汉语短语结构定界歧义类型分析及分布统计-北京大学中国语言学.PDF

+ 汉语短语结构定界歧义类型分析及分布统计 詹卫东* 常宝宝** 俞士汶** * 北京大学中文系 北京 100871 ** 北京大学计算语言学研究所 北京 100871 摘要 本文对汉语短语结构的定界歧义做了全面考察，从歧义格式的组成成分，歧义对外造成的影响， 模式歧义和实例歧义的对应关系三方面考察了短语结构定界歧义的不同类型，并对汉语短语结构定界歧义 的不同类型进行了初步统计。希望能将计算机处理汉语时碰到的短语结构边界歧义问题进一步清晰化，供 理论研究者和应用系统开发人员参考。 关键词 短语 短语定界歧义 自然语言处理 一 引 言 计算机处理汉语会在不同层次上遭遇多种歧义问题。本文考察汉语短语结构的边界判定 歧义，目的是使计算机处理汉语的短语结构定界问题进一步清晰化。全文分两大部分。 第一部分分析汉语短语结构定界歧义的不同类型。本文对短语结构定界歧义的考察从抽 象的句法格式入手，而不是从语言中具体的歧义实例开始。对有定界歧义的排列式，我们选 择了这样三个考察角度。 （I）考察其中组成成分有何特征； （II）考察不同的定界方式造成的对外影响； （III）考察抽象的格式歧义和具体的实例歧义的对应关系； 本文在阐述对汉语短语结构不同类型的歧义的认识时，理论基础是短语（词组）本位语 法体系[文献1,2,14]，同时参考了前人有关汉语歧义现象的研究[文献 3,4,5,6,7,8]，用到 的短语功能分类体系及短语功能标记可参阅文献[11,12,14,15]。这里必须强调的是，本文 涉及的汉语短语结构定界歧义现象，仅仅在观察视角和表述上是以词组本位语法体系为理论 背景的，而歧义问题本身，跟具体采用什么语法体系以及基于何种短语标记体系来描述是无 关的。不管基于何种语法理论，在中文信息处理的一定阶段，都必然会遭遇到本文所谈到的 这些汉语短语结构定界歧义现象。 本文第二部分在对具体歧义格式的理论分析基础上，结合开发汉英机器翻译系统的实践 经验，进一步对汉语中可能造成结构定界歧义的三成分排列式进行了统计分析，给出了汉语 短语结构定界歧义排列格式的分布。希望这部分内容能为研究人员全面把握汉语短语结构定 界歧义格式提供参考。 以下第二到第四节是第一部分内容，第五节是第二部分，最后是结语。 二 包含终结符的歧义格式与不包含终结符的歧义格式 2.1 包含终结符的歧义格式 看两个歧义格式的例子。（1）mp np u的 np；（2）vp u的 np c和 np + 本文研究工作得到国家“863”项目（编号 863-306-03-06-2 ）基金资助。作者在跟中科院计算所二室刘群 副研究员的讨论中获益良多，特此致谢。 这两个排列式的组成成分中都含有终结符，如“的”、“和”（本文终结符指汉语中的词）， 同时这两个格式的结构边界都是有歧义的，即（1）、（2）都可以有两种组合方式： 1a. [mp [np u的 np]] ； 2a. [vp 的 [np 和 np]] 1b. [[mp np u的] np]； 2b. [[vp 的 np] 和 np] 而且，这两种组合方式在汉语中都能找到实例。如： 1A. [一张 [电影院 的 海报]] ； 2A. [捐赠 的 [时间 和 地点] 1B. [[一家 电影院 的] 经理] ； 2B. [[倒塌 的 房子] 和 难民] 2.2 不包含终结符的歧义格式 看两个