数学在语言学中的应用.docVIP

数学在语言学中的应用 语言学,顾名思义,是研究语言的科学,它的基本任务是要弄清楚语言的结构规律和演变规律;而数学是关于空间形式和数量关系的科学.这两门学科似乎并没有什么联系.但是随着现代数学和语言学的发展,一些数学家和语言学家逐步提出用数学来研究语言的想法,而且这种语言和数学结合的研究慢慢变成现实.语言学的发展,要求运用数学的方法客观地,精确地分析语言;在系统整理,测定计算和总结概括语言材料时,运用数学的方法,并结合其他研究手段,能使语言学家更加深入探索语言的结构和话语构成的秘密;在机器翻译,语言信息处理,人工智能,情报自动检索系统和人机对话管理系统里,自然语言的一切信息必须转换成计算机的数学语言.这就要求语言学的数学化,而正是在语言学的数学化的过程中诞生了数理语言学. 一般而言,数理语言学可分为四个分支学科:统计语言学,代数语言学,计算语言学,模糊语言学.但事实上,代数语言学,计算语言学,模糊语言学都是侧重于信息处理,着眼于自然语言向机器的数学语言的转化,只是所用的数学方法不同.随着现代信息科学技术的发展,这三者的研究逐渐趋于统一.因此笔者认为,可以把数理语言学分为统计语言学和信息处理语言学. 统计语言学主要运用概率论,数理统计和信息论方法来统计,处理语言资料,如对语言成分出现的概率和频率进行统计以选定基本词汇.美国的语言学家齐普夫(G.K.Zipf)把词的效率分布和消耗最小(最经济)这一基本原则联系起来,提出了齐普夫规律:,它表示词表上词的效率及其排列序号之间的数量关系,其中表示词表中的序号,表示序号为的词的效率,是常数,根据测定,值约为.由这个规律我们可知,如果词表包含数十万个词,那么,其中头1000个常用的词占该语言的文章中全部出现词的80%,因为: 这说明,只要掌握一种语言中的1000个最常用词,就有可能读懂该语言文章的80%,这个事实对于语言教学及自然语言信息处理都是十分重要的. 语言学家有时需要统计某个作家的词汇总量,如果我们简单地直接计算,那将会是一项很庞大的工作.于是有语言学家运用数学知识,得出了由某部作品来推定词汇总量的公式:,为该作品中不同的词数,为个词中只用一次的词数,为由决定的指数.由这个公式我们可以算出雨果的词汇总量为60000.不同作者,不同年代有不同的用词,用句特点.对其进行统计处理,可探求作家文体特点,也可推定作者不详的文献作者和年代不详的文献的写作年代.此外,统计语言学下的语言年代学,可通过语言的词汇统计,来测定语言存在的年代或推测分化的年代. 信息处理语言学主要运用离散数学,数理逻辑,模糊数学对语言进行研究,把自然语言转化为数学语言,在数学语言与自然语言之间架起一道桥梁.信息处理语言学的发展是与数学的发展联系最紧密的.20世纪50年代机器翻译的发展,电子计算机的信息处理,要求人们对于传统语言学概念进行严格的逻辑分析,提出精确的语言模型.自然语言经过语言模型的抽象数学描述之后,就比较适于计算机处理了.其中主要应用的就是离散数学的集合论,数理逻辑和算法理论.但这种研究只是从句法机构的角度研究语言,很难解决自然语言的歧义问题.从70年代起,为了解决自然语言的构造问题,数理语言学必须寻找新的途径以深入到语言的内部,即语义学领域.人们开始运用数理逻辑,计算机科学,以计算机为手段来研究自然语言.把深层结构作为形式语言的符号系统来处理,一般采用图论中的数形图作为分析表达的工具,探讨形式语言与表层结构的关系,以便有效解决自然语言中的歧义现象. 随着模糊数学的发展,数理语言学的发展又进入了一个新的时期.语言的不确定性和模糊性,是模糊数学进入语言学领域的客观基础.在这一基础上,利用模糊数学来探索语言的模糊性和精确性的辩证关系.模糊数学的创始人扎德提出隶属度(又译为一致性)的概念,作为模糊语义的度量方法,用1表示属于这个集合,而0表示不属于这个集合,0与1之间的小数表示接近该集合的不同程度,并可由此推出模糊集合的隶属函数关系.根 据模糊语义和模糊逻辑的数学方法,对于某些语言变量给出适当的隶属度的函数,就可以利用计算机对于复杂的信息系统进行处理,使计算机接受一部分自然语言的模糊表述,从而大大提高人们编制程序的效率. 随着当代信息科学技术的飞速发展,特别是计算机及互联网技术的发展,对数字化的语言文字的要求不断提高,这就给数理语言学的发展提出了新的要求,但这也正是其发展的动力,现代语言学也必将由此而产生一场新的革命,数理语言学必将有一个光辉的前景.而其中数学的发展将起着至关重要的作用,数学的发展必将带动语言学的发展.(作者系北京大学外语系二年级学生 王悦) 小瞰美术中的数学个性 无论是绘画,雕塑,还是音乐,舞蹈,每件艺术晶都有其独立于其他作品的个性.这些令人难以捉摸的个性犹如闪烁的繁星散满了艺术的天空.如果,我们可以