文字书写系统的计算语言学理论导读.PDFVIP

文字书写系统的计算语言学理论 导读 香港理工大学计算学系 陆勤 1. 学科背景介绍 当我们提到某个语言的【文字】一词时，普遍的理解不仅包 括该文字所用的符号，还包括它的书写规律。在这里有必要解释 一下文字和书写系统的不同。文字（script）在本书中特指某个 语言的书写符号集，而书写系统（writing system）所指的不仅 是作书写用的符号，还包括符号所用的构件（graphemes），构件 的组成方法和相互之间的关系。举例来说，中文汉字是不同于英 文的文字，其书写系统也有很大区别，一个是表意构件的两维排 列，另一个则由字母拼写而成。日文作为一种书写系统，借用了 其它语言的文字，但日文有其提独特的书写规则，因此其书写系 统也是有别于它的书写系统。一般来说，如果文字符号所在选用 的图形有随意性，该符号称为字母（alphabet letter），而字母 没有拆解性，也没有构件的概念。但是，由字母拼写出来的文字 不是随意的，某些固定拼法的词位（lexeme）带有语言学信息， 才称为构件。在文字学中的书写法则（orthography）研究的是 字或词的构件的书写规律1。本文研究的书写系统是关于词形所 1 Orthography 在英汉字典里常翻成【正字法】，因为对中文来说，用【字】较为恰 当。而对大部分的拼写文字来说， orthography 研究的构件以【词】和【词形】作为 1 能反应的语言信息。还要说明的是，本文所指的书写系统基本对 象只是文字、文字的构件、以及从字或字母到词的构成。研究的 对象并不包括语言学里的语法（syntax）和语义（semantics）。 构件的最大集合只是到词，顶多会关联到复合词。 在文字学的范畴内，以往的研究较少使用计算语言学的各种 方法和工具。本文的作者史伯乐（Richard Sproat）从事文语 （text-to-speech， 文字到语音）转换的工作，是文语转换研 究的拓荒人之一，参与了最成功的 ATT 贝尔实验室的文语转换 系统的开发。在处理单一语言的文语转换基础之上，为使该系统 能够尽可能用最系统的方法扩展到其它文字的语音转换，就必须 要寻找各种语言文字的共性与差异，并尽可能的用形式化的方法 进行描述。只有这样，用计算机进行自动处理的程度才会提高。 本书中所阐述的理论就是在文语转换这个技术要求的大前 提下产生的，其目的是要提出一种跨越不同文字而对书写系统进 行形式化的描述方法(formal method)，或者说是要建立一个可 操作的计算模型（computational model），用以表达从文字到语 音转换所需要的特征和规律。为证明该方法能够用于不同文字， 书中例举了超过十种以上的书写系统并在不同程度上描述了它 们的共性与特点。 以中文作为母语的读者，并不需要对所提及 的所有文字都有了解，有对英文的了解，就可以明白本书中所阐 述的理论。实际上本书可以增进从事计算语言学研究和开发工作 的读者对不同语言的文字的了解。也有助从事文字学和语言学工 对象，没有字的概念。为避免矛盾，在导读中在提到 orthography 时，回避直指【字】、 【词】，而将 orthography 一词翻成【书写系统法则】。在用到【词形】和【构词】时， 并不排除表意文字中【字形】与【构字】的书写规律 。 2 作的读者了解如何利用计算语言学的工具对所研究的对象进行 形式化的描述。 内容提要 中文常用【阅读】一词来描述读书的过程，说明【阅】与【读】 之间的紧密关系。我们要读出一篇中文文章时，在识别文字符号 的基础上还需断词得当、语法语义理解正确，才能知道每个字词 在文中的具体发音，这样才可能做到停顿有节，并合理的使用抑 扬顿挫，使听众对文字所表达的意思能一【听】了然。从计算语 言学或计算机技术的角度来看，我们可以把这个转换