基于漢語國際教育教材語料的三音節(jié)名詞型動(dòng)態(tài)詞分析

郭冬冬，宋繼華，彭煒明，張引兵

(北京師范大學(xué) 信息科學(xué)與技術(shù)學(xué)院，北京 100875)

0　引言

漢語是一種缺少發(fā)達(dá)形態(tài)的語言。很多語法現(xiàn)象常常漸變而不會頓變，所以在語法分析上容易遇到各種“中間狀態(tài)”[1]。詞和非詞的界限很難明確地劃分[2-3]。許多語言單位中詞或語素的結(jié)合并非純句法層面的自由組合，它受到意義凝聚程度、音節(jié)韻律特征以及結(jié)構(gòu)穩(wěn)定性質(zhì)等因素的限制。這些組合單位在詞匯學(xué)層面還沒有完全凝固、定型，即使收詞完備的大型詞典也未能收錄它們。動(dòng)態(tài)詞就是指這些一般詞庫中不收錄，而在句法分析時(shí)又不適宜做進(jìn)一步短語結(jié)構(gòu)分析的造句單位。如專有名詞(中國人、鐵路工人)、動(dòng)結(jié)式/動(dòng)趨式動(dòng)詞(看清、舉起)、數(shù)量詞(一只、十多個(gè))、重疊式(看看、聽一聽)等[4-6]。短語結(jié)構(gòu)一般可以自由擴(kuò)展，內(nèi)部成分結(jié)合不是很緊密，而動(dòng)態(tài)詞為具有一定內(nèi)聚性的組合結(jié)構(gòu)，意義凝聚、音節(jié)適長、結(jié)構(gòu)相對穩(wěn)定，具有很強(qiáng)的模式性，不能自由擴(kuò)展。

國際漢語教學(xué)領(lǐng)域中存在大量的動(dòng)態(tài)詞。以新漢語水平考試(HSK)為例，HSK一級到六級5 000詞匯中[7]，未被《現(xiàn)代漢語詞典》(第6版)(以下簡稱《現(xiàn)漢》)收錄的達(dá)到119條。利用信息處理技術(shù)對漢語動(dòng)態(tài)詞進(jìn)行的相關(guān)研究[8-9]很有限，更加缺少面向國際漢語教學(xué)的動(dòng)態(tài)詞分析。因此，深入細(xì)致地研究分析國際漢語教材語料中真實(shí)出現(xiàn)的動(dòng)態(tài)詞十分必要。分析基于國際漢語教學(xué)的動(dòng)態(tài)詞，一方面有助于認(rèn)識理解漢語搭配的基本原理，掌握國際漢語教學(xué)領(lǐng)域詞匯的使用與分布特點(diǎn)。幫助漢語作為第二語言學(xué)習(xí)者產(chǎn)生規(guī)范的漢語表達(dá)，形成漢語語感，促進(jìn)國際漢語教學(xué)詞匯研究與詞匯教學(xué)的發(fā)展；另一方面對面向國際漢語教學(xué)自動(dòng)詞法與自動(dòng)句法分析[10-11]的實(shí)現(xiàn)，面向國際漢語教學(xué)詞典與教材的編撰，國際漢語教學(xué)詞匯等級擴(kuò)展研究以及教學(xué)文本難度評級等都具有重要的作用。

三音節(jié)名詞是國際漢語教學(xué)中一種常見的詞匯類型，在詞匯教學(xué)中占有重要的位置，而其中三音節(jié)名詞型動(dòng)態(tài)詞又占有較高的比重。三音節(jié)名詞型動(dòng)態(tài)詞是指整體詞類為名詞、音節(jié)數(shù)為3的動(dòng)態(tài)詞。HSK一級到六級5 000詞匯中，三音節(jié)名詞共有94條，其中未被《現(xiàn)漢》收錄的動(dòng)態(tài)詞達(dá)到20條，分別為： 充電器、重陽節(jié)、大使館、登機(jī)牌、端午節(jié)、公安局、國慶節(jié)、火車站、加油站、解說員、救護(hù)車、開幕式、垃圾桶、墨水兒、紐扣兒、青少年、上進(jìn)心、塑料袋、行李箱、羽絨服。

本文首先介紹三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式的一種知識表示方法；然后通過標(biāo)注一定規(guī)模的國際漢語教材語料，獲取三音節(jié)名詞型動(dòng)態(tài)詞的所有結(jié)構(gòu)模式類型以及對應(yīng)的動(dòng)態(tài)詞及詞頻信息，構(gòu)建基于國際漢語教學(xué)的三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式知識庫；最后在結(jié)構(gòu)模式知識庫的基礎(chǔ)上對三音節(jié)名詞型動(dòng)態(tài)詞進(jìn)行分析。

1　結(jié)構(gòu)模式知識表示

三音節(jié)名詞型動(dòng)態(tài)詞內(nèi)部詞或語素的結(jié)合同樣受到意義凝聚程度、音節(jié)韻律特征以及結(jié)構(gòu)穩(wěn)定性質(zhì)等因素的限制。三音節(jié)名詞型動(dòng)態(tài)詞的音節(jié)模式包含“2+1”、“1+2”和“1+1+1”三種，其中“1”和“2”對應(yīng)著動(dòng)態(tài)詞內(nèi)部的詞或語素，詞或語素具有不同的類別。另外，詞或語素的結(jié)合方式也不盡相同。上述特點(diǎn)體現(xiàn)了三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式的多樣性，為了有效描述三音節(jié)名詞型動(dòng)態(tài)詞不同類別的結(jié)構(gòu)模式，采用下面四項(xiàng)信息對結(jié)構(gòu)模式進(jìn)行知識表示： 三音節(jié)名詞型動(dòng)態(tài)詞整體詞類、內(nèi)部成分詞類或語素類、內(nèi)部成分音節(jié)數(shù)以及內(nèi)部成分之間的結(jié)構(gòu)關(guān)系。

1.1　準(zhǔn)備工作

1.1.1 語素類別信息

《現(xiàn)漢》所收詞語相當(dāng)穩(wěn)定，本文選擇《現(xiàn)漢》中詞、語素及詞類標(biāo)記作為標(biāo)注基礎(chǔ)來標(biāo)注動(dòng)態(tài)詞及其結(jié)構(gòu)模式信息。動(dòng)態(tài)詞內(nèi)部成分常常包含不成詞語素，而《現(xiàn)漢》中只有成詞語素給出詞類信息[12]。根據(jù)語素組合成詞時(shí)的功能可以把不成詞語素分為名詞性語素、動(dòng)詞性語素、形容詞性語素、副詞性語素等類別，這有利于說明語素與其所構(gòu)成的詞的功能之間的關(guān)系以及詞的內(nèi)部結(jié)構(gòu)關(guān)系[13]。因此，有必要首先根據(jù)《現(xiàn)漢》中不成詞語素在詞典中的義項(xiàng)及其構(gòu)詞功能為它們添加類別信息。

《現(xiàn)漢》中的詞類具體包括名詞、時(shí)間詞、方位詞、數(shù)詞、量詞、代詞、動(dòng)詞、形容詞、副詞、介詞、連詞、助詞、嘆詞以及擬聲詞等十幾種類型。為《現(xiàn)漢》添加的不成詞語素類別主要包括名詞性語素、動(dòng)詞性語素、形容詞性語素、副詞性語素與意義虛化的詞綴語素，如“-兒、-子、老-、阿-”等。其他類型語素?cái)?shù)量較少且不常見，用統(tǒng)一的語素符號Xg表示，不再加以區(qū)分?！冬F(xiàn)漢》中詞類和語素類對應(yīng)的符號標(biāo)記如表1所示。

表1　《現(xiàn)漢》詞類/語素類標(biāo)記集

1.1.2結(jié)構(gòu)關(guān)系符號

用類似句法的手段依據(jù)一定的語義關(guān)系對已知語素進(jìn)行組合，這是最常見的造詞方式[13]。構(gòu)成動(dòng)態(tài)詞的詞或語素的結(jié)合方式也與句法關(guān)系類似。所以，在描寫動(dòng)態(tài)詞的內(nèi)部結(jié)構(gòu)關(guān)系時(shí)，首先參考句法關(guān)系，外加重疊結(jié)構(gòu)、方位結(jié)構(gòu)、數(shù)量結(jié)構(gòu)、詞綴/助詞結(jié)構(gòu)以及其他虛詞格式等，確定如表2所示的動(dòng)態(tài)詞結(jié)構(gòu)關(guān)系符號集。具體包括并列、定中、狀中、述補(bǔ)、動(dòng)賓、主謂、重疊和其他共八種結(jié)構(gòu)關(guān)系。采用統(tǒng)一的“-”符號表示方位結(jié)構(gòu)、數(shù)量結(jié)構(gòu)、詞綴/助詞結(jié)構(gòu)和其他虛詞格式，是因?yàn)閺钠鋬?nèi)部成分及對應(yīng)詞類或語素類信息即可將它們區(qū)分開來。

表2　動(dòng)態(tài)詞結(jié)構(gòu)關(guān)系符號集

1.2　結(jié)構(gòu)模式

三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式的知識表示如下：

? <結(jié)構(gòu)模式>∷=<整體詞類>: <內(nèi)部成分詞類或語素類><內(nèi)部成分音節(jié)數(shù)>[<結(jié)構(gòu)關(guān)系符號><內(nèi)部成分詞類或語素類><內(nèi)部成分音節(jié)數(shù)>]{1,2}

? <整體詞類>∷=n

? <內(nèi)部成分詞類或語素類>∷=n|t|f|m|q|r|v|a|d|p|c|u|e|o|Ng|Vg|Ag|Dg|Ug|Xg

? <內(nèi)部成分音節(jié)數(shù)>∷=<空>|2(音節(jié)數(shù)為空表示默認(rèn)值1)

部分三音節(jié)名詞型動(dòng)態(tài)詞的結(jié)構(gòu)模式如表3所示。其中，“閱讀課”的結(jié)構(gòu)模式為“n: v2n”，冒號前的n表示“閱讀課”整體詞類為名詞；v2代表內(nèi)部成分“閱讀”的詞類是v，音節(jié)數(shù)為2；最后的n代表內(nèi)部成分“課”是名詞，音節(jié)數(shù)為默認(rèn)值1；“”表示內(nèi)部成分“閱讀”和“課”之間的結(jié)構(gòu)關(guān)系為定中關(guān)系。

表3　三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式

1.3　相關(guān)說明

1.3.1詞庫問題

《現(xiàn)漢》收詞十分嚴(yán)謹(jǐn)。它不會收錄像“中國”、“北京”、“淘寶”這樣的雙音節(jié)專有名詞。在分析三音節(jié)名詞型動(dòng)態(tài)詞時(shí)，如果其內(nèi)部成分出現(xiàn)上述雙音節(jié)專有名詞，不適宜對這類雙音節(jié)專有名詞作進(jìn)一步的內(nèi)部分析，故遇到這類詞時(shí)將其直接補(bǔ)充到基礎(chǔ)詞庫《現(xiàn)漢》中。

1.3.2切分問題

分析三音節(jié)名詞型動(dòng)態(tài)詞的結(jié)構(gòu)模式需先將其內(nèi)部成分隔開，切分標(biāo)準(zhǔn)是在結(jié)構(gòu)與意義相統(tǒng)一的前提下直到每一成分能夠在《現(xiàn)漢》中找到相應(yīng)的義項(xiàng)以及詞類或語素類為止。例如，對于動(dòng)態(tài)詞“足球迷”，由于《現(xiàn)漢》中收錄了“足球”和“迷”，所以正確的切分結(jié)果應(yīng)該是“足球”與“迷”。雖《現(xiàn)漢》中同樣收錄了“足”和“球迷”，但切分成“足”與“球迷”顯然不正確，這種組合結(jié)構(gòu)與詞的意義不統(tǒng)一。

1.3.3 層次問題

三音節(jié)名詞型動(dòng)態(tài)詞內(nèi)部成分為3個(gè)時(shí)，從理論上說會存在組合的先后順序，即層次問題。部分動(dòng)態(tài)詞在整體詞類、內(nèi)部成分詞類或語素類、內(nèi)部成分音節(jié)數(shù)及內(nèi)部成分之間結(jié)構(gòu)關(guān)系四者確定的情況下，層次歧義性并不大。例如，“制藥廠”對應(yīng)模式為“n: v|nn”，可以確定其組合層次為“(v|n)n”。因?yàn)?，若為“v|(nn)”，第一層內(nèi)部關(guān)系就成為動(dòng)賓關(guān)系。而參考句法關(guān)系，動(dòng)賓關(guān)系一般為動(dòng)詞性結(jié)構(gòu)而非名詞性結(jié)構(gòu)。

有些動(dòng)態(tài)詞僅僅依靠上述四項(xiàng)信息還不能明確組合層次。如表3中的動(dòng)態(tài)詞“副組長”和“單人間”，結(jié)構(gòu)模式都為“n: anNg”，但前者的組合層次為“a(nNg)”，而后者的組合層次為“(an)Ng”。為了使動(dòng)態(tài)詞結(jié)構(gòu)模式能明確反映動(dòng)態(tài)詞的組合層次，將這類有組合歧義的結(jié)構(gòu)模式分為兩種情形。以“n: anNg”為例，將其分為“n: a(nNg)”與“n: (an)Ng”。

2　結(jié)構(gòu)模式知識庫構(gòu)建

組織語言學(xué)背景的研究生對國際漢語教材語料庫(包括《新實(shí)用漢語課本》《快樂漢語》《長城漢語》《跟我學(xué)漢語》《漢語教學(xué)直通車》《當(dāng)代中文》《漢語樂園》等國際漢語教材)中的三音節(jié)名詞型動(dòng)態(tài)詞進(jìn)行人工標(biāo)注。標(biāo)注內(nèi)容含動(dòng)態(tài)詞的結(jié)構(gòu)模式以及動(dòng)態(tài)詞內(nèi)部詞或語素在基礎(chǔ)詞庫《現(xiàn)漢》中對應(yīng)的義項(xiàng)。標(biāo)注結(jié)果如圖1所示?！冬F(xiàn)漢》中詞或語素的每條義項(xiàng)由義項(xiàng)碼(三位數(shù)字)唯一地標(biāo)識。

圖1　三音節(jié)名詞型動(dòng)態(tài)詞“中文歌”標(biāo)注結(jié)果

為了保證標(biāo)注結(jié)果的準(zhǔn)確性與一致性，同一段語料文本至少由兩位同學(xué)進(jìn)行標(biāo)注，并由專家對標(biāo)注結(jié)果進(jìn)行審核。標(biāo)注結(jié)果一致且通過審核的數(shù)據(jù)視為有效數(shù)據(jù)。如果標(biāo)注結(jié)果不一致或未通過審核，則需要標(biāo)注者和審核者討論研究決定。在實(shí)際標(biāo)注過程中，許多組合是動(dòng)態(tài)詞還是短語結(jié)構(gòu)很難界定。對于這類組合結(jié)構(gòu)，標(biāo)注時(shí)先按照動(dòng)態(tài)詞處理。一方面，這種組合滿足動(dòng)態(tài)詞的某種結(jié)構(gòu)模式，像動(dòng)態(tài)詞一樣作為詞匯整體教授給漢語二語學(xué)習(xí)者很容易被接受。另一方面，將這種組合作為一個(gè)整體有助于面向國際漢語教學(xué)自動(dòng)句法分析的實(shí)現(xiàn)，通過避免對組合內(nèi)部的細(xì)節(jié)進(jìn)行處理從而減輕自動(dòng)句法分析的負(fù)擔(dān)。

本文一共獲得29 465句(498 965字)標(biāo)注三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式信息的國際漢語教材語料數(shù)據(jù)。利用正則表達(dá)式匹配與提取標(biāo)注語料中的三音節(jié)名詞型動(dòng)態(tài)詞及其結(jié)構(gòu)模式信息。正則表達(dá)式是用某種模式去匹配一類字符串的一種公式，由若干普通字符和特殊字符(元字符)構(gòu)成。普通字符包括大小寫字母、數(shù)字和漢字等，元字符指一些具有特殊含義的專用字符。語料中的三音節(jié)名詞型動(dòng)態(tài)詞及其結(jié)構(gòu)模式信息規(guī)則明確，利用正則表達(dá)式“.{3}【.+?】【.+?】”可將所有待提取信息準(zhǔn)確地匹配出來。對提取出的信息進(jìn)行統(tǒng)計(jì)分析，最終建立具有75種結(jié)構(gòu)模式的三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式知識庫。構(gòu)建的知識庫的結(jié)構(gòu)如表4所示。75種結(jié)構(gòu)模式按與之對應(yīng)的動(dòng)態(tài)詞頻次由高到低排序如表5所示。

表4　三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式知識庫結(jié)構(gòu)

三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式知識庫中的75種結(jié)構(gòu)模式對應(yīng)的動(dòng)態(tài)詞總數(shù)為4 678條，對應(yīng)的動(dòng)態(tài)詞總類別數(shù)達(dá)到1 712種。知識庫中結(jié)構(gòu)模式“n: v|Ngn”對應(yīng)的內(nèi)容如表6所示。

表5　三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式類型

表6　知識庫中結(jié)構(gòu)模式“n: v|Ngn”

表6　知識庫中結(jié)構(gòu)模式“n: v|Ngn”

idmodePOSsyllablefrequencyclassdetail16n: v|Ng↗nn32610【洗[001]發(fā)[101]水[004]】 10【登[001]機(jī)[002]牌[002]】 4【洗[001]衣[001]店[002]】 2【含[002]金[001]量[103]】 2【購[001]物[001]袋[001]】 2【藏[001]趣[001]園[001]】 2【撲[001]爐[001]蛾[001]】 1【登[001]機(jī)[002]口[006]】 1【有[001]情[001]人[001]】 1【收[005]件[003]人[001]】 1

3　三音節(jié)名詞型動(dòng)態(tài)詞分析

結(jié)構(gòu)模式知識庫中對應(yīng)動(dòng)態(tài)詞頻次排在前十的結(jié)構(gòu)模式如表7所示。由表7可知，除“n: n2-Ug”外，其他結(jié)構(gòu)模式的內(nèi)部結(jié)構(gòu)關(guān)系都為定中關(guān)系。由此可知，國際漢語教學(xué)中三音節(jié)名詞型動(dòng)態(tài)詞內(nèi)部成分的主要結(jié)合方式是定中結(jié)構(gòu)關(guān)系。最常見的是雙音節(jié)名詞、動(dòng)詞、形容詞與單音節(jié)名詞或名詞性語素(不成詞語素)的結(jié)合及單音節(jié)形容詞、名詞、數(shù)詞與雙音節(jié)名詞的結(jié)合。

表7　頻次排在前十的結(jié)構(gòu)模式

結(jié)構(gòu)模式知識庫中包含前綴和后綴標(biāo)記的結(jié)構(gòu)模式共有八種，分別為“n: n2-Ug”、“n: an-Ug”、“n: v2-Ug”、“n: a2-Ug”、“n: nn-Ug”、“n: f2-Ug”、“n: Ug-n2”和“n: nNg-Ug”。標(biāo)注的國際漢語教材語料中三音節(jié)名詞型動(dòng)態(tài)詞出現(xiàn)前綴和后綴的詳細(xì)情況如表8所示。表8中“詳細(xì)信息”字段包含具體的前綴/后綴、對應(yīng)的義項(xiàng)碼以及出現(xiàn)頻次等信息。

表8　三音節(jié)名詞型動(dòng)態(tài)詞出現(xiàn)前綴和后綴情況

從國際漢語教材語料庫中獲取的1 712種動(dòng)態(tài)詞中，內(nèi)部詞或語素的類別(考慮義項(xiàng)差別)共有1 713種。其中，出現(xiàn)頻次最高的15種詞或語素如圖2所示。在國際漢語教學(xué)領(lǐng)域中，人[n][001]、小[a][001]、大[a][001]、們[Ug][101]、者[u][001]、新[a][001]、好[a][001]、兒[Ug][101]、性[Ug][003]、課[n][002]等詞或語素構(gòu)成三音節(jié)名詞型動(dòng)態(tài)詞能力較強(qiáng)。

本節(jié)以構(gòu)建的三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式知識庫為基礎(chǔ)，初步分析了國際漢語教學(xué)中三音節(jié)名詞型動(dòng)態(tài)詞內(nèi)部成分的主要結(jié)合方式、出現(xiàn)前綴/后綴情況以及構(gòu)成三音節(jié)名詞型動(dòng)態(tài)詞能力較強(qiáng)的詞或語素。三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式知識庫蘊(yùn)含大量有價(jià)值的信息，如果進(jìn)一步挖掘，可以對國際漢語教學(xué)中的三音節(jié)名詞型動(dòng)態(tài)詞產(chǎn)生更加全面深入的理解與認(rèn)識。

圖2　三音節(jié)名詞型動(dòng)態(tài)詞內(nèi)部頻次最高的詞或語素

4　結(jié)語

本文利用知識工程的方法對國際漢語教學(xué)中的三音節(jié)名詞型動(dòng)態(tài)詞進(jìn)行研究分析，初步構(gòu)建了面向國際漢語教學(xué)的三音節(jié)名詞型動(dòng)態(tài)詞結(jié)構(gòu)模式知識庫，通過分析結(jié)構(gòu)模式知識庫取得了部分重要成果。本文的研究方法可以進(jìn)一步推廣到國際漢語教學(xué)中其他音節(jié)的名詞型動(dòng)態(tài)詞以及其他詞類的動(dòng)態(tài)詞研究中，以便更好地服務(wù)于國際漢語教學(xué)的詞匯研究與詞匯教學(xué)以及面向國際漢語教學(xué)的信息處理。