试论中文信息处理与现代汉语语法

　　论文关键词：中文信息处理现代汉语语法句处理
　　论文摘要：用计算机来处理汉语信息包括字处理、词处理和句处理三个阶段。句处理是实现自然语言的处理与理解这一关键性的技术难关。其中遇到的问题比较多：词性的判断；短语、句子的结构分析；歧义现象分析等等，最根本的方法是语言学家尽可能地把语言中的这些现象通过归纳、分析、总结出规律，再用形式化的方式描述出来，以便利于计算机处理。
　　用计算机来处理汉语信息，就是汉语信息处理，又称中文信息处理。中文信息处理包括字处理、词处理和句处理。字处理、词处理分别与汉字和词汇有关，在此主要谈谈句处理。
　　句处理的主要内容是，怎样使计算机理解自然语言（如现代汉语）的句子的意思，又怎样使计算机生成符合自然语言规则的句子。句处理所需要的语言知识，将是一种涉及到语音、语义、语法、语用等诸方面的综合性知识。目前。大家都深感现有的关于汉语的知识远远不能满足中文句处理的需要。单就句法方面的情况说。在中文信息处理过程中将会不断遇到我们想象不到的问题，许多问题在人看来还是比较容易解决的，但计算机就解决不了。也有一些问题，本身在学术界就有不同的观点，那么，就给中文信息处理增加了更大的困难。
　　用计算机来处理中文信息，遇到了很多困难，从现代汉语语法的角度来看，主要有以下一些问题：
　　一、词性的判断
　　由于汉语缺乏形态。汉语的词性判断主要是根据词的语法功能，不同的词，词性意义可能不同，同一个词出现在不同的地方，词性意义也可能不同，汉语中，大多数词有固定的词性，但有些词的用法比较特殊。例如：
　　1。他花了十块钱买了一盆花。
　　2。你用那个锁把门锁上。
　　3。他比雷锋还雷锋。目前，在中文信息处理中，是这样来定义兼类词的：亢世勇认为兼类词有广义兼类词和狭义兼类词。广义兼类词就是中文信息处理中所说的现代汉语的同形词，对于计算机而言，只要词形相同，不管读音是否相同、意义是否相通，是同形异音词、同形同音词，还是一词多义、一词多种用法，都是相同的，都要从多个当中选一个。狭义的兼类词就是指一般的现代汉语著作定义的，‘同形同音、意义上有一定的联系，且具有两类或两类以上词的语法功能的词’。陆俭明认为，兼类词是指同字形、同音而意义不同或词性不同的词。如果按这种定义理解，以上三个句子中的两个花、锁、雷锋都可以称之为兼类词。因为，中文信息处理的目的是让计算机能根据具体环境判断出词的词性，从而准确理解其中的含义就可以了。尽管如此，但是，汉语词类是多功能的，一类词不需要发生词形变化就可以充当不同的句子成分，不同类的词可以充当相同的句子成分，这样就给兼类词区分带来了更多的麻烦。因而，兼类词的选择是计算机词性自动标注的一个瓶颈。尽管信息处理专家运用了规则排歧、统计概率排歧或者两者结合起来等多种方法进行排歧，但到目前为止，还没有一种方法、一种系统能够彻底解决这个问题。
　　二、短语、句子的结构分析
　　由于汉语缺乏形态。所以。语序和虚词成了汉语中表示语法的主要手段。有些短语、句子的结构不好理解，需要形式和意义结合起来分析。例如：
　　A组：a。陕西甘肃宁夏（陕西甘肃宁夏三者为联合关系）
　　b。中国（北京陕西）（中国与北京陕西是偏正关系。北京与陕西是联合关系）
　　C。中国（陕西（西安））（中国与陕西西安是偏正关系，陕西与西安也是偏正关系）这一组中的abe三个短语对人来说，都很容易分清楚，但计算机目前还很难区分，要让计算机分辨清楚，就得把三个处所名词组合在一起构成a类、b类、e类不同关系的条件与规则研究清楚，并将这些条件与规则加以形式化输入到计算机内。
　　B组：开始讨论（述宾关系）分析研究（联合关系）研究结束（主谓关系）
　　取下来（述补关系）看完再说（连谓关系）叫他回来（兼语关系）
　　生产管理（定中关系）讽刺说（状中关系）介绍写（不构成合法的句法关系）
　　这组是现代汉语里动词性词语动词性词语构成的种种不同的结构关系，对人来说，通过讲解大致可以分辨，可是让计算机要分清楚，就非常难，因为我们至今还没有总结出动词性词语动词性词语构成各种不同句法关系的具体规则。换句话说，动词性词语动词性词语在什么条件下一定构成合法的什么句法关系，能构成什么样不同的句法关系，我们至今还说不清楚。
　　C组：天气好好天气（主谓偏正）很好好得很（偏正述补）
　　来人了。人来了。（述宾主谓）
　　一张票三元钱。三元钱一张票。（主谓主谓）这一组都是由于语序的不同而形成的结构和意义都不同的短语和句子。这些结构对人而言，稍加学习就可以理解，但这些给计算机理解意思增加了难度。需要人们把这些语序的变化形成的不同的结构概括出规律来，再用形式化的方式描述出来。输入到计算机里。
　　三、歧义现象
　　现代汉语短语结构的歧义是进行汉语句法分析的一大障碍。句处理要解决的核心问题是排歧问题，计算机面对的歧义，不只是我们人所能感觉到的诸如下面这样一些句子的歧义现象：
　　（1）他正在输血。（他正给病人输血。他病了，正输血。）
　　（2）看望的是病人。（你看望的那个人是病人。看望你的那个人是病人。）
　　（3）我们急需进口产品。（我们急需进口的产品。我们急需从国外进口产品。）
　　某些在人看来不存在歧义的句子计算机会认为有歧义。例如：
　　（4）a他被警察叫去罚了一百块钱。其实以上所举的例子都存在歧义问题，因此，也可以这么说，句处理要解决的核心问题是排歧问题。
　　中文信息句处理的研究工作，上个世纪80年代就开始了，最早进行句处理研究工作就是基于规则展开的，但上个世纪90年代初，基于规则的句处理研究工作遇到了重重困难与难关，主要是语言学家所提供的语言规则远远不能满足信息处理的需要。目前，为了解决好中文信息处理中的句处理难题，出现了一个竞相研究、竞相发展的局面。对于句处理，提出的各种策略和途径，归纳起来。主要有基于规则和基于统计这两种策略。基于规则的研究者，一般求诸专家的理性知识，由人来对语言知识进行抽象：基于统计者，一般求助于计算机对大规模语料库真实文本的统计分析，由计算机来抽象出语言知识。各种策略和途径，目前，我们还很难说哪一种是唯一正确的。各种策略和途径，表面看不同，其实，最终都需要依赖可靠的汉语知识来驱动计算机正确处理自然语言（汉语）。因此，无论是比较传统的基于规则的处理策略，还是90年代以来方兴未艾的基于统计的方法，在对语言知识的需求这一点上实际上都是共同的。所不同者，走规则路线的研究者一般求诸专家的理性知识，由人来对语言知识进行抽象（比如以带有合一条件的规则形式给出）。而走统计路线的研究者一般求助于计算机对大规模的语料库的统计分析，由计算机来抽象出语言知识（比如以一定的数据结构记录的统计结果等）。两种路线孰优孰劣，不能笼统判断，只能跟具体的应用目标结合起来，由实践结果来评价。目前，越来越多的学者提倡把两种方法结合起来使用。因此，相信在不久的将来，我们会攻克难关，实现计算机对自然语言的处理与理解的目标，使中文信息处理技术处于世界领先地位。
　　参考文献：
　　2。亢世勇：面向信息处理的现代汉语语法研究〔M〕。上海：上海辞书出版社，2004，177。
　　3。陆俭明：现代汉语语法研究教程（第三版），〔M〕。北京：北京大学出版社。2005年，51。
　　4。詹卫东：面向中文信息处理的现代汉语短语结构规则研究〔M〕。北京：清华大学出版社，2000，2。