文本连贯中的常识推理研究.pdf

文本连贯中的常识推理研究④ 冯志伟 教育部语言文字应用研究所 北京 100010 zwfengde@public．bta．net．cn 摘要：文本连贯是自然语言计算机处理必须解决的问题，本文研究了基于推 理的判定算法，给出了一些有趣的实例。本文着重指出，尽管能够阐明连贯确立 问题的计算模型是非常重要的，但是这样的方法和其他类似的方法很难用于覆盖 范围广泛的应用领域。特别是，大量的公理需要对世界中所有必需的事实进行编 码，并且缺少利用这种大规模公理的集合进行约束推理的鲁棒的机制，这使得这 些方法在实践中几乎无法实施。因此，这个问题是一个“AI完全问题”(AI—com— plete)，也就是“人工智能完全问题”。“AI完全问题”来自计算机科学中的术语“NP 能够利用这些知识的问题。这样的问题当然是非常困难的，目前还解决不了。笔 者特别强调，本文中讨论的问题还是非常初步的，希望引起对于HNC有兴趣的专 家的注意。 关键词：文本连贯，AI完全问题，NP完全问题，话语结构 文本连贯是自然语言计算机处理必须解决的问题，在本文中，我们将研究基 于推理的判定算法，给出了一些有趣的实例，并指出这个问题是一个“AI完全问 题”，是一个本质上需要人类拥有的所有知识并能够利用这些知识的问题，因此， 我们的研究是非常初步的。 文本连贯现象 假如你随意收集一些结构良好并可独立理解的语段，比如，从《红楼梦》的每 一章中随意选择一个句子，然后把它们排在一起，那么，你获得的是一个可以理 ①本文得到国家社会科学基金资助，项目号03BYY019。 解的话语吗?几乎可以肯定地说，你得到的这些排在一起的东西是不可能理解的。 其原因在于，你把这些句子并列在一起时并不能体现出它们之间的连贯关系(CO— herence)。 在机器翻译中，文本连贯的研究也是非常重要的。我们来看下面的例子： was had his hefound Little lost train．Thenit．It Johnnyveryupset．He toy in washis pen． 这个例子与巴希勒(Bar—Hilled在机器翻译的早期举出的例子很接近。如果机 器翻译的程序不能判别前面句子与单词pen的连贯关系，那么，就难以确定pen的 含义应该是“游戏的围栏”，因而也就不可能得到正确的译文。 在汉英机器翻译中，也需要研究文本的连贯问题。 例如，下面两个汉语段落： 小王是医生。今天他做了手术。 小王得了阑尾炎。今天他做了手术。 在这两个段落中，前句的主语都是“小王”，后句的主语都是“他”。使用所指 判定的方法，我们可以判定：后旬中的“他”的所指就是“小王”，但是，在所指判 定之后，后句“今天他做了手术”仍然存在两种可能性，“他”(指“小王”)究竟是自 己做给别人做手术(“他”是施事者)，还是别人给他做手术(“他”是受事者)，这种 歧义的判别依赖于“他”的身份，如果“他”是医生，那么给别人做手术的可能性就 比较大，从而可判定“他”是施事者；如果“他”不是医生，那么，被别人做手术的 可能性就比较大，从而可判定“他”是受事者。而要正确地判别后句中“他”的身份， 必须分析在这些话段中前后句子之间的连贯关系。 在第一个段落中，因为该段落的第一个句子“小王是医生”为第二个句子“今天 他做了手术”提供了关于小王身份的信息，根据这样的连贯关系，可以把这个段落 翻译为： Little isa he an Wangdoctor．Todayperformedoperation． he an he an performed 这里，“Todayperformedoperation”的意思是“Today forthe operationpatient”(今天他给病人做了手术)。 在第二个段落中，因为该段落的第一个句子说明小王已经得了阑尾炎