基于wordne的英语词典语意解读.docxVIP

基于wordne的英语词典语意解读

一、种典型的语汇知识模型

随着语言资源的快速增长，对语言学的研究和应用变得越来越激烈。这些语言资源包括:辞典、词汇数据库、语料库等等。而其中相当引人注目的就是分类辞典,例如:GUM,CYC,ONTOS,MICROKOSMOS,EDR和WordNet(Gomez,1998),这些分类字典中,各自有不同的特征,有些是专为某个特殊范畴设计,有些则是不限文体;它们的排列也有不同,可能是根据字汇关系(LexicalRelation),也可能根据概念关系(ConceptualRelation)来排列。而连结关系的选定,建置方法,也有所不同。在这些分类词典中,WordNet(Miller,1990;Fellbaum,1998)拥有最宽广的应用空间,已然形成一种标准(Farreres,RigauandRodriguez,1998)。由于WordNet是一个以心理语言学为本的语汇知识模型,所以对许多认知科学的研究来说,它是一个很重要的工具。另外,Hirst(1988)也曾指出,要发展人工智能,必须深入研究知识储存及知识表征的机制,而要有效处理自然语言问题,一个涵盖层面广的语汇语意分类数据库和推理机制是不可或缺的。因此,当WordNet推出之后,便应用在许多的研究当中,像是文件检索(Gonzaloetal.,1998;Mandala,TakenobuandHozumi,1998),机器翻译(KnightandLuk,1994),文件生成(Jing,1998),影像检索(Aslandogametal.,1997)等等。WordNet的成功,引发许多非英语系的国家,建置不同语言版本WordNet的构想,并且有不少单位已开始实际进行。像是包含西班牙、意大利、法国、德国、荷兰、捷克、爱沙尼亚等语言的多语欧洲版本WordNet(EuroWordNet),已经完成(Atseriasetal.,1997;Farreres,Rigau,andRodriguez,1998)。另外,韩语版本WordNet的建构计画也正在进行中(LeeandYun,2000)。

综观目前有关中文处理的研究,不难发现,缺乏语意及知识表达,是导致技术无法突破的主因。像WordNet这一类的系统,对语义分析占有重要地位的中文处理来说,有关键性的影响。然而中文的分类词典,长久以来一直缺乏一部可为典范的版本。目前在学术研究中最常被引用的同义词词林(梅家驹等1984),并不能算是真正的分类词典,而是一部修辞辞典。对于含语意架构的中文词典的迫切需求,引发了本文的研究动机。我们计画以英文版的WordNet作为基本骨架,透过歧义辨识的技巧,借着将各个同义词集(Synsets)连结到朗文当代英汉双语词典(LecDOCE,Proctor,1988)的基本词目。利用英文同义词集与中文翻译之间的连结,能将WordNet现成的丰富语意资源,自动带到中文词汇网络。

本文第二节介绍相关研究,第三节对连结资料进行一些观察,第四节提出连结方法。实验设计及结果在第五节,最后是结论以及未来研究方向。

二、机读汉字的名词定义

自然语言处理研究,需要有丰富的词汇知识与语意关系作为基础。这些重要的研究资源除了透过统计技巧,由语料库中获得以外(Galeetal.,1992;Yarowsky,1992,1995;Resnik,1993;DaganandItai,1994;Luk,1995;NgandLee,1996;RiloffandJones,1999),还可粹取自机读字典(Guthrieetal.,1991;Slator,1991;Lietal.,1995;ChenandChang,1998)。机读字典的词目定义中,通常包含属类词(Genus)与区分语(Differentia)两个部分。其中,属类词这项资源能协助很多自然语言处理研究。属类词可用来架构语意网(Amsler,1981;Chodorowetal.,1985;AhlswedeandEvens,1988),对歧义辨识以及统计式机器翻译(KerandChang,1997;Chang,KerandChen,1998)有很大的帮助。另外,Vandderwende也曾利用粹取自朗文字典的语意关系来辨识名词组(Vandderwende,1994)。

机读字典的词目定义与属类词之间是一种IS-A的关系。另外,在WordNet中同义词集之间的上位关系(Hypernym)所表现的也属于一种IS-A的关系。本研究透过属类词与上位词的重复用语,试图连结WordNet的同义词集与朗文英汉字典的词目定义。并且,透过这种自动连结将WordNet的同义词集加上适当的中文翻译