词汇-语法理论在汉语研究中的应用.pps.pps

词汇-语法理论在自然语言处理中的应用,靳光瑾 教育部语用所 guangjin_2000 www.china-,自然语言处理学术研讨会 复旦 上海 2004-07-11-13,词汇-语法理论 （Lexique-Grammaire，Lexicon-Grammar ） 法国计算语言学家 Maurice Gross（1934-2001）基于 美国语言学家Zellig Harris（1909-1992）的语言学理论而创建的。,1934年生于法国东北的色当市 （Sedan）。 1955年进入法国理工大学 (Ecole Polytechnique)。 1961年首次访问美国，对乔姆斯基的研究产生兴趣。 1964年接受哈里斯的邀请重返美国，在哈里斯的指导下取得美国宾夕法尼亚大学的博士学位。 从此奠定了他一生从事形式语言学研究的基础。他已敏锐地意识到语言的精密描写是语言形式化的前提。 1967年与法国数学家 A. Lentin合写了 形式语法概念(Notions sur les grammaires formelles, Gauthier -Villars) 一书，受到学界的高度重视。乔姆斯基写了序言 。,Maurice Gross 与“词汇-语法” （Lexique-Grammaire，Lexicon-Grammar ）,乔姆斯基在1965年发表的句法理论面面观 (Aspects of the Theory of Syntax) 一书中已觉察到探寻语言运作规则时无法回避词项制约的问题。 他在书中写道：“词汇结构的大部分其实只是音位和句法规则系统所引致的分类。Postal曾经提出，对于每一条规则R都应该对词项进行分析，应该把词项分类为应该、能够和不能够使用于规则R () 我提出这种种情况，目的仅仅在于指出，当我们认真地思考词项结构时，存在着多种有助于解决问题而尚未探讨过的方法。 () 就目前来说，我们还在对数据进行分类。至于哪些制约是属于语言内在的东西，哪些可以通过深入的分析加以消除还是悬而未决”。,1968年创建了法国科学院 (CNRS)直属的计算语言学研究所 (LADL : Laboratoire dAutomatique Documentaire et Linguistique) 该研究所是词汇-语法研究的核心基地，拥有30多名研究人员并培养大批博士生扩充梯队建设。在法国许多大学都建立了词汇-语法研究中心，如巴黎第八大学 (R. Vives)、第十三大学 (G.Gross)，外省的里尔大学 (A. Dister)，弗朗什-孔泰大学（M. Silberztein）,格勒诺布尔第三大学（M. Piot）等。海外学者把词汇-语法带到了国际语言学的舞台上去。 开展了一项对全部法语词项的句法个性进行系统的、穷尽的描写的雄伟工程。 1975年出版了开山之作句法学入门(Methodes en syntaxe, Hermann)，这本原创性巨著详尽论述了词汇-语法的理论基础、研究框架及实践原则。,1976年出版法语核心句 不及物结构（La structure des phrases simples en francais constructions intransitives, Droz） 1992年出版法语核心句 带处所词的及物结构（La structure des phrases simples en francais constructions transitives locatives, Droz） 数十年期间，完成了大量的基础研究。一共描写了6000个法语形态动词，31000个句法动词，制作了81个矩阵图。 25000个固定搭配，分成20个表； 3400个以句子为补语的简单动词，分成18个表； 10300个带名词性补语的简单动词，分成43个表。 这仅仅是就动词来说的。名词、形容词、副词等等也有相当可观的积累。,在拥有大规模的实证描写基础上，开始了两项具有深远意义的计算语言学工程： 一、构建法语电子词典。 简单词电子词典（DELAS）已登录90000词项，复合词电子词典（DELAC）已登录100000词项。 二、开发有限状态图，以表述复杂的微观系统；这种基于有限状态图的表述方式产生了容量可观的图库，当中每一幅图，显示着特定的句法或语义领域中种种词项的组合集。图库有助于把整个系统（电子词典和局部语法）的形式处理划一化，并且给出种种歧义现象的清晰图像。 INTEX系统以及后续的UNITEX系统应运而生。,系统提供了法语句法最全面、最完备、最系统的数据。 欧美越来越多的研究机构开始加以运用。大大提升了法语信息处理的能力。 建立 RELEX的网络，目的在于加强国际间研究机构的合作（第一阶段涉及法语、德语、意大利语和葡萄牙语），鼓励构建基于同一方法论的各种语言的数据库。 一个形式化的模式，当中所有属性都系统地标注上； 一个科学化的方法，当中形式标准为第一性； 一个有着语言学知识支撑的标注集，每种语言所配置的标记不少于1000.,词汇-语法用组配系统的形式工具特殊的代数形式对语言现象加以描写 句法规则高度依赖于词汇单位，某条描写规则一经提出，例外的情况就会立即被发现。导致了描写工作大部分被放弃。 “规则由词汇制约” ，每一条规则都有一定的适用范围，就是说，它适用于语言中的某一部分词汇。因此，对某条规则的描写必须包括对它的适用范围的描写，即必须提供能适用于此规则的词表。,词汇-语法是系统地描写特定语言的共时机制，并不涉及任何历时的考察。,词汇-语法的描写基于句本位简单句 句法描写的目的是给出所有的简单句； 那些被认为比简单句要大的句子应该描述成为简单句的函数，整个复杂句不作为句法研究的原始目标。 简单句定义：它是由一个独立子句构成的没有附着的关系子句。它至少由一个主语和一个谓语。这个主语或是谓语可能是复合的（包含多于一个由并列连词连接的成分），而且修饰语和短语也可以加进来。 主语-谓语/复合主语-谓语/主语-复合谓语,词汇-语法的研究有一个明确的的框架，句子是描写的对象，只限于描写核心句，即只具有一个主要动词的句子，其结构形式为主-述-连带成分。 形式表示：# N0 V W # 连带成分指以述语为中心的、置于其前及其后的成分。连带成分分为基本补足语和附加补足语，只研究基本补足语，但不存在单一的及普遍的标准可以用来区分两者。,句法特征： 所有结构等同于句子形态，而且在大多数情况下，体现为核心句，即包含一个主要动词及基本补足语的句子；无论变换与否，句子形态用NP及特定动词标示。 特定X若能进入结构S，即被视为具有特征S,当动词类化到句法格式时，动词表即固定于特定的格式。按此方法处理，词汇-语法以表格形式出现，其中横向的行是词汇单位，纵向的列是句法特征。在行与列的交汇处，加号或减号标示出相应的词汇单位能否进入到相应的结构中去。 如图：,词汇-语法表表示属于同一个类的不同词条的区别。要对一个词条进行句法分析，我们需要一个表示它的所有组合方式的图。为避免人工为每一个词条构造图，Unitex可以从表为每一个条目生成一个图，并生成一个描述表的所有组合方式的参数化图。可以用这些图进行句法分析。 词汇-语法用Unitex图操作的递归转移网络的形式表示语法。,2000年以后的词汇-语法在欧洲大陆已成为强势的语言学流派。 口号：团队精神信息处理语言描写 宗旨：运用大规模的、由电子词典及电子语法提供的语言学数据发展自然语言处理技术。 研究重点：以词汇-语法第三梯队 (S. Paumier, M. Constant，C.Fairon) 发展RELEX网络。 RELEX网络是国际计算语言学研究所联盟，读者可通过其网页了解对法语、英语、希腊语、葡萄牙语、俄语、泰语、韩语、意大利语、西班牙语、挪威语、阿拉伯语、德语、波兰语的数据处理的状况。,我们的研究是建立在词汇-语法理论 能够应用于或适用于汉语事实的假设之上 。 工作： 选高频动词1000，逐个调查句法特征； 例证选自国家语委5000万标注语料库； 完成现代汉语动词参数化状态图。 例：动词 擦,