句法網(wǎng)與語義網(wǎng)的對比研究

馬 丹,趙懌怡

(廈門大學 人文學院,福建 廈門 361005)

0 引言

語義分析指運用各種方法，學習與理解一段文本所表示的語義內(nèi)容，任何對語言的理解都可以歸為語義分析的范疇。語義分析又可進一步分解為詞匯級語義分析、句子級語義分析及篇章級語義分析[1]。本文主要關注句子級語義分析，句子級語義分析目標是分析整個句子所表達的語義內(nèi)容和語義關系。研究發(fā)現(xiàn)，以往的語義分析主要關注句子中的實詞之間的關系，“針對動態(tài)語料的語義依存分析若只考慮論元關系[2]，并不能充分實現(xiàn)句法分析到語義分析的轉化，導致句法網(wǎng)絡與語義網(wǎng)絡產(chǎn)生不可解釋的參數(shù)差異?！盵3]因此，本文把虛詞納入語義處理框架，從而實現(xiàn)從句法依存到語義依存的完全轉換，進一步推動句法網(wǎng)絡與語義網(wǎng)絡的對比研究。本文基于同一文本，以詞為單位構建了句法網(wǎng)和語義網(wǎng)，試圖從網(wǎng)絡的整體數(shù)據(jù)和網(wǎng)絡的局部節(jié)點討論兩者之間的差異。

1 語言網(wǎng)絡構建

句法網(wǎng)絡是基于句法理論構建的語言網(wǎng)絡。句法網(wǎng)絡的構建是句法分析結果的直觀反映。句法分析又可以分為短語結構句法分析和依存句法分析[4]。本文的句法分析依賴于依存關系[5]理論。劉海濤等[6]認為依存句法分析比短語結構句法分析更容易發(fā)現(xiàn)句子中兩詞之間的關系。依存句法分析的前提是建立能夠輸入的依存句法樹庫。本文所用的樹庫是小型百科語料樹庫，采用表格的形式展示(參見表1)。

表1 依存句法樹庫示例

表中每一行代表的都是一個依存關系，本文采用的文本，共有1 000個詞，475個依存關系。我們以詞為節(jié)點、依存關系為邊構建語言網(wǎng)絡。

語義網(wǎng)絡是介于句法和概念網(wǎng)絡的中間層[7]，對于語義網(wǎng)絡的特征研究有助于句法和語義之間的轉換研究。語義網(wǎng)絡的研究也是以依存理論為基礎，本文所探討的語義依存理論基于句法依存分析，是句法依存分析朝深度語義理解的進一步發(fā)展，并為構建語義網(wǎng)絡提供理論支撐。不同的是，語義分析一般只對實詞進行分析，不包含虛詞。語義依存分析常常建立在句法依存分析的基礎上，從句法分析到語義分析，虛詞是否應該被保留呢？我們知道虛詞在句子中起著經(jīng)絡的作用[8]。陳芯瑩、劉海濤[9]曾以新聞聯(lián)播和實話實說為語料資源，探究虛詞“的”“了”“在p”在句法網(wǎng)絡中的特征，發(fā)現(xiàn)“的”是網(wǎng)絡的中心節(jié)點；“了”和“在p”是局部網(wǎng)絡節(jié)點去掉三個節(jié)點后，網(wǎng)絡的平均度、網(wǎng)絡密度、最大范圍均有所降低，平均路徑及直徑增加。虛詞在句法網(wǎng)絡中作為中心節(jié)點或者局部中心節(jié)點存在，那么在語義網(wǎng)絡中的作用呢？趙懌怡等[3]在進行語義分析的時候，考慮到副詞“不”會影響語義的表達，進行了保留?？梢娞撛~會對語義分析產(chǎn)生影響，把虛詞納入語義分析的范疇，分析虛詞在語義網(wǎng)絡中的地位。

語義分析離不開詞的分類問題，這里我們主要討論動詞的分類問題。在句法分析中，動詞按形式分為助動詞、系動詞、趨向動詞、不及物動詞、小句賓語、雙賓動詞等。為了滿足語義分析的需要，我們參考陳昌來[10]對動詞的分類及《漢語動詞概述》[11]對動詞進行了語義分類，分別為動作動詞、存在動詞、使令動詞、趨向動詞、心理動詞、能愿動詞、關系動詞、先導動詞。虛詞等的標記參照劉海濤[6]的句法標注體系，因為其與句法分析中的詞類標記保持一致，可以更直觀地分析虛詞在句法網(wǎng)絡和在語義網(wǎng)絡中的地位。語義標注的方法很多，這里不多贅述，本文主要參考陳昌來對語義角色的標注[12-16]、HowNet[17-18]的動態(tài)角色及哈工大LTP[19]的語義角色標注。

依存關系轉換成語言網(wǎng)絡的方法，本文采用的是軟件Cytoscape[注]http://www.cytoscape.org,它是一個專注于開源網(wǎng)絡可視化分析的平臺，核心是提供基礎的功能分布和網(wǎng)絡查詢，并依靠基本的數(shù)據(jù)形成可視化網(wǎng)絡。它最先應用于生物學領域，顯示分子之間的相互作用[20]。這里我們應用于依存網(wǎng)絡的構建，展現(xiàn)各個語言單位之間的關系。Cytoscape是以兩個節(jié)點(source node,taget node)以及一個關系(interaction)為基礎進行的網(wǎng)絡構建[21]，這里支配詞作為源節(jié)點(source node)，被支配詞作為(target node)來處理，關系就是兩個詞之間的支配關系。用表1中的支配詞、被支配詞、支配關系，可以轉換成這樣的語義網(wǎng)絡(如圖1 (b)所示)。本文句法關系的確定主要采用劉海濤[6]關于漢語依存關系的描述，利用Cytoscape同樣可以構建如圖1所示的網(wǎng)絡。

圖1是由12個節(jié)點構成的語義網(wǎng)和句法網(wǎng)，箭頭表示各個節(jié)點之間的支配關系，箭頭上標注的是各個節(jié)點之間的依存關系。對比圖1(a)和圖1(b)，雖然節(jié)點完全一致，但是由于構造方式的不同，結構存在較大差異，那么網(wǎng)絡的參數(shù)是否也有較大的差異呢？

圖1 句法網(wǎng)絡和語義網(wǎng)絡

2 分析結果對比

我們以依存關系為邊、詞為節(jié)點，用Cytoscape軟件構建了句法網(wǎng)和語義網(wǎng)。根據(jù)Cytoscape的數(shù)據(jù)對網(wǎng)絡進行整體分析。這里，為了更清晰地看到節(jié)點之間的依存關系， 我們采 用的是有向網(wǎng)絡的分析方法。語言網(wǎng)絡的對比主要從聚集系數(shù)[7]、最短路徑[22]、平均相鄰節(jié)點數(shù)、網(wǎng)絡的層級性[23]等方面進行考察，結果如表2所示。

表2 網(wǎng)絡整體數(shù)據(jù)對比分析

聚集系數(shù)C(clustering coefficient)是一種用來衡量網(wǎng)絡聚類傾向或小集群形態(tài)的指標，設網(wǎng)絡節(jié)點i有k條邊和其他節(jié)點相連，那么該節(jié)點與這Ki個節(jié)點構成了一個子網(wǎng)絡(集群)。而K條邊連接的節(jié)點(k個)之間最多可能存在的邊的條數(shù)為k(k-1)/2。如果將Ei看作是ki個節(jié)點之間實際存在的邊數(shù)，那么Ei和Ki最多可有的邊數(shù)之比就是節(jié)點i的聚集系數(shù)Ci，如式(1)所示。

那么整個網(wǎng)絡的聚集系數(shù)C就是所有節(jié)點聚集系數(shù)Ci的平均值，如式(2)所示。

聚集系數(shù)是衡量網(wǎng)絡集團化程度的標準，聚集系數(shù)越高說明各個節(jié)點之間的聯(lián)系越緊密。由表2我們可以知道： 句法網(wǎng)的聚集系數(shù)比語義網(wǎng)高，直徑比語義網(wǎng)的直徑小。

最短路徑d指的是網(wǎng)絡中任意兩點的最短路徑，這里Cytoscape給出的是任意兩個節(jié)點之間的最短路徑數(shù)和最短路徑在總路徑中的百分比。句法網(wǎng)的最短路徑數(shù)占35%，語義網(wǎng)的最短路徑數(shù)占27%。

特征路徑長度(平均路徑長度)cpl指任意兩個節(jié)點的距離的平均值。設兩個任意節(jié)點分別是i、j，這兩個任意節(jié)點之間的距離為dij,網(wǎng)絡的節(jié)點數(shù)為N，則：

特征路徑的長度與節(jié)點之間的距離有關系，無向網(wǎng)絡節(jié)點之間的距離就是兩點之間最短路徑所包含的連線數(shù)，有向網(wǎng)絡節(jié)點之間的距離是一個節(jié)點指向另外一個節(jié)點之間的距離，并且在相反方向上距離不同。若把網(wǎng)絡看作有向網(wǎng)絡，那我們發(fā)現(xiàn)語義網(wǎng)的特征路徑長度遠大于句法網(wǎng)。

“網(wǎng)絡的層級結構，可以用網(wǎng)絡的聚集系數(shù)和節(jié)點度的相關性來表示，這種相關性C(k)表示的是度為k的所有節(jié)點的平均聚集系數(shù)”[7]，計算如式(4)所示。

其中Nk為節(jié)點度為k的所有節(jié)點總數(shù)，δki,kj為克羅內(nèi)克符號(Kronecker)，當ki=kj的時候，即任意兩個節(jié)點i，j的節(jié)點度相同，那么克羅內(nèi)克符號的值就是1，當ki≠kj時，即兩個節(jié)點的節(jié)點度不同的時候，那么符號的值就是0(不執(zhí)行求和)。在許多真實的網(wǎng)絡中，如果節(jié)點度k變大，節(jié)點聚集系數(shù)C(k)按照冪率衰減，那就說明網(wǎng)絡的層級性比較明顯，即低節(jié)點度節(jié)點，其鄰節(jié)點互聯(lián)的概率較大，而高節(jié)點度的節(jié)點，其鄰節(jié)點互聯(lián)概率較小，如圖2所示。下面我們通過數(shù)據(jù)的計算對比句法網(wǎng)和語義網(wǎng)層級性明顯程度的差異。

圖2 句法網(wǎng)與語義網(wǎng)節(jié)點度與聚集系數(shù)的相關性

圖中，橫軸表示節(jié)點的度(k)，句法網(wǎng)中節(jié)點最高的度為94，語義網(wǎng)中節(jié)點最高的度也是94，我們把最大節(jié)點度設為100?？v軸表示平均聚集系數(shù)，計算方法為節(jié)點度相同的節(jié)點聚集系數(shù)的和/這些節(jié)點的個數(shù)。圖中的擬合線表示圖表的整體趨勢，即是節(jié)點度k與節(jié)點度為k的平均聚集系數(shù)的相關性。

句法網(wǎng)和語義網(wǎng)點度與聚集系數(shù)之間的相關性都不是特別明顯，但是兩者的相關性一致。劉海濤[7]曾在統(tǒng)計語義網(wǎng)中節(jié)點度與聚集系數(shù)的相關性時發(fā)現(xiàn)，節(jié)點度為1的節(jié)點可能是導致網(wǎng)絡層級性差的原因。虛詞進入語義網(wǎng)絡以后，語義網(wǎng)和句法網(wǎng)的層級性保持一致，可能是因為虛詞的存在增強了語義網(wǎng)絡的層級性。

節(jié)點的相關性表示一個節(jié)點的度與其相鄰的節(jié)點度之間的相關性，我們可以用平均相鄰節(jié)點度(K-Nearest Neighbor,KNN)來衡量網(wǎng)絡節(jié)點之間的相關性。一般來說，如果在一個網(wǎng)絡中，節(jié)點度數(shù)大(小)的節(jié)點常常與節(jié)點度數(shù)大(小)的節(jié)點連接，那么我們認為這個網(wǎng)絡是正相關(assortativity)。相反，如果節(jié)點度大(小)的節(jié)點常常與節(jié)點度數(shù)小(大)的節(jié)點連接，那么這個網(wǎng)絡就是負相關(disassortativity)[20]。

我們可以選擇一個節(jié)點度為k的節(jié)點，然后統(tǒng)計這個節(jié)點與其相鄰節(jié)點之間的相關性，如果隨著k的變大，相鄰的節(jié)點度也變大，則表明這個網(wǎng)絡是正相關的；如果隨著k的變大，相鄰的節(jié)點度變小，則表明這個網(wǎng)絡是負相關的；如果擬合線的斜率傾向于0，則表示網(wǎng)絡的節(jié)點間缺乏相關性。為了統(tǒng)計的方便，我們以節(jié)點度k為橫軸，鄰居節(jié)點的聯(lián)通度為縱軸。鄰居節(jié)點的聯(lián)通度可以用Cytoscape中對節(jié)點的鄰居節(jié)點的平均度(neighborhood connectivity)進行統(tǒng)計，圖中標記為NC，如圖3所示。

圖3 句法網(wǎng)和語義網(wǎng)節(jié)點度相關性

句法網(wǎng)中擬合線的斜率為-0.13，這說明句法網(wǎng)中的節(jié)點與相鄰節(jié)點的聯(lián)通度成負相關的關系，語義網(wǎng)擬合線的斜率接近于0，節(jié)點之間的相關性并不明顯。在句法網(wǎng)中，實詞和虛詞之間的關系緊密，節(jié)點與節(jié)點之間反映的是實詞與虛詞之間的關系。語義網(wǎng)中，虛詞只能充當被支配詞，節(jié)點與鄰居節(jié)點的相關性不強。我們有理由推斷虛詞是造成網(wǎng)絡相關性差異的原因。

通過對網(wǎng)絡整體性參數(shù)的對比分析，我們發(fā)現(xiàn)語義網(wǎng)和句法網(wǎng)在聚集系數(shù)、最短路徑長度、節(jié)點度的相關性都存在著差異，這說明網(wǎng)絡構造方法的不同會對參數(shù)產(chǎn)生影響。

節(jié)點度是一個節(jié)點所擁有的連線(依存關系)的數(shù)量，如果把網(wǎng)絡看作是一個簡單無向圖，那么節(jié)點的度就是與其相鄰的節(jié)點的數(shù)量。一個節(jié)點的度就是對其領域的規(guī)模的大小的一種測量。高節(jié)點度的節(jié)點往往位于網(wǎng)絡的中心或者局部網(wǎng)絡的中心。陳芯瑩、劉海濤[9]發(fā)現(xiàn)虛詞“的”“了”“過”等虛詞可能是句法網(wǎng)絡的中心節(jié)點，那么這些虛詞在語義網(wǎng)中是否也可能是中心節(jié)點呢？

節(jié)點的聚集系數(shù)(云集系數(shù))表示在該節(jié)點的鄰點中，直接相連的鄰點對占所有鄰點對的比例。它是衡量該節(jié)點與相鄰節(jié)點之間的連通程度、反映節(jié)點之間關系的緊密度的參數(shù)。中介中心度(betweenness centrality)指在網(wǎng)絡中所有節(jié)點之間的測地線[注]無向網(wǎng)絡中，兩個節(jié)點之間的距離，就是兩點之間最短路徑所含的連線數(shù)。平均最短路徑又稱測地線。中，經(jīng)過該節(jié)點的測地線所占的比例。一個節(jié)點在網(wǎng)絡中起到多大的“中間”的作用就代表著這個節(jié)點在網(wǎng)絡中占著多中心的位置。一個節(jié)點度不高的節(jié)點也可能因為起著中介作用而成為網(wǎng)絡中心或者局部中心。中介中心度和接近中心度都是用來測算節(jié)點在網(wǎng)絡中的整體中心度。接近中心度(closeness centrality)指的是其他節(jié)點數(shù)除以該節(jié)點與其他節(jié)點的距離之和?？偩嚯x越大，接近度的值就越小。

在表3 中，句法網(wǎng)中 “的”的聚集系數(shù)、中介中心度均比語義網(wǎng)高，說明“的”的中心地位在句法網(wǎng)中更為明顯。但值得一提的是 “的”在語義網(wǎng)中雖然不起“中間”作用，但是接近中心度與句法網(wǎng)基本持平，平均路徑也很短，我們有理由認為“的”在語義網(wǎng)中的中心地位比較突出。

“和”作為連詞出現(xiàn)在兩個網(wǎng)絡中，節(jié)點度、接近中心度較高，平均路徑長比較短，這說明“和”很有可能作為局部中心節(jié)點存在?！昂汀痹趦蓚€網(wǎng)絡中的參數(shù)基本保持一致性， 這說明“和”在網(wǎng)絡中的地位并不受網(wǎng)絡構建方式的影響。

表3 句法網(wǎng)和語義網(wǎng)中高節(jié)點度節(jié)點參數(shù)分析

量詞“個”在語義網(wǎng)和在句法網(wǎng)中，地位大體相同。在句法網(wǎng)中中介中心度比較高，這說明在句法網(wǎng)絡中，“個”的“中間”作用更為突出。從平均路徑上看，兩個網(wǎng)絡中“個”的平均路徑都很短，這說明“個”可能是處在網(wǎng)絡中心附近的節(jié)點。

“是”在兩個網(wǎng)絡中都具有很高的點度、入度和出度，聚集系數(shù)也較高，這說明“是”在兩個網(wǎng)絡中的地位重要，并且與鄰居節(jié)點的連通性很好。但是兩個網(wǎng)絡中“是”的接近中心度都很小，平均路徑也很長，這說明“是”不可能處于網(wǎng)絡的中心節(jié)點，可能作為局部中心節(jié)點存在。

為了驗證節(jié)點在網(wǎng)絡中的地位，我們統(tǒng)計了觀察剔除節(jié)點以后網(wǎng)絡特征的變化。這里主要從平均度(average degree)、網(wǎng)絡的中心度(network centralization)、特征路徑長度(characteristic path length)、孤立節(jié)點數(shù)(isolated nodes)幾個方面討論。

平均度指的是每個節(jié)點平均具有的節(jié)點度數(shù)。計算方法是各個節(jié)點的度數(shù)之和與節(jié)點數(shù)之比。

網(wǎng)絡中心度指整個網(wǎng)絡的中心化程度，中心度在各個節(jié)點之間的差異越大，網(wǎng)絡就越中心化，也就是說節(jié)點中心度的差異越大，網(wǎng)絡的中心化程度就越高。

特征路徑長度又叫平均路徑長度，指任意兩點之間的平均最短路徑，計算方法見式(3)。

孤立節(jié)點指的是節(jié)點度為0的節(jié)點。這里是去節(jié)點之后產(chǎn)生的孤立節(jié)點。去節(jié)點之后的網(wǎng)絡參數(shù)如表4所示。

表4 顯示，去掉“的”之后的，句法網(wǎng)和語義網(wǎng)的平均度、 中心度明顯下降， 特征路徑長度變長，產(chǎn)生了8個孤立節(jié)點。去“的”之后，語義網(wǎng)絡的中心度變小了，但是變化程度遠遠低于句法網(wǎng)去“的”之后。原因是“的”在句法網(wǎng)中接近中心度更高，去掉之后，各個節(jié)點之間的差異性會變小，但是在語義網(wǎng)中，“的”的接近中心度不高，對各個節(jié)點之間的差異影響不大?！暗摹比サ糁?，語義網(wǎng)的特征路徑變長，中心度降低，這說明“的”在語義網(wǎng)中雖然不占據(jù)中心位置，但仍然與其他節(jié)點保持著聯(lián)系。去掉虛詞“的”導致語義網(wǎng)的參數(shù)發(fā)生了變化，這說明“的”在語義網(wǎng)中的重要作用。

表4 去節(jié)點之后網(wǎng)絡參數(shù)分析

去掉“是”之后，兩個網(wǎng)絡的平均度、中心度和密度均降低了，平均路徑都增加了，網(wǎng)絡直徑都保持不變，孤立節(jié)點數(shù)都是5。節(jié)點“是”在句法網(wǎng)中的中心度降低了0.4%，語義網(wǎng)中降低了1%，這說明去掉“是”以后，語義網(wǎng)中節(jié)點之間的差異在語義網(wǎng)中變得更小，“是”在語義關系連接中具有更強的中心節(jié)點功能，這很可能說明節(jié)點“是”在語義網(wǎng)中比在句法網(wǎng)中更占據(jù)中心的位置。當然，這需要用更大的數(shù)據(jù)庫來驗證。

剔除節(jié)點“和”之后，兩個網(wǎng)絡的中心度都變大，句法網(wǎng)中增大幅度為0.4%，語義網(wǎng)增大了1%，網(wǎng)絡的中心度變大，說明“和”在兩個網(wǎng)絡中都不處于中心節(jié)點的位置，但是節(jié)點“和”在語義網(wǎng)中的重要性要弱于句法網(wǎng)。

去“個”之后，兩個網(wǎng)絡的平均度下降，中心度和特征路徑長度均變大，產(chǎn)生了兩個孤立節(jié)點。網(wǎng)絡的中心度表示的是網(wǎng)絡中各個節(jié)點之間的差異程度，差異越大，中心度越高。去掉“個”之后中心度變大，說明網(wǎng)絡節(jié)點之間的差異變大，網(wǎng)絡的集中度變高，也就是“個”在兩個網(wǎng)絡中的存在影響了網(wǎng)絡的集中度。

3 總結

把虛詞納入語義分析的范疇，用同一文本構建語言網(wǎng)絡，是從句法依存分析到語義理解的進一步發(fā)展。虛詞只具有功能性意義，但是卻會對語義分析產(chǎn)生影響。通過對語義網(wǎng)和句法網(wǎng)的參數(shù)分析發(fā)現(xiàn)，虛詞“的”“個”“和”在語義網(wǎng)中具有同樣重要的地位。本文研究的意義在于討論虛詞在語義網(wǎng)中的地位，初步研究句法到語義完全轉換。接下來本研究還會在此基礎上進一步擴大語料，探究更多虛詞在語義網(wǎng)中的作用。本文在建立包含虛詞的語義處理框架之后，對網(wǎng)絡進行了對比分析，以求進一步推動從句法到語義之間的完全轉換研究。