組配；二看給定的名詞能夠與什么形容詞組配，如圖3、圖4所示。

圖3 漢語形容詞知識庫搭配特征示例(前20)

圖4 漢語名詞聯(lián)想示例(前20)

3 PAKB的應(yīng)用

3.1 面向本體研究的基礎(chǔ)資源平臺

從業(yè)已構(gòu)建的現(xiàn)代漢語形容詞知識庫來看，并非所有的形容詞都能夠重疊。在整個形容詞知識庫中，觀察到1 212個形容詞是可以重疊的： 在227個單音節(jié)形容詞中, 可以重疊的有114個，約占50%；在985個雙音節(jié)形容詞中，309個是可以重疊的,約占31%。由于雙音節(jié)形容詞遠遠多于單音節(jié)形容詞，所以總的來看, 可以重疊的形容詞約占形容詞總數(shù)的35%。形容詞重疊問題是面向本體的漢語形容詞研究中的一個重要問題，全面調(diào)查清楚漢語形容詞中到底哪些是可以重疊的，哪些是不能夠重疊的，不僅是觀察漢語形容詞重疊式語法意義的一個基本點，也可以為后續(xù)的有關(guān)形容詞研究提供可以用來比較的基礎(chǔ)資源平臺。表5是結(jié)合北京大學(xué)的《人民日報》標(biāo)注語料中230個形容詞重疊的頻率，取其中的前十位示例。

表5 漢語形容詞重疊使用情況表

3.2 面向自動問答的口語形容詞集

近年來，智能問答已成為自然語言處理中的一個熱門研究領(lǐng)域。在如何讓計算機模擬人進行對話的問題上，已經(jīng)有多種方法、手段介入。但由于現(xiàn)代漢語口語資源的相對稀缺，還未見到有報道針對性地使用自然口語中的對話語料作為訓(xùn)練集。在構(gòu)建PAKB知識庫的過程中，我們采樣了20MB的自然口語對話語料，用來對知識庫中形容詞的語體性質(zhì)進行輔助判斷，在這個過程中，我們發(fā)現(xiàn)漢語的書面語形容詞與口語形容詞存在著交集，也存在著差異。但與漢語書面語相比較，自然口語對話中，形容詞主要存在于：(1)說A不A，說B不B； (2)那叫一個A；(3)要多A有多A；(4)還能再A點嗎；(5)要不這么A；(6)是有多A等六種類型的構(gòu)式之中，在20M自然口語語料中的分布情形如圖5所示。

圖5 形容詞在自然口語構(gòu)式中的分布情況

3.3 面向基礎(chǔ)教育領(lǐng)域的形容詞集

語言是一個精密的邏輯自洽系統(tǒng)，蘊涵其間的“經(jīng)濟原則”提醒了這個系統(tǒng)不會有一個多余的詞，因此嚴(yán)格意義上的“等價詞”是不存在的。Schmitt(1998) 將詞匯知識定義為六個方面： (1)形式；(2)詞義(包括同義、反義、上下義)；(3)語法圖景；(4)搭配信息；(5)使用；(6)語體風(fēng)格與語域限制[23]。對應(yīng)的認(rèn)為,語言使用者的詞匯能力分為感知能力與產(chǎn)出性能力，前者對應(yīng)了語言理解，后者對應(yīng)了語言表達。在詞匯感知上包括詞匯的深度和詞匯量，詞匯的產(chǎn)出則包括詞匯的寬度和質(zhì)量，體現(xiàn)了構(gòu)成語篇的能力。PAKB能夠在最大程度上顯示某一抽象概念空間下漢語形容詞集，這對于基礎(chǔ)教育領(lǐng)域中作文教學(xué)具有參考價值。

4 結(jié)語

過去這些年的自然語言處理研究每一次大的進展與飛躍，都再一次強調(diào)了通過人工構(gòu)建的方式為計算機提供有效的語言知識庫的重要性。但是，從中文信息處理的終極目標(biāo)——計算機能夠“理解漢語”與“表達漢語”來看，讓計算機初步具有類人的語言使用能力現(xiàn)在看來仍是一件具有非常挑戰(zhàn)性的事情。目前計算機處理自然語言的能力僅僅停留在“處理”層面，還遠不能達到“理解”的水平，未來的任務(wù)艱巨且充滿挑戰(zhàn)。這在一個側(cè)面說明了，有必要對已有的漢語資源構(gòu)建的理念、方式、規(guī)模與手段進行檢討。從這個意義上來說，本文的工作可以看成是一種初步的嘗試，試圖在局部層面上模擬人類是如何使用語言的，為計算機構(gòu)建一個與人腦更接近的可以用來增強學(xué)習(xí)、預(yù)測學(xué)習(xí)的漢語形容詞資源庫。

[1] 俞士汶，段慧明，朱學(xué)峰,等. 綜合型語言知識庫的建設(shè)與利用[J].中文信息學(xué)報,2004,18(5): 1-10.

[2] 楊亦鳴，張珊珊，劉濤等. 綜合型語言知識庫的建設(shè)與利用[J].語言科學(xué)，2006, 5(3): 3-13.

[3] 張珊珊，楊亦鳴. 從記憶編碼加工看人腦中的基本語言單位-一項基于單音節(jié)語言單位的ERPs研究[J].外語與外語教學(xué)，2012,11(2): 1-6.

[4] 昝紅英,張坤麗，柴玉梅,等.現(xiàn)代漢語虛詞知識庫的研究[J].中文信息學(xué)報,2004, 21(5): 107-111.

[5] 王國璋,等.現(xiàn)代漢語重疊形容詞用法例釋[M].北京： 商務(wù)印書館,1996.

[6] 鄭懷德，孟慶海.漢語形容詞用法詞典[M].北京： 商務(wù)印書館,2003.

[7] 安汝磐，趙玉玲.新編漢語形容詞詞典[M].北京： 經(jīng)濟科學(xué)出版社,2004.

[8] Pinker S. Language Instinct: How the Mind Creates Language[M]. New York, NY: Harper Perennial Modern Classics, 2007.

[9] 呂叔湘,饒長溶.試論非謂形容詞[J].中國語文,1981,10(2): 81-85.

[10] 周薦.2006漢語新詞語[M].北京： 商務(wù)印書館,2007.

[11] 侯敏，周薦.2007漢語新詞語[M].北京： 商務(wù)印書館,2008.

[12] B Heine,T Kuteva.The genesis of grammar: A Reconstruction [M]. Oxford: Oxford University Press, 2007.

[13] 郭伏良.新中國成立以來漢語詞匯發(fā)展變化研究[M].保定： 河北大學(xué)出版社 ,2001.

[14] 朱德熙.現(xiàn)代漢語形容詞研究[J]. 語言研究,1956,1(1): 1-37.

[15] 朱德熙.語法講義[M].北京： 商務(wù)印書館,1982.

[16] R Dixon. Adjective classes in typological perspective[M]. R Dixon & A. Aikhenvald (Eds. )Adjective Classes.Oxford University Press,2004: 1 - 49.

[17] W Croft. Syntactic Categories and Grammatical Relations: The Cognitive Organization of Information [M]. Chicago, The University of Chicago Press, 1991.

[18] 胡明揚.語體與語法[J].漢語學(xué)習(xí),1993, 10(2): 1-4.

[19] Bhat D N S, Word classes and sentential functions[M]. Comrie, B. (Eds.), Approaches to the Typology of Word Classes. Berlin, Mouton de Gruyter, 2000: 47-63.

[20] Alexander G Huth, et al,Semantic information in natural narrative speech is represented in complex maps that tile human cerebral cortex[J]. Nature. 2016,532(7600): 453-458.

[21] 楊逢彬.關(guān)于殷墟甲骨刻辭的形容詞[J].古漢語研究,2001,13(2): 63-69.

[22] D Kemmerer,et.al. Behavioral patterns and lesion sites associated with impaired processing of lexical and conceptual knowledge of actions[J]. Cortex. 2012,48(7): 826-848.

[23] Schmitt. N. Tracking the incremental acquisition of second language vocabulary: A longitudinal study [J]. Language Learning, 1998, 48(2): 281-317.

E-mail：wanghf@pku.edu.cn