韓國語定語從句句法特征分析及其自動識別

安帥飛，畢玉德，張 婷

(解放軍外國語學(xué)院，河南 洛陽 471003)

0　引言

當(dāng)前，語篇層面上的復(fù)句處理仍是機(jī)器翻譯等應(yīng)用系統(tǒng)面臨的難點之一，如何將復(fù)句自動離析為單句成為許多人研究的重點。吳鋒文[1]回顧了漢語復(fù)句二十年前的研究，概述了邢福義團(tuán)隊的漢語復(fù)句信息工程、張仕仁[2]在復(fù)句“功能結(jié)構(gòu)樹”及胡金柱等[3]在復(fù)句關(guān)系詞提取等的研究工作。韓國語復(fù)句處理方面，劉洋等[4-5]利用連接詞尾對并列類復(fù)句進(jìn)行“解構(gòu)化”處理，提出了對韓漢復(fù)句機(jī)器翻譯的改進(jìn)建議，并有效地實現(xiàn)了接續(xù)復(fù)句的自動提取實驗。定語從句屬于嵌套類復(fù)句，本文從定語從句入手，重點分析如何從嵌套類復(fù)句自動離析出單句的問題。

1　韓國語定語從句

韓國語中，僅有一對主謂關(guān)系的句子稱為單句，有兩組或兩組以上主謂關(guān)系的句子稱為復(fù)句[7]。根據(jù)語言的遞歸性，復(fù)句又劃分為嵌套的包孕句與組合的接續(xù)句。韓國語句子分類體系如圖1所示[8]。

圖1　韓國語句子分類體系圖

其中，韓國語包孕句下屬的定語從句包孕句即為本文的研究對象*本文僅討論單句作定語從句的情況，暫不討論復(fù)句作定語(“”)和多重定語(“……”)問題。。

2　韓國語定語從句句法特征及其形式化表示

韓國語定語從句的基本構(gòu)成為：定語修飾成分、冠形詞形詞尾、被修飾的中心詞?？蓪⑵湫问交癁椋篈C→AM+ETM+Head*AC是定語從句(attributive clause)的簡寫；A是定語(attributive)的簡寫，M是modifiers修飾語的簡寫；ETM是冠形詞形詞尾在“韓國語21世紀(jì)世宗計劃”語料標(biāo)注體系的標(biāo)注形式。。

根據(jù)定語修飾成分AM與中心詞Head的關(guān)系，可將定語從句分為關(guān)系定語從句和同位定語從句[9]。

關(guān)系定語從句中，中心詞Head充當(dāng)定語修飾成分AM中的主語、賓語等句子成分。

同位定語從句中，中心詞Head不作為AM的句子成分，與AM為同指關(guān)系。

另外，分析定語修飾成分AM的內(nèi)部構(gòu)成，可將定語從句分為長定語從句和短定語從句。長定語從句中，定語修飾成分AM是整個句子。短定語從句中，定語修飾成分AM是主語、謂語、賓語、狀語等單句中的句子成分。所有的長定語從句均屬于同位定語從句[10]。

綜上，定語從句的分類如圖2所示。

圖2　定語從句分類圖

按照動詞中心論觀點[11]，根據(jù)定語修飾成分AM中謂詞的不同，本文將定語從句分為動詞類AM、形容詞類AM、系詞類AM定語從句分別進(jìn)行說明。

2.1　動詞類AM定語從句

在語料觀察實驗中，利用WordSmith軟件的Concord功能，將關(guān)鍵詞設(shè)為ETM，共現(xiàn)詞設(shè)為VV，從處理結(jié)果中選取500句定語從句進(jìn)行人工觀察分析，歸納總結(jié)動詞類AM定語從句的類型*形容詞類、系詞類AM定語從句的觀察實驗與此相同，下文不再贅述。。

(1) 關(guān)系定語從句

除動詞之外，動詞類AM中往往還含有主語、賓語、狀語等。根據(jù)語言學(xué)規(guī)律，結(jié)合在語料庫中歸納分析，關(guān)系定語從句的構(gòu)成可擴(kuò)展為以下15種類型。

① 【主】+VV(+EP)+ETM+NP

主語在語料中的標(biāo)記形式為：NP+主格助詞JKS。因此，該類定語從句的形式化表示為“【NP+JKS】+VV(+EP)+ETM+NP”。

② 【賓】+VV(+EP)+ETM+NP；

賓語在語料中的標(biāo)記形式為：NP+賓格助詞JKO。因此，該類定語從句的形式化表示為“【NP+JKO】+VV(+EP)+ETM+NP”。

③ 【狀】+VV(+EP)+ETM+NP

在定語修飾成分AM中，主語、賓語、狀語等會交叉出現(xiàn)，且韓國語語序自由，各成分位置并不固定。各成分相互交叉，組合為以下形式。

④ 【主賓】+VV(+EP)+ETM+NP*受篇幅所限，組合類從句不再舉例說明。下同。

在語料中體現(xiàn)為【NP+JKS】+【NP+JKO】+VV(+EP)+ETM+NP。

⑤ 【主狀】+VV(+EP)+ETM+NP

在語料中體現(xiàn)為【NP+JKS】+【[AVM1—AVM6]】+VV(+EP)+ETM+NP。

⑥ 【狀主】+VV(+EP)+ETM+NP

在語料中體現(xiàn)為【[AVM1—AVM6]】+【NP+JKS】+VV(+EP)+ETM+NP。

⑦ 【賓主】+VV(+EP)+ETM+NP

在語料中體現(xiàn)為【NP+JKO】+【NP+JKS】+VV(+EP)+ETM+NP。

⑧ 【賓狀】+VV(+EP)+ETM+NP

在語料中體現(xiàn)為【NP+JKO】+【[AVM1—AVM6]】+VV(+EP)+ETM+NP。

⑨ 【狀賓】+VV(+EP)+ETM+NP

在語料中體現(xiàn)為【[AVM1—AVM6]】+【NP+JKO】+VV(+EP)+ETM+NP。

⑩ 【主賓狀】+VV(+EP)+ETM+NP

在語料中體現(xiàn)為【NP+JKS】+【NP+JKO】+【[AVM1—AVM6]】+VV(+EP)+ETM+NP。

在語料中體現(xiàn)為【NP+JKS】+【[AVM1—AVM6]】+【NP+JKO】+VV(+EP)+ETM+NP。

在語料中體現(xiàn)為【NP+JKO】+【NP+JKS】+【[AVM1—AVM6]】+VV(+EP)+ETM+NP。

在語料中體現(xiàn)為【NP+JKO】+【[AVM1—AVM6]】+【NP+JKS】+VV(+EP)+ETM+NP。

在語料中體現(xiàn)為【[AVM1—AVM6]】+【NP+JKS】+【NP+JKO】+VV(+EP)+ETM+NP。

在語料中體現(xiàn)為【[AVM1—AVM6]】+【NP+JKO】+【NP+JKS】+VV(+EP)+ETM+NP。

(2) 同位定語從句

同位定語從句分為長定語從句和短定語從句。

② 短定語從句中，定語修飾成分AM中不含終結(jié)詞尾，中心詞Head與長定語從句相同，基本構(gòu)成為“VV(+EP)+ETM+NP”。短定語從句的AM、ETM構(gòu)成與關(guān)系定語相同，同樣可擴(kuò)展出15種組合類型，不再詳述。

2.2　形容詞類AM定語從句

(1) 關(guān)系定語從句

定語修飾成分AM中，除了基本的形容詞之外，往往還含有主語、狀語等。因此，關(guān)系定語從句的構(gòu)成可擴(kuò)展為以下四種類型：

① 【主】+VA(+EP)+ETM+NP

主語在語料中的標(biāo)記形式為“NP+主格助詞JKS”。因此，該類定語從句的形式化表示為“【NP+JKS】+VA(+EP)+ETM+NP”。

② 【狀】+VA(+EP)+ETM+NP

③ 【主狀】+VA(+EP)+ETM+NP

該類結(jié)構(gòu)在語料中體現(xiàn)為【NP+JKS】+【[AVM1—AVM6]】+VA(+EP)+ETM+NP。

④ 【狀主】+VA(+EP)+ETM+NP

該類結(jié)構(gòu)在語料中體現(xiàn)為【[AVM1—AVM6]】+【NP+JKS】+VA(+EP)+ETM+NP。

(2) 同位定語從句

同位定語從句分為長定語從句和短定語從句。

② 短定語從句中，定語修飾成分AM中不含終結(jié)詞尾，中心詞Head與長定語從句相同，基本構(gòu)成為“VA(+EP)+ETM+NP”。短定語從句的AM、ETM構(gòu)成與關(guān)系定語相同，同樣可擴(kuò)展出四種組合類型，不再詳述。

2.3　系詞類AM定語從句

(1) 關(guān)系定語從句

(2) 同位定語從句

同位定語從句分為長定語從句和短定語從句。

3　韓國語定語從句自動識別實驗

實驗時，按照前述定語從句句法結(jié)構(gòu)特征，歸納分析其在語料中的左右邊界規(guī)則和內(nèi)部構(gòu)成間的共現(xiàn)關(guān)系規(guī)則，構(gòu)建定語從句識別規(guī)則集。根據(jù)識別規(guī)則集，對標(biāo)注語料進(jìn)行匹配運(yùn)算，自動識別出定語從句。在此過程中，分析錯誤的識別結(jié)果，迭代完善規(guī)則集，最終自動識別出定語從句。具體流程如圖3所示。

圖3　韓國語定語從句自動識別實驗流程圖

3.1　實驗語料及預(yù)處理

本文所用語料共80萬句，來源于兩處：①韓國政府為推動韓文信息化發(fā)展，自1998年開始實施、2007年建成的“21世紀(jì)世宗計劃”標(biāo)注語料庫。該語料庫涵蓋新聞、小說、雜志等。本文從中選取了50萬句。②網(wǎng)站抓取、后期整理后，獲得政治、軍事、外交、安全、經(jīng)濟(jì)、科技等新聞?wù)Z句，利用UTagger分詞器(標(biāo)注體系與“21世紀(jì)世宗計劃”標(biāo)注語料相同)進(jìn)行分詞處理，得到30萬句標(biāo)注語料。

本文自動識別的對象是定語從句，其基本結(jié)構(gòu)為“謂詞+ETM+NP”。謂詞分為單一謂詞和復(fù)合謂詞，在所用的標(biāo)注語料中，單一動詞、形容詞被標(biāo)記為VV、VA，派生動詞、派生形容詞的標(biāo)記為“NNG -XSV、NNG -XSA”，合成動詞、合成形容詞的標(biāo)記為VV-EC-VV|VX、VA-EC-VA|VX。為方便后期處理，在實驗之初，使用正則表達(dá)式將復(fù)合動詞、復(fù)合形容詞的標(biāo)記形式統(tǒng)一替換為VV和VA。

表1　慣用型詞表

續(xù)表

3.2　韓國語定語從句的識別規(guī)則

定語從句的識別規(guī)則包含左右邊界規(guī)則和從句內(nèi)部結(jié)構(gòu)的共現(xiàn)關(guān)系規(guī)則。

3.2.1韓國語定語從句的左右邊界規(guī)則

根據(jù)第二節(jié)分析的定語從句句法結(jié)構(gòu)特征，觀察其在語料中的左右邊界特征表現(xiàn)，并借此來界定定語從句。

(1) 左邊界界定

通過觀察語料及實驗迭代分析，發(fā)現(xiàn)定語從句的左邊界存在以下情況：

① 句子以定語從句開頭，左邊緊鄰詞不存在。

② 左邊界緊鄰詞為連接詞尾EC

EC作為連接復(fù)句的標(biāo)志詞，可作為其后定語從句的左邊界。

③ 左邊界緊鄰詞為冠形詞形詞尾ETM

該類定語從句含有雙(多)重定語，本文從基本單元入手，分層級解決嵌套問題。

④ 左邊界緊鄰詞為補(bǔ)助詞JX

句中出現(xiàn)兩個主語，主句的主語出現(xiàn)在從句的主語前，充當(dāng)從句的左邊界。

⑤ 左邊界緊鄰詞為主格助詞JKS

⑥ 左邊界緊鄰詞為副詞格助詞JKB

⑦ 左邊界緊鄰詞為賓格助詞JKO

⑧ 左邊界緊鄰詞為逗號SP、括號SS、特殊符號SW等

(2) 右邊界界定

① 關(guān)系定語從句的右邊界界定

② 同位定語從句的右邊界界定

3.2.2韓國語定語從句內(nèi)部構(gòu)成的共現(xiàn)關(guān)系規(guī)則

根據(jù)3.2.1中的左右邊界規(guī)則，得到了基本的定語從句，但對于含主語、狀語、賓語等修飾成分的句子，無法判斷主語等成分歸屬于主句還是從句。本文輔以定語從句內(nèi)部構(gòu)成間的共現(xiàn)關(guān)系規(guī)則解決這一問題。

(1) 根據(jù)語言學(xué)特征，結(jié)合在語料中的觀察分析，得到確定的共現(xiàn)關(guān)系規(guī)則有四條：

② 根據(jù)左右邊界規(guī)則抽取出的成分中，如含有兩個主語(出現(xiàn)兩個JKS)，前一個JKS標(biāo)識的主語歸屬于主句，后一個JKS標(biāo)識的主語歸屬于從句；

③ 根據(jù)左右邊界規(guī)則抽取出的成分，如是同位定語從句，主語、狀語、賓語等修飾成分歸屬于從句；

(2) 對于無法確定歸屬的定語從句，計算內(nèi)部構(gòu)成成分間的共現(xiàn)頻率，根據(jù)頻率值來近似地估計各成分間的緊密關(guān)系，以判斷其歸屬。下面以判斷【NP+JKS】是否歸屬于形容詞類AM定語從句為例進(jìn)行說明。

在形容詞類AM定語從句中，首先找到主語成分【NP+JKS】，其出現(xiàn)在ETM前，將該NP賦值為a1，然后找到定語從句的中心詞，將該中心詞賦值為a2，將AM中的形容詞賦值為a3。計算并比較共現(xiàn)概率Count(a1，a3)/Count(a1)*Count(a3)與Count(a2，a3)/Count(a2)*Count(a3)。如果Count(a1，a3)/Count(a1)*Count(a3)的值大于Count(a2，a3)/Count(a2)*Count(a3)，則認(rèn)定主語成分【NP+JKS】與形容詞的結(jié)合緊密度高于被修飾的中心詞，【NP+JKS】歸屬于定語從句。反之，【NP+JKS】歸屬于主句。實驗時，為解決數(shù)據(jù)稀疏問題，本文采用了加一平滑，對每個統(tǒng)計項都進(jìn)行了加一處理[15]。

3.3　實驗結(jié)果及評測

根據(jù)定語從句的識別規(guī)則集，對80萬實驗語料進(jìn)行匹配運(yùn)算，實現(xiàn)了定語從句的自動識別。將其中部分結(jié)果翻譯展示如表2所示。

表2　定語從句自動識別實驗結(jié)果表

為驗證規(guī)則的可行性，本文借助了廣泛應(yīng)用于信息檢索和統(tǒng)計學(xué)分類領(lǐng)域的正確率(P值)、召回率(R值)，以及二者的加權(quán)平均F值，用來評價實驗結(jié)果[16]。評測時，另外從新聞、小說、雜志三類語料中分別選取了500句進(jìn)行實驗，然后將人工分析得到的結(jié)果與程序自動識別的結(jié)果相比較，結(jié)果如表3所示。

表3　實驗結(jié)果比對表

分別計算P、R、F的值結(jié)果如表4所示。

表4　實驗評測結(jié)果表

經(jīng)過比較分析，得到了實驗中錯誤識別的定語從句有以下三個類型。

(1) 特殊符號(SW)導(dǎo)致的錯誤

(3) 語料標(biāo)注錯誤

4　總結(jié)與展望

本文通過分析定語從句的句法結(jié)構(gòu)特征，對其左右邊界和內(nèi)部構(gòu)成成分的共現(xiàn)關(guān)系進(jìn)行歸納總結(jié)，構(gòu)建了定語從句識別規(guī)則集，實現(xiàn)了定語從句的自動識別。從嵌套類復(fù)句中自動離析出定語從句，為提高韓漢機(jī)器翻譯、信息檢索等應(yīng)用系統(tǒng)的效能打下了堅實的基礎(chǔ)。

本文主要討論了單句作定語從句的情況，針對復(fù)句作定語及多重定語問題，以后將做進(jìn)一步的分析研究。

[1]吳鋒文.漢語復(fù)句信息處理研究二十年[J].中文信息學(xué)報，2015，29(1)：13-18.

[2]張仕仁.漢語復(fù)句的結(jié)構(gòu)分析[J].中文信息學(xué)報，1994，8(4)：43-54.

[3]胡金柱，舒江波，姚雙云，等.面向中文信息處理的復(fù)句關(guān)系詞提取算法研究[J].計算機(jī)工程與科學(xué)，2009，37(10)：90-93.

[4]劉洋，畢玉德，李健.基于句法知識的復(fù)句解構(gòu)對韓漢復(fù)句機(jī)器翻譯改進(jìn)芻議[J].洛陽師范學(xué)院學(xué)報，2017，36(2)：49-53.

[5]劉洋，畢玉德，李健.基于語言知識的韓國語復(fù)句自動識別策略及實現(xiàn)[J].東北亞外語研究，2017，17(2)：42-49.

[6]安帥飛，畢玉德.韓國語名詞短語結(jié)構(gòu)特征分析及自動提取[J].中文信息學(xué)報，2013，27(5)：205-210.

[7](韓)李翊燮.韓國語語法[M].郭一誠，譯.北京：世界圖書出版公司，2012：331.

[9]張光軍，江波，李翊燮.韓國的語言[M].北京：北京大學(xué)出版社，2009：311-312.

[11]畢玉德.現(xiàn)代韓國語動詞語義組合關(guān)系研究[M].北京：民族出版社，2005：27-28.

[13]韋旭升，許東振.新編韓國語實用語法[M].北京：外語教學(xué)與研究出版社，2006：613-617.

[14]李姬子，李鐘禧.韓國語助詞和詞尾詞典[M].張光軍，譯.北京：外語教學(xué)與研究出版社，2010.

[15]宗成慶.統(tǒng)計自然語言處理[M].北京：清華大學(xué)出版社，2008：78-79.

[16]馮志偉，胡鳳國.數(shù)理語言學(xué)[M].北京：商務(wù)印書館，2012：367.

安帥飛(1991—)，博士研究生，主要研究領(lǐng)域為自然語言處理、模塊識別。E-mail：anshuaifei2013@sina.cn

畢玉德(1967—)，教授，博士生導(dǎo)師，主要研究領(lǐng)域為自然語言處理、韓國語句法語義學(xué)。E-mail：biyude@gmail.com

張婷(1984—)，博士研究生，主要研究領(lǐng)域為自然語言處理、領(lǐng)域本體構(gòu)建。E-mail：tinaam@sina.com