把…HVP的计算分析.pdfVIP

世界汉语教学2002年第1期(总第59期) “把…HVP”的计算分析 陈小荷 对输入语料做了自动分词但未标注词性的条件下，试图标出每个介词“把”后边的HVP。分 析方法是基于语言知识的，以我们对核心动词短语的分类为指导思想，以包含较丰富的语法 信息的专用动词词表为支撑，同时也利用了从训练语料中获取的统计数据。实验结果是。开 放测试的平均正确率达到93％。 关键词 “把”字结构核心动词短语计算分析 0 引言 “把”字结构一直是现代汉语语法研究的一个热点，但从汉语信息处理的角度对“把”字 结构进行专门研究的文献尚不多见。我们尝试用计算机分析“把”字结构，初始目标十分单 Verb 纯，就是要标出每个介词“把”后边的核心动语短语(Head Phrase，HVP)，例如： ……而且把顾客的满意程度也[作为卜一种重要标准。 “那些把安眠药[卖给]中小学生吃的事呢?” 其中黑体字部分是“把”字结构，方括号内是HVP。 这不是对“把”字结构的全面分析，但的确是最重要的一步。标出HVP之后，可以向左 搜索各种状语，逼近“把”的宾语的左边界，向右搜索宾语和其他成分，得到整个“把”字结构 的右边界。 通常认为，“把”字句有四个特点：(一)谓语一般不能是光杆动词；(二)“把”的宾语一 般是有定的；(三)谓语动词一般有“处置性”；(四)助动词、否定词一般不能放在“把”的宾 语跟谓语动词之间。④除第二个外，其他三个特点都跟HVP有直接关系。如果能用计算机 自动标注出HVP，我们就能对其特点进行定量分析，看所谓“一般”到底是多大的概率，并进 一步研究“一般”之外有哪些隐蔽的规律。 词语“配价”是汉语语法的一个新热点，就动词而言，不再局限于研究单个动词的配价。 多的人认为事实上把字句的构造确实很难从动词类别去把握。这是因为以往的研究过分纠 缠于语义的分类而忽略了必用的连带成分的组配特点。”从自动分析角度看，句法分析是配 价分析的基础，计算机自动标注出来的HVP恰好就是配价研究者感兴趣的动结式、动趋式、 动介式等结构的丰富多样的实例。 对于稍懂语法的人来说，HVP标注不成问题，但对于计算机来说并非易事，因为它缺乏 陈小荷：“把…HVP”的计算分析 人类所具有的关于语言和客观世界的各种知识以及推理能力。严格地说，HVP的正确标注 取决于对整个句子的完全的句法分析。②但目前用计算机对汉语句子(尤其是真实文本中的 句子)做完全的句法分析尚无可行性。退而求其次，可以进行骨架分析(skeleton parsing)， 得出句子的主要成分，或浅层分析(shallow parsing)，例如提取句子中的名词短语。陈小荷 (】997)用统计方法标注过真实文本中句子的核心谓词，其开放测试的正确率为90％左右， 但所使用的是已标注词性且经人工校对的输入语料，语料代价高，标注算法对特定词性标记 集有很强的依赖性。穗志方、俞士汶(1998)用骨架依存分析法识别汉语单句核心谓词，其 正确率为87．3％，但输入语料不是真实文本，而且依赖于人工对齐的英语例句。 本文所报告的“把…HVP”的分析有两个特点：第一，输入语料是只做了自动分词但未 做词性标注的真实文本，这种语料代价低廉，容易得到。第二，主要利用语言学知识，特别是 有关“把”字结构的知识来进行分析，分析结果便于从语言学角度给予解释，统计方法在这 里只起了辅助作用。 1 所用资源 句子。句子的平均长度是个36个词，句子越长，自动分析就越困难。语料中“把”字结构2 万余个，平均每句1．06个。众所周知，《人民日报》语料的题材、体裁丰富多样。从比例上 看，主要反映当代书面汉语的面貌。 1．1词性问题 句法分析之前要不要先做词性标注?我们权衡了一下利弊。对于“把…HVP”的分析 来说，关键是HVP中的动词。如果语料已经标注词性，解决了