我在北語學計算機

范齊楠

在北京語言大學唯一的理工類學院——信息科學學院讀書，我的處境總是有些尷尬。每當親戚朋友問我：“你在北語學什么語言??？”我只能略帶調侃地回答：“C語言啊（一種編程語言）。”本科時，我在北語讀信息管理與信息系統(tǒng)專業(yè)。在人工智能的浪潮中，自然語言處理有很好的發(fā)展前景，因此我決定在北語繼續(xù)攻讀自然語言處理方向的碩士學位。

語言也能計算

以前我一直認為計算機和語言學是兩個世界的，彼此沒有什么關系，直到接觸到自然語言處理領域，我才逐漸了解到原來語言也是可以計算的，這也是它文理科學生兼收的原因。

如今智能教育非?；馃?，語法改錯便是其中的一個重要功能，具有很大的應用價值。比如留學生在中文寫作時，經(jīng)常會犯一些語法錯誤，市面上一些基于規(guī)則的成熟的語法改錯工具可以幫助他們修改作文。老師也可以在相關軟件的輔助下批改學生作文，以減輕工作負擔。還有我們常用的辦公軟件Word中的字頻統(tǒng)計、拼寫檢查等功能，都是語言計算的應用。

不久前，理科出身的我參加了一個語法改錯評測任務。我和小組成員一起把目前最新的神經(jīng)網(wǎng)絡模型應用到語法改錯任務中，結果發(fā)現(xiàn)只能達到60%左右的準確率，有時候連基礎的單復數(shù)、時態(tài)錯誤都改不對。但無論我們如何改進算法，最終也只能把準確率提升到80%～90%，剩下的10%必須有語言學理論的加持。比較常見的做法是從語言學理論中總結出一些規(guī)則，用計算機可以理解的方式表示出來，作為先驗知識輸入模型。這樣一來，才有可能在改錯速度和質量上都超越人類，甚至達到100%的準確率。

看吧，原來計算機和語言學是這么密不可分！

像語言學家一樣做研究

自然語言處理是一個交叉學科，想要在這個領域做出創(chuàng)新性的工作，就必須有一雙善于發(fā)現(xiàn)的眼睛。這不僅能幫助我們從新的角度思考問題，更可能成為我們的學術靈感源泉。比如我有個師姐注意到“刷微博”“刷朋友圈”中的“刷”字是一種新的用法，于是就想到去研究這個字的語義變化。

在前不久的語料庫語言學課上，老師布置了一個作業(yè)，讓我們考察一個詞的搭配情況?！按钆洹痹谡Z料庫語言學中是一個很重要的概念，有一套完整的理論。它要求我們在考察一個詞的搭配時。不僅限于看它的常見搭配詞，還要看它和搭配詞是否構成了一定的語法結構，它的語義及情感是否受到搭配詞的影響等。比如“造成”一詞，本來是中性的，但由于它經(jīng)常跟不好的事情一同使用，使它也帶有了一些消極意義。

要做好這個作業(yè)，首先得選到值得探究的詞語。為了尋找靈感，我用了一種笨方法——瀏覽語料庫。一次，我看到了“整整”一詞。除了作為一種語氣上的強調外，我隱隱覺得它還有一些比較特別的語法功能和語義特點。于是，我找出了語料庫中“整整”一詞出現(xiàn)的所有場景。除了“整整紅領巾”偶爾用作動詞之外，它絕大多數(shù)都是跟數(shù)量詞或動詞+數(shù)量詞搭配，來形容數(shù)量之大、動作持續(xù)時間之長，比如“整整30年”“整整忙活了一天”，并且它傳達的消極態(tài)度占多數(shù)，比如“‘大屠殺’整整持續(xù)了5個月”。

有意思的是，除了表示“整數(shù)”之外，我發(fā)現(xiàn)與“整整”連用的數(shù)量詞有時還會是零數(shù)、概數(shù)。例如：“班主任和同學們整整聊了三個半小時?！薄盎I備了整整兩個多月時間，百隊杯籃球京滬交流賽終于在上周末成行?！薄皬拇髲d就開始排隊，整整花費了30多分鐘?！?/p>

這到底是怎么回事呢？我找到“整整”在《漢語大詞典》中的義項：“（1）整齊嚴謹貌;（2）工整;（3）達到一個整數(shù)的，十足的?！睘槭裁醋值淅锩嬷挥姓麛?shù)的釋義呢？一心想搞明白緣由的我又翻閱了許多文獻，果然發(fā)現(xiàn)有學者提出，應該針對“整整”不一定完全表示整數(shù)的用法修改釋義，“這種用法雖然在比例上不占優(yōu)勢，卻非常重要”。

看到這里，你還相信我是學計算機的嗎？

年度流行語的誕生

每年的“2018漢語盤點”系列活動，都是由北京語言大學國家語言資源監(jiān)測與研究平面媒體中心共同承擔完成的。作為這個中心的一名研究生，我有幸參與了“2018年度中國媒體十大流行語”和“漢語盤點2018”年度字詞的篩選、發(fā)布工作。

每年的流行詞、流行語層出不窮，要完成中國媒體十大流行語、年度字詞的篩選工作，背后的工作量相當之大。就拿我重點參與的“2018年度中國媒體十大流行語”篩選發(fā)布工作來說吧，考慮到報紙的發(fā)行量、更新周期以及地域分布等因素，我們選擇了人民日報、北京日報、深圳特區(qū)報、齊魯晚報、華西都市報等國內16家影響力和發(fā)行量較大的報紙作為語料庫，收集到從2018年1月1日至11月底的全部報紙文本，語料規(guī)模近5億字次。接下來，我們利用語言信息處理技術，根據(jù)詞語出現(xiàn)的頻次，結合人工后期處理提取、篩選，得出流行語的候選詞表。

在篩選流行語的過程中，我成了語言監(jiān)測這個大任務中的“小監(jiān)測器”，不自覺地跟上了時代的主旋律。許多新詞高度濃縮了一年時間里的中國和世界風貌，盡現(xiàn)時代民生民情。有些跟我們的生活息息相關，比如由滴滴打車引發(fā)關注的“網(wǎng)約車安全”，頻頻出現(xiàn)在電商領域的“大數(shù)據(jù)殺熟”，備受關注的長春“問題疫苗”;有些離我們有些遙遠，比如在西昌衛(wèi)星發(fā)射中心用長征三號乙運載火箭發(fā)射兩顆衛(wèi)星的“一箭雙星”，在上海舉辦十二個國家參與的“進博會”等。一旦出現(xiàn)熱點事件，都會在第一時間引起我們高度關注，像中美貿易摩擦、川航英雄機長、重慶公交車墜江這些我們比較感興趣的話題，我和小伙伴甚至能像時事分析評論員那般，滔滔不絕地說上許久。

由于我們的語料來源于主流媒體，網(wǎng)絡上流行的“安排”“真香”“沖鴨”“涼涼”等詞，因在報紙語料中很少出現(xiàn)，最終沒有進入候選詞庫。但作為年輕人，我和團隊小伙伴們養(yǎng)成了一個共同的習慣：每當生活中遇到有意思的詞或熱點事件，大家的第一反應都是“說不定能出流行語！”前段時間，我發(fā)現(xiàn)“隱形貧困人口”一詞突然流行，它是指有些人看起來每天有吃有喝但實際上非常窮。仔細一想，這說的不就是我自己嘛！我當時就想：“這個詞真不錯！做流行語研究的時候一定得跟老師提出來！”

2018年12月6日，經(jīng)過我們初步篩選以及專家評審的“漢語盤點2018”年度候選字詞正式發(fā)布，穩(wěn)、芯、退、戰(zhàn)、改革開放四十年、錦鯉、貿易摩擦等熱門字詞都涵蓋其中。2018年12月15日，“2018年度中國媒體十大流行語”正式發(fā)布。十大流行語為：憲法修正案、命運共同體、進博會、貿易摩擦、錦鯉、板門店宣言、立德樹人、“一箭雙星”、幸福都是奮斗出來的、改革開放四十周年。2018年12月20日，由網(wǎng)友最終票選的“漢語盤點2018”年度字詞發(fā)布：國際年度字“退”;國際年度詞“貿易摩擦”;國內年度字“奮”;國內年度詞“改革開放四十年”。