短語結(jié)構(gòu)樹庫向句式結(jié)構(gòu)樹庫的自動(dòng)轉(zhuǎn)換研究

張引兵，宋繼華，彭煒明，趙亞偉，宋天寶

(1. 北京師范大學(xué) 信息科學(xué)與技術(shù)學(xué)院，北京100875；2. 淮北師范大學(xué) 數(shù)學(xué)科學(xué)學(xué)院，安徽 淮北235000)

0 引言

樹庫是標(biāo)注了句法信息的語料庫，是一種深度標(biāo)注的語言知識(shí)資源。一般來說，一個(gè)句子雖然表面上呈現(xiàn)詞語的線性排列，但其內(nèi)部的成分組織還是存在一定層次結(jié)構(gòu)的。這種層次結(jié)構(gòu)通常用“樹”這種形式工具來表示，大量句子及其對(duì)應(yīng)的樹結(jié)構(gòu)的集合就構(gòu)成了樹庫[1]。然而，標(biāo)注樹庫是一項(xiàng)費(fèi)時(shí)費(fèi)力的工作，需要完善的標(biāo)注體系和規(guī)范的標(biāo)注流程以保證標(biāo)注的質(zhì)量。另一方面，由于標(biāo)注規(guī)范的復(fù)雜性，需要標(biāo)注者擁有相關(guān)的專業(yè)背景。即使這樣，標(biāo)注者對(duì)句子不同的理解也會(huì)產(chǎn)生不同的標(biāo)注結(jié)果，這為樹庫的建設(shè)帶來了一定的困難。

基于上述弊端，目前樹庫的構(gòu)建主要有兩種方法： 一是構(gòu)建自動(dòng)句法分析器；二是對(duì)標(biāo)注好的另一種體系下的高質(zhì)量語料進(jìn)行轉(zhuǎn)換。對(duì)于第一種方法，梁欣、臧德滋等人[2]已做了相關(guān)的研究；對(duì)于第二種方法，黨政法[3]、李正華[4]、邱立坤[5-6]以及周惠巍等人[7]的研究也具有十分重要的意義。在樹庫的轉(zhuǎn)換研究中，Lin[8]較早地進(jìn)行了將短語結(jié)構(gòu)樹庫向依存結(jié)構(gòu)樹庫轉(zhuǎn)換的嘗試。Fei Xia[9]在Lin的基礎(chǔ)上對(duì)其算法進(jìn)行了進(jìn)一步的完善，完成了從Penn Treebank到依存樹庫的轉(zhuǎn)換，取得了較好的效果。另外，Hiroyasu Yamada[10]、Joakim Nivre[11]和Tylman Ule[12]等也進(jìn)行過一些樹庫轉(zhuǎn)換相關(guān)的研究?？v觀各種不同結(jié)構(gòu)的樹庫，之所以能夠從一種結(jié)構(gòu)的樹庫向另一種結(jié)構(gòu)的樹庫進(jìn)行轉(zhuǎn)換，是因?yàn)檫@些不同結(jié)構(gòu)的樹庫標(biāo)注方法雖然不同，但它們主要描述的都是句法結(jié)構(gòu)，在更深層次上具有一致性。

目前計(jì)算語言學(xué)研究者已經(jīng)為世界上許多語言構(gòu)造了一定規(guī)模的樹庫，漢語方面也有一定數(shù)量的樹庫。因此如何減少樹庫建設(shè)中的工作量就成為一個(gè)重要的研究課題。利用已有的樹庫向目標(biāo)樹庫進(jìn)行轉(zhuǎn)換，不僅可以減少重復(fù)勞動(dòng)，還能提高工作效率。針對(duì)漢語樹庫，短語結(jié)構(gòu)和依存結(jié)構(gòu)的研究工作已經(jīng)相當(dāng)成熟，而句式結(jié)構(gòu)的研究才剛剛起步，其相關(guān)研究主要在北京師范大學(xué)語言與文字資源研究中心開展。所謂句式結(jié)構(gòu)，即以句本位語法為理論指導(dǎo)的一種圖解語法結(jié)構(gòu)。北京師范大學(xué)語言與文字資源研究中心在句本位理論的研究基礎(chǔ)之上，開發(fā)了句式圖解標(biāo)注系統(tǒng)，進(jìn)行句式結(jié)構(gòu)樹庫的構(gòu)建。實(shí)現(xiàn)了經(jīng)典的語法理論與現(xiàn)代信息技術(shù)的結(jié)合，將復(fù)雜的句式結(jié)構(gòu)通過句式圖解的方式直觀展現(xiàn)，更好地揭示了蘊(yùn)含在語言內(nèi)部的層次關(guān)系，從而使學(xué)習(xí)者更容易理清句子各成分間的邏輯關(guān)系，把握整個(gè)句子的句式結(jié)構(gòu)。無論在中小學(xué)語文教學(xué)中，還是在國際漢語教學(xué)中都有著廣泛的應(yīng)用前景。本文旨在實(shí)現(xiàn)短語結(jié)構(gòu)向句式結(jié)構(gòu)的轉(zhuǎn)換，提高句式結(jié)構(gòu)樹庫的構(gòu)建效率，擴(kuò)充現(xiàn)有的句式結(jié)構(gòu)樹庫的規(guī)模。

1 短語結(jié)構(gòu)與句式結(jié)構(gòu)樹庫及對(duì)比分析

目前，世界上成規(guī)模的樹庫主要有短語結(jié)構(gòu)樹庫和依存結(jié)構(gòu)樹庫兩種類型。在中文領(lǐng)域，成規(guī)模的中文樹庫主要有賓州中文樹庫、Sinica中文樹庫、清華中文樹庫、國家語委中文樹庫、北大中文樹庫、哈工大中文依存樹庫及北師大句本位句式結(jié)構(gòu)樹庫。其中，賓州中文樹庫、清華中文樹庫、國家語委中文樹庫、北大中文樹庫均為短語結(jié)構(gòu)樹庫[5]。下文給出了本文所采用的實(shí)驗(yàn)語料——清華短語結(jié)構(gòu)樹庫(如無特殊說明，后文短語結(jié)構(gòu)樹庫均指此庫)和北師大句式結(jié)構(gòu)樹庫的基本情況介紹與比較分析。

1.1 清華短語結(jié)構(gòu)樹庫

清華短語結(jié)構(gòu)樹庫由清華大學(xué)周強(qiáng)[13]等人構(gòu)建。語料規(guī)模約五萬句子、100萬詞，涵蓋文學(xué)、學(xué)術(shù)、新聞、應(yīng)用文等多個(gè)領(lǐng)域。以“美國 T.A.愛迪生發(fā)明了白熾燈。”為例，其存儲(chǔ)形式為“[zj-XX [dj-ZW [np-DZ 美國/nS T.A.愛迪生/nP ] [vp-PO [vp-AD 發(fā)明/v 了/u ] 白熾燈/n ] ] 。/。 ]”，圖 1展示了其短語結(jié)構(gòu)樹。

圖1 清華短語結(jié)構(gòu)樹示例

從圖1中可見，除了詞性節(jié)點(diǎn)(若不計(jì)詞形節(jié)點(diǎn)，可視為葉節(jié)點(diǎn))外，非葉節(jié)點(diǎn)均按“功能標(biāo)記—結(jié)構(gòu)標(biāo)記”格式標(biāo)記短語信息，例如，其中的“dj-ZW”節(jié)點(diǎn)，“dj”是其外部功能標(biāo)記，表明這是一個(gè)單句；“ZW”是內(nèi)部結(jié)構(gòu)標(biāo)記，表明其子節(jié)點(diǎn)是主謂關(guān)系。由于可以借助“短語”節(jié)點(diǎn)的層級(jí)嵌套，它可以刻畫較為細(xì)致的層次結(jié)構(gòu)(數(shù)據(jù)存儲(chǔ)時(shí)通過括號(hào)的嵌套層級(jí)表示)。

在清華短語結(jié)構(gòu)樹庫的標(biāo)注體系中，采用了16個(gè)短語功能標(biāo)記和27個(gè)句法關(guān)系標(biāo)記，詳細(xì)信息可以參考文獻(xiàn)[13]。

1.2 北師大句式結(jié)構(gòu)樹庫

1.2.1 句本位語法理論

在所有樹庫項(xiàng)目的開發(fā)過程中，一個(gè)特別值得重視的發(fā)展趨勢是樹庫構(gòu)建與語法理論研究的緊密結(jié)合[7]。句本位語法是黎錦熙先生在《新著國語文法》中建立的語法理論體系。其主張是在以句子為研究對(duì)象的基礎(chǔ)上來研究語法，指出： “句本位的文法，退而分析，便是詞類底細(xì)目；進(jìn)而綜合，便成段落篇章之大觀。”[14]句本位語法以句子作為觀察點(diǎn)和立足點(diǎn)，以句子成分和句法格局為主要特征，著力研究各類句式的結(jié)構(gòu)規(guī)律。這種語法體系是在借鑒西方傳統(tǒng)語法理論和體系，考慮漢語這種分析性語言的特殊性的基礎(chǔ)上建立起來的，注重句法與語義的統(tǒng)一[15]。

關(guān)于句本位語法的學(xué)術(shù)思想和理論價(jià)值，黃昌寧先生曾經(jīng)指出: “黎錦熙先生在《新著國語文法》中倡導(dǎo)的句本位語法體系和中心詞分析法具有鮮活的生命力?！盵16]所謂句本位語法，主要體現(xiàn)在兩個(gè)方面： 1)詞類上“依句辨品、離句無品”； 2)句法上采用中心詞分析法，并以圖解法作為析句工具。

1.2.2 句式結(jié)構(gòu)圖解標(biāo)注平臺(tái)

北京師范大學(xué)語言與文字資源研究中心的研究

著眼于現(xiàn)代漢語語法教學(xué)的實(shí)際需求，對(duì)黎氏體系中一些術(shù)語和圖形展現(xiàn)方式進(jìn)行了調(diào)整和完善。何靜[17]、彭煒明[18-21]、楊天心[22]等在圖解法的形式化及其樹庫的構(gòu)建方面進(jìn)行了深入的系統(tǒng)研究。在堅(jiān)持黎氏語法句本位析句思想的同時(shí)，改進(jìn)了部分陳舊的術(shù)語和分析方式，力求實(shí)現(xiàn)與經(jīng)過多年發(fā)展的主流教學(xué)語法體系的兼容。按照“基本句式→擴(kuò)展句式→復(fù)雜句式”的思路設(shè)計(jì)出一套形式化的句式圖解系統(tǒng)方案，并實(shí)現(xiàn)了一個(gè)基于句本位語法的圖解標(biāo)注系統(tǒng)(見圖2)，為漢語句式結(jié)構(gòu)圖解樹庫的構(gòu)建奠定了基礎(chǔ)。

圖2 基于句本位的句式圖解標(biāo)注平臺(tái)

圖解析句法形式化設(shè)計(jì)方案，包括可視化的圖解樣式與XML格式的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)兩個(gè)方面，二者是一種編碼與解碼的關(guān)系。一個(gè)具體例句的圖解及其XML結(jié)構(gòu)分別如圖3和圖 4所示，標(biāo)記集如表1和表2所示。

圖3 句式圖解結(jié)構(gòu)示例

圖4 XML結(jié)構(gòu)存儲(chǔ)示例

序號(hào)結(jié)構(gòu)成分標(biāo)記序號(hào)詞類標(biāo)記1整句ju1名詞n2小句xj2時(shí)間詞t3主語sbj3方位詞f4謂語prd4數(shù)詞m5賓語obj5量詞q6定語att6代詞r7狀語adv7動(dòng)詞v8補(bǔ)語cmp8形容詞a9獨(dú)立語ind9副詞d10介詞位pp10介詞p11連詞位cc11連詞c12助詞位1uu12助詞u13助詞位2un13嘆詞e14助詞位3uv14擬聲詞o15方位詞位ff15標(biāo)點(diǎn)w

表2 屬性標(biāo)記集

從圖、表中可見句式結(jié)構(gòu)特色主要有如下兩點(diǎn)，更多的詳細(xì)信息可參考文獻(xiàn)[21]。

(1) 動(dòng)態(tài)詞。對(duì)詞庫中未收錄，而又不適合進(jìn)行句子成分切分的一些結(jié)構(gòu)做詞法標(biāo)注，即設(shè)置動(dòng)態(tài)詞單位。如圖3中的“修路工”“準(zhǔn)備了”。

(2) 虛詞位。對(duì)于不單獨(dú)充當(dāng)句子成分的虛詞(主要有介詞、連詞、助詞等)，在結(jié)構(gòu)中設(shè)置“虛詞位”結(jié)點(diǎn)，如圖4中“的”標(biāo)記為“的”。

1.3 對(duì)比分析

樹庫的構(gòu)建都是在特定的語法理論的框架下制定標(biāo)注規(guī)范的，不同結(jié)構(gòu)類型的樹庫之間最本質(zhì)的區(qū)別不在于采用了何種標(biāo)注體系，而在于依照何種語法體系制定的該標(biāo)注體系。從這個(gè)角度上講，短語結(jié)構(gòu)樹庫最本質(zhì)的特征在于其標(biāo)注體系的制定是站在“短語”的角度，采用了“短語中心”的語法理論，這種語法理論是通過直接描寫句子“直接成分”(如主謂、定中、述賓、附加等)的方式分析句子的結(jié)構(gòu)，進(jìn)而制定標(biāo)注體系。而句式結(jié)構(gòu)樹庫是站在“句子”的角度，采用了“句子中心”的語法理論，是通過傳統(tǒng)語法中的主語、謂語、賓語等句子成分分析句子的結(jié)構(gòu)，進(jìn)而制定標(biāo)注體系的，進(jìn)一步的論述可以參考文獻(xiàn)[23]。

2 轉(zhuǎn)換方法

句式結(jié)構(gòu)樹庫構(gòu)建過程中所采用的標(biāo)注體系為“句子成分分析法”，以“句子成分”作為節(jié)點(diǎn)；而短語結(jié)構(gòu)體系采用“直接成分分析法”，句子成分信息蘊(yùn)含在“直接成分”節(jié)點(diǎn)的“結(jié)構(gòu)標(biāo)記”中。從短語結(jié)構(gòu)到句式結(jié)構(gòu)主要依據(jù)“結(jié)構(gòu)標(biāo)記”進(jìn)行轉(zhuǎn)換，而忽略“NP、VP”等“功能標(biāo)記”?；舅悸肥?，逐層地將句子成分從節(jié)點(diǎn)“結(jié)構(gòu)標(biāo)記”信息中提取出來，用于對(duì)應(yīng)轉(zhuǎn)換規(guī)則的確定。而對(duì)于一般的葉子節(jié)點(diǎn)則直接進(jìn)行轉(zhuǎn)換，即將“詞/詞性”直接轉(zhuǎn)換為“”。對(duì)于標(biāo)點(diǎn)符號(hào)，可以看作這里的“詞”，而詞性統(tǒng)一使用“w”。

在具體轉(zhuǎn)換規(guī)則的制定過程中，將要轉(zhuǎn)換的對(duì)象分成兩類。一類是只涉及兩種體系下所采用的標(biāo)注體系不同，而不涉及體系本質(zhì)的不同。對(duì)于這一類，只需按照兩種體系的對(duì)應(yīng)關(guān)系，制定對(duì)應(yīng)的轉(zhuǎn)換規(guī)則，直接按照對(duì)應(yīng)轉(zhuǎn)換規(guī)則進(jìn)行轉(zhuǎn)換即可。另一類是由于兩種不同的標(biāo)注體系之間某些部分具有完全不同的本質(zhì)區(qū)別，因而需要進(jìn)行特殊結(jié)構(gòu)的單獨(dú)處理，進(jìn)行必要的人工干預(yù)。

2.1 轉(zhuǎn)換規(guī)則

在短語結(jié)構(gòu)的標(biāo)注體系中，大部分節(jié)點(diǎn)是二分結(jié)構(gòu)，也有少量是多分結(jié)構(gòu)，對(duì)于不同的情況應(yīng)區(qū)別對(duì)待。此處是否“二分”的判斷，僅從實(shí)義節(jié)點(diǎn)考慮，暫不計(jì)標(biāo)點(diǎn)符號(hào)、連詞、助詞等形式節(jié)點(diǎn)的影響。

2.1.1 二分結(jié)構(gòu)

短語結(jié)構(gòu)標(biāo)注體系中的二分結(jié)構(gòu)主要有缺省(XX)、主謂(ZW)、述賓(PO)、述補(bǔ)(SB)、定中(DZ)、狀中(ZZ)、連謂(LW)、介賓(JB)、方位(FW)等九種結(jié)構(gòu)形式，各節(jié)點(diǎn)的左右子樹分別以【LP】、【RP】表示。其轉(zhuǎn)換舉例如表 3所示。

表3 二分結(jié)構(gòu)的轉(zhuǎn)換規(guī)則

續(xù)表

2.1.2 多分結(jié)構(gòu)

短語結(jié)構(gòu)標(biāo)注體系中的多分結(jié)構(gòu)主要有聯(lián)合(LH)、兼語(JY)、框式(KS)等三種結(jié)構(gòu)形式。轉(zhuǎn)換舉例如表 4所示。

表4 非二分結(jié)構(gòu)的轉(zhuǎn)換規(guī)則

2.1.3 詞法結(jié)構(gòu)轉(zhuǎn)換規(guī)則

正如朱德熙先生所說： “句法研究的是句子的內(nèi)部構(gòu)造，以詞為基本單位；詞法研究的是詞的內(nèi)部構(gòu)造，以語素為基本單位?？梢娋浞ê驮~法是兩個(gè)平面的東西?！盵24]句式結(jié)構(gòu)樹庫中的動(dòng)態(tài)詞結(jié)構(gòu)來源有二： 一是漢語中的構(gòu)形，二是句法構(gòu)詞。

根據(jù)葛本儀先生的研究[25]，漢語中構(gòu)形分為附加式和重疊式兩類。附加式構(gòu)形主要是： 名詞加詞尾“們”表示多數(shù)，動(dòng)詞加詞尾“著”“了”“過”表示進(jìn)行態(tài)、完成態(tài)和經(jīng)歷態(tài)。重疊式構(gòu)形主要有： “VV”“V了V”“V一V”“V不V”等，分別對(duì)應(yīng)短語結(jié)構(gòu)中的附加結(jié)構(gòu)(AD)和重疊結(jié)構(gòu)(CD)，轉(zhuǎn)換規(guī)則如表5所示。

句式結(jié)構(gòu)中定義的句法構(gòu)詞種類很多，常見的如“數(shù)詞-量詞”構(gòu)成的數(shù)量詞結(jié)構(gòu)、“單音名詞+方位詞”構(gòu)成的處所名詞、動(dòng)結(jié)式動(dòng)詞、動(dòng)趨式動(dòng)詞，以及圖 3中的“修路工”等，并且句法構(gòu)詞與短語結(jié)構(gòu)之間的對(duì)應(yīng)關(guān)系相對(duì)復(fù)雜，轉(zhuǎn)換時(shí)具有一定的歧義性，詳見2.2節(jié)。

表5 詞法結(jié)構(gòu)轉(zhuǎn)換規(guī)則

續(xù)表

2.2 特殊結(jié)構(gòu)轉(zhuǎn)換處理

在由短語結(jié)構(gòu)向句式結(jié)構(gòu)進(jìn)行轉(zhuǎn)換的過程中，除了按照如上所述的對(duì)應(yīng)轉(zhuǎn)換規(guī)則進(jìn)行轉(zhuǎn)換之外，由于兩種體系結(jié)構(gòu)之間的差異及漢語語法及句式的復(fù)雜性、靈活性，在實(shí)際的轉(zhuǎn)換過程中，會(huì)出現(xiàn)轉(zhuǎn)換的歧義現(xiàn)象以及某些特定情形的不可預(yù)期性。

在短語結(jié)構(gòu)體系中關(guān)系標(biāo)記區(qū)分了各種復(fù)句類型，而句本位語法體系著重于對(duì)小句的分析，所以對(duì)于一般的復(fù)句結(jié)構(gòu)，簡單地轉(zhuǎn)換為若干小句即可。例如，“財(cái)政是一個(gè)歷史范疇，它隨著國家的產(chǎn)生而產(chǎn)生。”其短語結(jié)構(gòu)字符串為： “[zj-XX [fj-LS [dj-ZW 財(cái)政/n [vp-PO 是/vC [np-DZ [mp-DZ 一/m 個(gè)/qN ] [np-DZ 歷史/n 范疇/n ] ] ] ]，/，[dj-ZW 它/rN [vp-ZZ [pp-JB 隨著/p [np-DZ 國家/n 的/u 產(chǎn)生/vN ] ] [vp-XX 而/c 產(chǎn)生/v ] ] ] ] 。/。 ]”而在句式結(jié)構(gòu)語法體系中是將其分為“財(cái)政是一個(gè)歷史范疇，”“它隨著國家的產(chǎn)生而產(chǎn)生。”兩個(gè)單句來進(jìn)行處理的。故從這個(gè)角度而言，從短語結(jié)構(gòu)向句式結(jié)構(gòu)的轉(zhuǎn)換無法做到轉(zhuǎn)換的完全對(duì)應(yīng)。

2.2.1 緊縮復(fù)句

需要注意的是，短語結(jié)構(gòu)體系中的“緊縮復(fù)句”在句式結(jié)構(gòu)體系中分析為“聯(lián)合謂語”句。緊縮復(fù)句一般也為二分結(jié)構(gòu)，其轉(zhuǎn)換規(guī)則為：

[fj-JS 【LP】【RP】] → 【LP】【RP】

2.2.2 含能愿動(dòng)詞的狀中結(jié)構(gòu)

在短語結(jié)構(gòu)中，“能愿動(dòng)詞+VP”的組合歸為狀中結(jié)構(gòu)，例如，[vp-ZZ 能夠/vM 演化/v]。而句式結(jié)構(gòu)語法中能愿動(dòng)詞稱為“助動(dòng)詞”，其與VP的組合按“合成謂語”分析。因此，修正ZZ結(jié)構(gòu)的轉(zhuǎn)換規(guī)則為：

當(dāng)【LP】為： “助動(dòng)詞/vM”時(shí)，[vp-ZZ 【LP】【RP】] → 【RP】

2.2.3 連謂結(jié)構(gòu)

一般而言，短語結(jié)構(gòu)中的“連謂結(jié)構(gòu)”(LW)主要對(duì)應(yīng)句式結(jié)構(gòu)中的“連動(dòng)句”結(jié)構(gòu)。但句式結(jié)構(gòu)的“連動(dòng)句”定義更為嚴(yán)格，要求前后VP之間：

① 無關(guān)聯(lián)詞語；

② 為序列關(guān)系。

因此，表3中的[vp-LW 【LP】【RP】]的轉(zhuǎn)換規(guī)則需考慮以上兩種例外情形，例如：

① 在形式上多順應(yīng)中國戲曲及文明戲以適應(yīng)觀眾的欣賞趣味。

② 在雷達(dá)發(fā)明之前，利用脈沖無線電裝置測量電離層高度的工作已進(jìn)行多年。

按照句本位語法，①應(yīng)轉(zhuǎn)為聯(lián)合謂語句，可以通過判斷【RP】中連詞或關(guān)聯(lián)副詞的存在來識(shí)別；②應(yīng)轉(zhuǎn)為狀中結(jié)構(gòu)，其轉(zhuǎn)換規(guī)則需要判斷兩個(gè)VP之間的語義關(guān)系，而并無具體的形式標(biāo)記可資利用。這可視為轉(zhuǎn)換中需要消解的結(jié)構(gòu)歧義之一。

2.2.4 動(dòng)態(tài)詞情形

分析短語結(jié)構(gòu)樹庫和句式結(jié)構(gòu)樹庫的語料標(biāo)注情況，可以看出在詞語層面分歧較多，主要表現(xiàn)在對(duì)“動(dòng)態(tài)詞”切分粒度的不同。句式結(jié)構(gòu)樹庫中“動(dòng)態(tài)詞”是指一般詞庫中沒有收錄，而在句法分析時(shí)又不適宜做進(jìn)一步句子成分切分的造句單位。動(dòng)態(tài)詞范圍非常廣泛，除專有名詞、慣用語外還包括大量的臨時(shí)性句法構(gòu)詞，如全校、桌椅、張老師、家里、看清、舉起、每天、五六年等[26]。

句式結(jié)構(gòu)樹庫中定義的句法構(gòu)詞種類很多，常見的如“數(shù)詞+量詞”構(gòu)成的數(shù)量詞結(jié)構(gòu)、“單音名詞+方位詞”構(gòu)成的處所名詞、動(dòng)結(jié)式動(dòng)詞、動(dòng)趨式動(dòng)詞等。為此，文獻(xiàn)[19]專門構(gòu)建了動(dòng)態(tài)詞結(jié)構(gòu)模式知識(shí)庫，以輔助句式結(jié)構(gòu)析句時(shí)的動(dòng)態(tài)詞識(shí)別。部分常用的動(dòng)態(tài)詞結(jié)構(gòu)模式如圖 5所示。

圖5 動(dòng)態(tài)詞結(jié)構(gòu)模式知識(shí)庫示例

動(dòng)態(tài)詞在短語結(jié)構(gòu)樹庫中又分為兩種情形:

① 是直接作為單詞標(biāo)記為葉子節(jié)點(diǎn)；

② 是按短語結(jié)構(gòu)分析。

在句式結(jié)構(gòu)中，動(dòng)態(tài)詞則直接進(jìn)行詞法分析(見圖 3和圖 4)。在轉(zhuǎn)換過程中，①的情形因?yàn)闆]有對(duì)應(yīng)的內(nèi)部結(jié)構(gòu)信息，故直接轉(zhuǎn)換，留待后續(xù)人工分析；②則需要根據(jù)短語結(jié)構(gòu)類型及其內(nèi)部成分的音節(jié)數(shù)、語素是否自由及語義整合程度等約束條件進(jìn)行綜合判斷。具體可參考文獻(xiàn)[27]中所構(gòu)建的動(dòng)態(tài)詞結(jié)構(gòu)模式知識(shí)庫的應(yīng)用。

3 工程實(shí)現(xiàn)

從短語結(jié)構(gòu)樹庫向句式結(jié)構(gòu)樹庫的轉(zhuǎn)換包括兩個(gè)方面： 一是在兩種不同的語法結(jié)構(gòu)體系下詞性標(biāo)記集的轉(zhuǎn)換；二是兩種不同句法結(jié)構(gòu)體系下對(duì)應(yīng)結(jié)構(gòu)層次的轉(zhuǎn)換。

3.1 轉(zhuǎn)換算法

3.1.1 數(shù)據(jù)預(yù)處理

句式結(jié)構(gòu)體系中詞性標(biāo)記粒度比短語結(jié)構(gòu)更粗，只設(shè)置了15個(gè)大詞類，轉(zhuǎn)換時(shí)一般取短語結(jié)構(gòu)體系中詞性標(biāo)記的第一個(gè)字母即可。如短語結(jié)構(gòu)中的詞性vN、rN、qC、nS、dN、aD等，在句式結(jié)構(gòu)體系下對(duì)應(yīng)的詞性分別為v、r、q、n、d、a等。特殊情況做相應(yīng)映射即可。短語結(jié)構(gòu)樹庫中的標(biāo)點(diǎn)符號(hào)是用其自身標(biāo)記的，句式結(jié)構(gòu)樹庫中標(biāo)點(diǎn)符號(hào)統(tǒng)一轉(zhuǎn)為“w”。采用這種轉(zhuǎn)換映射處理方式，使得詞性信息粒度變粗了，但并不會(huì)丟失詞性的大類信息，而句本位語法體系對(duì)詞類的劃分不要求太細(xì)，故可以滿足后繼應(yīng)用的需要。

3.1.2 算法

結(jié)合清華短語結(jié)構(gòu)樹庫存儲(chǔ)結(jié)構(gòu)信息，算法1給出了短語結(jié)構(gòu)向句式結(jié)構(gòu)的轉(zhuǎn)換方法的算法描述。

算法1: 短語結(jié)構(gòu)向句式結(jié)構(gòu)的轉(zhuǎn)換方法輸入: 短語結(jié)構(gòu)字符串輸出: 句式結(jié)構(gòu)的XML數(shù)據(jù)

算法流程：

(1) 針對(duì)輸入的短語結(jié)構(gòu)形式的字符串，進(jìn)行數(shù)據(jù)的預(yù)處理操作。將短語結(jié)構(gòu)字符串中的詞性標(biāo)記符號(hào)和標(biāo)點(diǎn)標(biāo)記符號(hào)轉(zhuǎn)換為句式結(jié)構(gòu)對(duì)應(yīng)的詞性標(biāo)記符號(hào)和標(biāo)點(diǎn)標(biāo)記符號(hào)。

(2) 小句獲取。如果是復(fù)句，則先將其切分成小句；如果是單句，則可以直接對(duì)所輸入的數(shù)據(jù)進(jìn)行解析，構(gòu)造短語結(jié)構(gòu)樹。

(3) 從短語結(jié)構(gòu)樹的根節(jié)點(diǎn)出發(fā)，逐層掃描短語結(jié)構(gòu)樹。針對(duì)掃描到的當(dāng)前節(jié)點(diǎn)，判斷其是否為葉子節(jié)點(diǎn)(不計(jì)詞語節(jié)點(diǎn)，視詞性節(jié)點(diǎn)為葉子節(jié)點(diǎn))。

① 如果當(dāng)前節(jié)點(diǎn)不是葉子節(jié)點(diǎn)，首先判斷其是否滿足句法處理的要求，若滿足，則將節(jié)點(diǎn)的結(jié)構(gòu)標(biāo)記與句法結(jié)構(gòu)轉(zhuǎn)換規(guī)則中的結(jié)構(gòu)標(biāo)記進(jìn)行匹配并進(jìn)行對(duì)應(yīng)轉(zhuǎn)換；若不滿足，則結(jié)合動(dòng)態(tài)詞模式庫按照詞法轉(zhuǎn)換規(guī)則進(jìn)行對(duì)應(yīng)轉(zhuǎn)換。

② 如果當(dāng)前節(jié)點(diǎn)是葉子節(jié)點(diǎn)，則繼續(xù)判別其父節(jié)點(diǎn)的功能標(biāo)記是否為VP。若其父節(jié)點(diǎn)的功能標(biāo)記為VP，則直接將該葉節(jié)點(diǎn)轉(zhuǎn)換為謂語成分，其轉(zhuǎn)換得到的句式結(jié)構(gòu)的形式為： “”。若其父節(jié)點(diǎn)的功能標(biāo)記不是VP，則直接根據(jù)詞性轉(zhuǎn)換規(guī)則轉(zhuǎn)換為： “”。

(4) 生成句式結(jié)構(gòu)的XML文件。

算法1對(duì)應(yīng)的流程如圖6所示。

圖6 轉(zhuǎn)換算法流程圖

以“美國 T.A.愛迪生發(fā)明了白熾燈。”一句為例，其短語結(jié)構(gòu)字符串為 “[zj-XX [dj-ZW [np-DZ 美國/nS T.A.愛迪生/nP ] [vp-PO [vp-AD 發(fā)明/v 了/u ] 白熾燈/n ] ] 。/。 ]”。由于該句是單句，所以無需再切分。接著由預(yù)處理過的短語結(jié)構(gòu)字符串構(gòu)造類似于圖 1的短語結(jié)構(gòu)樹，結(jié)果如圖7所示。經(jīng)過算法1各步執(zhí)行之后，最后生成句式結(jié)構(gòu)的XML文件，如圖 8所示。

3.2 可視化展示平臺(tái)

為了更加形象地對(duì)語料轉(zhuǎn)換前后的結(jié)構(gòu)進(jìn)行對(duì)比，搭建了一套可擴(kuò)展的可視化平臺(tái)，用于不同句法結(jié)構(gòu)語料的可視化查看。圖 9為兩種結(jié)構(gòu)下的可視化展示界面。在圖 9所示的系統(tǒng)中，不僅能夠可視化查看不同的句法結(jié)構(gòu)，而且可以對(duì)轉(zhuǎn)換后的語料是否正確進(jìn)行校對(duì)，后期將陸續(xù)完善相關(guān)功能，將短語結(jié)構(gòu)向句式結(jié)構(gòu)、依存結(jié)構(gòu)向句式結(jié)構(gòu)的轉(zhuǎn)換集成其中。

4 實(shí)驗(yàn)與分析

在測試過程中，經(jīng)過對(duì)轉(zhuǎn)換結(jié)果的初步分析，我們發(fā)現(xiàn)句子的長度對(duì)轉(zhuǎn)換正確率有著較大的影響。在對(duì)文獻(xiàn)[28]中關(guān)于“清華漢語樹庫”語料句子長度分析的基礎(chǔ)上，綜合考慮了語料庫中全部句子的平均句長、簡單句的平均句長及復(fù)雜句的平均句長等因素，我們選取了句子長度為20個(gè)漢字和句子長度為30個(gè)漢字作為斷點(diǎn)，對(duì)不同區(qū)間的轉(zhuǎn)換正確率進(jìn)行了統(tǒng)計(jì)。對(duì)清華短語結(jié)構(gòu)樹庫中的1 000條文本進(jìn)行了轉(zhuǎn)換正確率的測試，通過對(duì)轉(zhuǎn)換結(jié)果的校對(duì)統(tǒng)計(jì)，發(fā)現(xiàn)其中轉(zhuǎn)換正確的句子有929句，總體正確率為92.9%。表 6給出了不同區(qū)間的句子長度對(duì)應(yīng)的轉(zhuǎn)換統(tǒng)計(jì)情況。

圖7 數(shù)據(jù)預(yù)處理后生成的短語結(jié)構(gòu)樹

圖8 轉(zhuǎn)換后的XML數(shù)據(jù)

圖9 多視圖可視化界面

表6 轉(zhuǎn)換正確率

由表6可以看出，當(dāng)句子長度在30個(gè)漢字以下時(shí)，轉(zhuǎn)換的正確率都在90%以上。而當(dāng)句子長度在30個(gè)漢字以上時(shí)，轉(zhuǎn)換的正確率則明顯地降低。在1 000句被測試的句子中，30個(gè)漢字以下的句子有829句，所以整體的轉(zhuǎn)換正確率還是比較理想的。實(shí)驗(yàn)結(jié)果表明： ①所設(shè)計(jì)的從短語結(jié)構(gòu)向句式結(jié)構(gòu)轉(zhuǎn)換的算法是切實(shí)可行的； ②轉(zhuǎn)換結(jié)果的總體正確率為92.9%，對(duì)于不是太長的句子而言，轉(zhuǎn)換結(jié)果的正確率都在90%以上； ③最終轉(zhuǎn)換結(jié)果的正確率與句子的長度密切相關(guān)。如果有些句子比較復(fù)雜，大多句子的長度達(dá)到了30字以上，其正確率會(huì)有明顯的下降。

通過對(duì)轉(zhuǎn)換不準(zhǔn)確的語料進(jìn)行分析，可以看出轉(zhuǎn)換不準(zhǔn)確的原因主要有兩個(gè)方面，一是原始標(biāo)注語料不一致。例如，在短語結(jié)構(gòu)語料中“專家學(xué)者”有的標(biāo)注為“[ np-DZ 專家/n 學(xué)者/n ]”，有的標(biāo)注為“[np-LH 專家/n 學(xué)者/n ]”，“小白菜”有的標(biāo)注為“小白菜/n”，有的標(biāo)注為“[ np-DZ 小/a 白菜/n ]” 等。二是動(dòng)態(tài)詞模式庫中所收集的結(jié)構(gòu)模式有限。由于動(dòng)態(tài)詞的結(jié)構(gòu)模式繁多，動(dòng)態(tài)詞知識(shí)庫中動(dòng)態(tài)詞的結(jié)構(gòu)模式不可能窮盡收集所有的結(jié)構(gòu)模式。因此，在由短語結(jié)構(gòu)向句式結(jié)構(gòu)進(jìn)行轉(zhuǎn)換的過程中，該部分內(nèi)容僅僅靠程序自動(dòng)地進(jìn)行轉(zhuǎn)換則無法達(dá)到完全的一致，這更多地依賴于動(dòng)態(tài)詞知識(shí)庫應(yīng)用過程中的不斷完善。

5 結(jié)語

本文從短語結(jié)構(gòu)和句式結(jié)構(gòu)的區(qū)別與聯(lián)系入手，設(shè)計(jì)了一種將短語結(jié)構(gòu)自動(dòng)轉(zhuǎn)換為句式結(jié)構(gòu)的算法，實(shí)現(xiàn)了從短語結(jié)構(gòu)向句式結(jié)構(gòu)的自動(dòng)轉(zhuǎn)換。為句式樹庫的構(gòu)建提供了一種由已有的短語結(jié)構(gòu)樹庫通過自動(dòng)轉(zhuǎn)換的方式快速構(gòu)建樹庫的方法。并以清華短語結(jié)構(gòu)樹庫(TCT)為測試語料，實(shí)現(xiàn)了將大規(guī)模短語結(jié)構(gòu)語料向句式結(jié)構(gòu)語料的轉(zhuǎn)換。

另外，本文在設(shè)計(jì)了從短語結(jié)構(gòu)向句式結(jié)構(gòu)自動(dòng)轉(zhuǎn)換算法的基礎(chǔ)之上，還搭建了一套可擴(kuò)展的可視化系統(tǒng)，用于不同句法結(jié)構(gòu)語料的可視化查看。通過句法結(jié)構(gòu)體系分析的可視化系統(tǒng)，我們可以方便地比較從短語結(jié)構(gòu)向句式結(jié)構(gòu)轉(zhuǎn)換的正確情況，研究兩種體系下的語料規(guī)律。下一步的工作主要是從轉(zhuǎn)換不準(zhǔn)確的語料入手，特別是對(duì)于較長的句子，找出影響轉(zhuǎn)換正確性的因素，進(jìn)一步提高轉(zhuǎn)換算法的精度，同時(shí)向系統(tǒng)中添加依存結(jié)構(gòu)向句式結(jié)構(gòu)的轉(zhuǎn)換模塊，實(shí)現(xiàn)一套多視圖的漢語樹庫自動(dòng)轉(zhuǎn)換系統(tǒng)。

[1] 王躍龍,姬東鴻. 漢語樹庫綜述[J]. 當(dāng)代語言學(xué),2009，(01): 47-55，94.

[2] 梁欣,臧德滋.自然語言句法分析器自動(dòng)構(gòu)造系統(tǒng)[C]. 全國計(jì)算機(jī)語言系聯(lián)合學(xué)術(shù)會(huì)議，1993.

[3] 黨政法,周強(qiáng). 短語樹到依存樹的自動(dòng)轉(zhuǎn)換研究[J]. 中文信息學(xué)報(bào),2005,19(03): 21-27.

[4] 李正華,車萬翔,劉挺，等.短語結(jié)構(gòu)樹庫向依存結(jié)構(gòu)樹庫轉(zhuǎn)化研究[J].中文信息學(xué)報(bào), 2008, 22(6): 14-19.

[5] 邱立坤. 多視圖漢語樹庫構(gòu)建的理論研究與實(shí)踐[R]. 北京： 北京大學(xué)博士后研究工作報(bào)告,2012.

[6] 邱立坤,金澎,王厚峰. 基于依存語法構(gòu)建多視圖漢語樹庫[J]. 中文信息學(xué)報(bào), 2015,29: 9-15.

[7] 周惠巍,黃德根. 短語結(jié)構(gòu)到依存結(jié)構(gòu)樹庫轉(zhuǎn)換研究[J]. 大連理工大學(xué)學(xué)報(bào),2010(04): 609-613.

[8] Lin D. A dependency-based method for evaluating broad-coverage parsers[C]//Proceedings of IJCAI. Montreal, Quebec, Canada, 1995: 97-114.

[9] Fei Xia, Martha Palmer. Converting dependency structures to phrase structures[C]//Proceedings of the Human Language Technology Conference(HLT). San Diego, CA, 2001: 1-5.

[10] Hiroyasu Yamada, Yuji Matsumoto. Statistical dependency analysis with support vector machines[C]//Proceedings of 8th International Workshop on Parsing Technologies, 2003: 195-206.

[11] Joakim Nivre, Mario Scholz. Deterministic dependency parsing of English text [C]//Proceedings of COLING,2004.

[12] Tylman Ule, Sandra Kǜbler: From phrase structure to dependencies, and Back[C]//Proceedings of the International Conference on Linguistic Evidence, Tǜbingen, Germany, January , 2004.

[13] 周強(qiáng). 漢語句法樹庫標(biāo)注體系[J]. 中文信息學(xué)報(bào),2004,18(04): 1-8.

[14] 黎錦熙. 新著國語文法[M]. 北京: 商務(wù)印書館, 1992.

[15] 廖序東. 論句本位語法[J]. 北京師范大學(xué)學(xué)報(bào),1990,(02): 7-14.

[16] 黃昌寧,李玉梅.從樹庫的實(shí)踐看句本位和中心詞分析法的生命力[J].北京師范大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2010,(5)： 53-58.

[17] Jing He, Weiming Peng, Jihua Song, et al. Annotation schema for contemporary Chinese based on JinXi Li’s grammar system[C]//Proceedings of the 14th Chinese Lexical Semantics Workshop(CLSW2013), LNAI,Volume 8229, Springer,2013: 668-681.

[18] 彭煒明,宋繼華,王寧. 基于句式結(jié)構(gòu)的漢語圖解析句法設(shè)計(jì)[J]. 計(jì)算機(jī)工程與應(yīng)用,2014,06: 11-18.

[19] 彭煒明,宋繼華,俞士汶. 中文信息處理的詞法問題——以句本位語法圖解樹庫構(gòu)建為背景[J]. 中文信息學(xué)報(bào),2014,28(02)： 1-7.

[20] 彭煒明. 析句圖解法及其信息化[J]. 暨南學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版), 2014, 36(7): 106-112.

[21] 彭煒明. 句本位語法樹庫構(gòu)建及其在對(duì)外漢語教學(xué)中的應(yīng)用[R]. 北京: 北京大學(xué)博士后研究工作報(bào)告,2014.

[22] 楊天心,彭煒明,宋繼華. 基于句式結(jié)構(gòu)的高效語法圖解標(biāo)注系統(tǒng)[J]. 中文信息學(xué)報(bào), 2014,28(04): 43-49,67.

[23] 何靜,彭煒明,宋繼華. 漢語句式結(jié)構(gòu)的數(shù)字化——句本位語法與“圖解法”改造[J]. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2016,(04): 413-419.

[24] 朱德熙. 語法講義[M].北京： 商務(wù)印書館,1999.

[25] 葛本儀. 漢語詞匯研究[M]. 北京: 外語教學(xué)與研究出版社, 2006.

[26] 郭冬冬.句本位樹庫構(gòu)建中的動(dòng)態(tài)詞及其結(jié)構(gòu)模式分析 [D].北京： 北京師范大學(xué)碩士學(xué)位論文，2016.

[27] Dongdong Guo, Shuqin Zhu, etc. Construction of the dynamic word structural mode knowledge base for the international Chinese teaching[C]//Proceedings of the 16th Chinese Lexical Semantics Workshop(CLSW2016), 2016: 251-260.

[28] 王東波,謝靖. 基于清華漢語樹庫的有標(biāo)記聯(lián)合結(jié)構(gòu)統(tǒng)計(jì)分析[J]. 現(xiàn)代圖書情報(bào)技術(shù),2010(04): 12-17.