浅谈中文信息处理与现代汉语语法(1)

  : 北方教育

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。
　　这三个句子中分别有两个“花”、“锁”、“雷锋”。但它们只是音同、形同，词性和意义都不同。句子1中的第一个“花”是动词，“花费”的意思，第二个“花”是名词，“植物”的意思。句子2中的第一个“锁”是名词，即“锁子”的意思，第二个“锁”是动词，是“锁住”的意思。句子3中第一个“雷锋”是名词，表示人名，第二个“雷锋”是形容词，表示“雷锋的精神、品质等”。具有一定语言知识的人大体上都能分清它们的区别。从传统语言教学的角度来讲，句子1中的两个“花”是词形、读音相同，但词性和意思都不一样，且两个“花”的意思之间没有联系，所以属于同音词。句子2中的两个“锁”，也是词形、读音相同，词性和意思都不一样，但两个“锁”意思间有联系，所以属于兼类词。句子3中的两个“雷锋”词形、读音相同，词性和意思都不一样，意思也有联系，但第二个“雷锋”属于词类活用。Ⅲ从教学的角度看，这种分类比较细致，便于人们的理解和掌握，但是，从中文信息处理的角度来看，这种分法太细，不便于计算机掌握。
　　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着作定义的，‘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。