Tian,Qingyuan田清源-北京大学中国语言学研究中心.doc

PAGE 12 从语音看汉语信息编码的效率和可靠性 北京语言大学 田清源 tianqy@tsinghua.org.cn 摘要 从信息理论和系统理论的视角，对语言材料和语言现象进行分析，这样一个观点被提了出来：语言是人类为了实现信息交流的效率最大化在进化中获得的最优编码系统，这个系统满足效率原则、合作原则、区分原则、进化原则和可靠性原则。用数学公式对这些原则进行形式化描写，语言的信息优化模型被建立起来。对于大规模汉语语料库进行的语音统计，发现了如下规律：1，每一对送气音/不送气音的辅音对立中，发音效率较高的不送气辅音出现的次数明显多于送气辅音；2，容易被习得的元音出现的次数明显多于不宜被习得的元音。3，在每一个汉字音节中，声母、韵母和音调之间存在信息冗余。这些发现初步证实了汉语语音信息编码中的效率和可靠性的优化，也对语言的信息优化模型给予了支持。 关键词: 语言; 信息优化模型; 语音; 效率; 可靠性 Abstract By studying linguistic phenomena, from the viewpoints of information theory and system theory, it was proposed that language is an optimal encoding system to communicate in the most efficient way, and an Information Optimizing Model was built based on the following rules of language: Efficiency, Cooperation, Distinction, Evolution, and Reliability. Phonetic statistics done for Mandarin Chinese shows: 1, in every un-aspirated/aspirated(UP/AP) consonant contrast, UP has more occurrences than AP because UP is more efficient; 2, vowels with the highest level of ease of acquisition appear most frequently; 3, information redundancy exists among the Initial Consonants, the Final Vowels, and the tones inside mandarin syllables. These are evidences that Chinese language is optimized in information efficiency and reliability, and support the Information Optimizing Model of language we proposed. Keyword language, Information Optimizing Model, phonetics, efficiency, reliability 引言 语言是人类以声音为载体进行的信息交流。语言产生之初，文字尚未产生，现代录音技术更无从谈起，此时的语言资料没有保存下来的样本可供研究。语言从说话人口中说出，除听话人听到之外，马上消失，所以，语言的产生和进化，不可能用考古的方法进行考察。 然而，不考察语??是如何产生和进化的，就不可能解决这样一些基本问题：语言到底是什么？为什么人类会有语言？人类是怎样获得语言的？ 在信息技术高度发达的今天，计算机自然语言处理具有大量的应用需求。然而，自然语言处理技术的提高并没有能够和计算机的计算存储能力的提高速度相同步。越来越多的研究者开始意识到，自然语言处理技术的进一步提升很可能要依赖这样一些基本问题的研究和解决：语言是什么？人类是如何理解和产出语言的？利用这些研究结果，让计算机学习人类获得语言的过程，像人类一样去理解和产出语言，可能是自然语言处理技术提升的关键。 从信息理论和系统理论的视角初步考察语言产生和进化的问题，我们提出了语言的信息优化模型。对汉语语料库的语音统计初步证实了汉语语音信息编码效率和可靠性的优化，这也为我们提出的语言信息优化模型提供了初步证据。 本文在下一节中介绍语言信息优化模型。第3节通过汉语语音统计对汉语语音信息编码的效率优化进行证实。第4节通过汉语语音统计对汉语语音信息编码的可靠性优化进行证实。第5节进行讨论和小结。 语言的信息优化模型 2.1 研究的方法：提出