中文篇章中的关联词语和其引导的句子关系的自动标注——面向话语分析的中文篇章语料库的开发.pdfVIP

中文篇章中的关联词语及其引导的句子关系的自动标注 一一面向话语分析的中文篇章语料库的开发 邹嘉彦，连兴隆，高维君 黎邦洋，何庆昌 香港城市大学语言资讯研究中。 香港九龙达之路83号 rlbtsou@cpccuxO．cityu．edu．hk 摘要：以前，关于汉语关联词语和复句的研究主要是基于研究者的汉语知识、直觉或少量 的例子。而我们现在的研究则希望通过基丁1语料库的途径，去挖掘语篇中话题的连贯与关 联词语的使用之间的关系。为了进行此项研究，必须对语料库中出现的关联词语的用法的 有关属性进行标注。因此，本文定义了关联词语的加标方式，并给出了一个机械的自动加 标算法。为了评价加标算法的性能，我们用40篇社论对自动标注系统进行了测试。 关键词：关联词语复旬／句群关系 语料标注话语分析 一、 简介 语言学家用话语(discourse)这个术语来描述由多个句子组成的、任何形式的语言交 组成的线形序列。语言学家认为可以把这些小句和句子划分成不同的单元，即语段(discourse segment)，因此，对于一篇话语而言，小句、句子、语段和话语构成了一个层次结构。对 言处理领域，语法层和语义层的处理一般将句子看成是独立的、相互无关的单元。话语分 析则超越了这两个层次而进行语用层的处理。 话语分析的目的是希望通过将语篇划分为一系列语段，并构造语篇的话语分析结构， 来识别作者的意图。话语分析的结果可以用来解决很多重要的自然语言处理问题，例如： 指代[Hirst et el，al，86，Limaanet．al，90]， 81]问题、时态分析[Hwanga1．92】、目的识lJO[Grosz et．a1．94，T’sou 等等。另外，话语分析还可以直接应用于文本摘要[Ono et．a1．96]}n文本生 成【McKeown85，Linet．a1．911等重要的自然语言处理的应用领域。 在各种类型的可以在话语中得到的信息中，关联词语(discourseconnective)——在 有的语言中也称为线索词语(clueword／cue 78，Groszet．al86】．被看成 phrase)【Reichman 是作者构造～篇话语的主要的语言标志和线索。 在汉语中关联词语(关联词／芙联短语)并不是一个基本词类的名称，而是指那些在复 句或句群、语段间起话题连接或承上启下作用的词和短语的集合。句群是由多个单句或复 句组成，复句又分为单层复句和多层复句。有关单句、复句、句群的区分以及单层复句与 多层复句的概念可以参看[刘跃池等97]。关联词语的使用可以使复句中删势旬(或小句、 288 子句)之间的逻辑语义关系以及句群中的分句之间的逻辑语义关系更为明显。在后面的讨 论中我们习惯上将复句或句群关系称为复句关系。 作为关联词的词可能是连词、介词、副词或动词【张宝林95，李泉95，赵淑华95】以 及名词(如r结果，他没有来’中的‘结果’)和数词(如‘第一…第一=．．’)等等。 我们所感兴趣的关联词语的范围比[王起澜89】更广些，甚至比【魏为真等91]还要多 一些。在我们的研究中，我们把关联词语分为两种不同的类型： 1．第一类(Primary)：这一类关联词语主要由连词、介词、副词和动词组成，其主要 功能是引导单层复句或多层复句(参见表1)。在我们的研究中的这类关联词语主 et．a1．96]。 要来源于[王起澜等89]}11我们以前的研究工作[T’SOU 成，其主要功能是在句群间起话题连接或转移作用(参见表1)。在我们的研究中 e