基于易語言的非連續(xù)雙項語法構(gòu)式計算機檢索程序的設(shè)計研究

文/張超

在基于語料庫的語法研究中，我們常常需要檢索統(tǒng)計語法項在語料中的出現(xiàn)頻率。就當(dāng)前主流的語料庫前端檢索功能來看，對于連續(xù)文本串的語法項的檢索統(tǒng)計倒是很方便，只需用語法項作為關(guān)鍵詞在語料中進行檢索即可輕松獲得該語法項在語料庫中的出現(xiàn)頻次。比如檢索現(xiàn)代漢語語氣詞“呢”的應(yīng)用情況，只需將“呢”作為關(guān)鍵詞輸入檢索即可。而對于非連續(xù)多項語法構(gòu)式而言，當(dāng)前語料庫前端程序往往無法一次性檢索出結(jié)果，而要通過兩次以上的檢索，甚至還要將檢索結(jié)果集導(dǎo)出后再輔以人工排檢才能得到所需要的結(jié)果。比如，要檢索“怎么……法”這個語法構(gòu)式的出現(xiàn)情況，按目前語料檢索的常規(guī)技術(shù)方案，可以先檢索含有“怎么”的用例，然后再從結(jié)果集中檢索含有“法”的用例。這樣二次檢索后，得到的仍然不是最終想要的結(jié)果，因為“法”位于“怎么”之前的用例并不符合要求，但也會出現(xiàn)在二次檢索結(jié)果集之中，比如“法人代表怎么能這樣說話”這樣的例句就無法在二次檢索結(jié)果集中自動排除，只能依靠人工來排檢。這就比較耗時耗力。因此，探究一種專門針對“怎么……法”之類非連續(xù)多項語法構(gòu)式的檢索程序方案，對語法研究將有積極的意義。本文擬專門探討非連續(xù)雙項語法構(gòu)式的檢索程序設(shè)計方案，程序設(shè)計工具為易語言V5.9版。

1 關(guān)于非連續(xù)雙項語法構(gòu)式

Adele E.Goldberg（2003）將構(gòu)式定義為“當(dāng)且僅當(dāng)C是一個形式-意義匹配對應(yīng)體＜Fi,Si＞，且該匹配對應(yīng)體的形式或意義的某些方面不能通過C的組成成分或者其他先前已知結(jié)構(gòu)形式而完全預(yù)測出來，那么C就是構(gòu)式”。德國學(xué)者馬丁·休伯特（Martin Hilpert）（2016：16）進一步指出，“如果一個表達形式的意義不能從其各組成部分的意義之中推斷出來，那就毫無疑問地得出結(jié)論，即人們必須得把這個表達形式本身當(dāng)作一個形式-意義匹配對應(yīng)體來學(xué)習(xí)，換言之，它就是一個構(gòu)式”。根據(jù)構(gòu)式的定義，現(xiàn)代漢語中像“雖然......但是......”、“如果.....就.....”等關(guān)聯(lián)詞結(jié)構(gòu)，像“怎么/如何.....法”等都屬于構(gòu)式。我們把含有兩個項目且兩個項目之間有其他文本存在的構(gòu)式稱為非連續(xù)雙項語法構(gòu)式。比如“怎么......法”，實際應(yīng)用中往往是“怎么V法”的模式，即兩個項之間要插入動詞，所以“怎么......法”就是一個非連續(xù)雙項語法構(gòu)式。

2 非連續(xù)雙項語法構(gòu)式檢索需求分析

基于語料庫的語法研究中，常常需要統(tǒng)計一些語法項的出現(xiàn)頻次。對于單詞項的語法項，按傳統(tǒng)的關(guān)鍵詞檢索方式即可解決，但對于非連續(xù)雙項語法構(gòu)式，用傳統(tǒng)的關(guān)鍵詞檢索技術(shù)無法滿足需求，即便采取結(jié)果集中二次關(guān)鍵詞檢索的手段，也難以檢索出完全符合要求的結(jié)果。這是因為，傳統(tǒng)的關(guān)鍵詞檢索技術(shù)并不是為非連續(xù)雙項語法構(gòu)式的檢索需求而生的。

在語法研究中，非連續(xù)雙項語法構(gòu)式的檢索需求可概括為以下幾點：

A.構(gòu)式中的兩個詞項必須在同一個句子中同現(xiàn)，并且出現(xiàn)順序不能顛倒；

B.兩個詞項之間存在一定的距離，即兩個詞項之間應(yīng)當(dāng)有其他詞語，存在一定量的間隔文字；

C.在檢索時應(yīng)當(dāng)允許自主設(shè)定詞項之間的間隔文字?jǐn)?shù)量，以便進行更細(xì)致深入的考察分析。

D.檢索結(jié)果集要能夠?qū)С鰹門XT文檔或EXCEL文檔，以便進一步分析處理。

比如檢索詢問行為方式的 “怎么……法……”這個非連續(xù)雙項語法構(gòu)式，符合要求的句子應(yīng)當(dāng)是如下這類（用例來自國家語委現(xiàn)代漢語語料庫）：

（1）有1、2、3這三個數(shù)字，還有一個小數(shù)點，至于怎么排法，全忘了。

（2）國王問："怎么個好法？"

（3）黃莉婭把紙高帽往頭上一扣，笑嘻嘻地，“怎么個游法？”

而像如下三類用例則不能被列入檢索結(jié)果集之中。

1.詞項順序與檢索構(gòu)式不一致用例，如：

（4）這就是說法不是一般的行為規(guī)則，它與習(xí)慣或道德不同，法是一種特殊的行為規(guī)則，是統(tǒng)治階級基于經(jīng)濟上的生產(chǎn)、交換、分配關(guān)系和政治上統(tǒng)治與被統(tǒng)治關(guān)系，把自己的意志客觀化、條文化，以便使社會上的人們不僅知道應(yīng)該怎么做，而且也知道必須怎么做。

（5）他威脅劉法說："當(dāng)年你在京城時，曾親手從皇帝那里接過命令，你并且說一定能取勝，怎么現(xiàn)在不想出兵了呢？

2.只包含第一個詞項的用例，如：

（5）我們的人民怎么能夠沉默？

（6）試回想一下看，他們是怎么鉆空子的。

3、兩個詞項緊鄰的用例，如：

（7）怎么法國那時也是八國聯(lián)軍之一？

（8）怎么法不容情？

由以上需求可知，傳統(tǒng)的關(guān)鍵詞匹配檢索技術(shù)的確不能滿足需求，得根據(jù)非連續(xù)雙項語法構(gòu)式的特點，設(shè)計專門的檢索程序來實現(xiàn)。

3 非連續(xù)雙項語法構(gòu)式檢索的程序?qū)崿F(xiàn)

“易語言是中國人自主開發(fā)，適合國情，不同層次不同專業(yè)的人員易學(xué)易用的漢語編程語言?！痹谝渍Z言中，本程序的實現(xiàn)要用到 “尋找文本（）、倒找文本（）、GBK_取文本長度（）、取文本右邊（）、取文本左邊（）”等命令。

考慮到用戶應(yīng)用上的方便，檢索輸入界面設(shè)計力求簡潔，并允許用戶設(shè)置關(guān)鍵詞左側(cè)和右側(cè)要顯示的字?jǐn)?shù)；如果是雙關(guān)鍵詞，還要允許用戶自定義兩關(guān)鍵詞之間間隔的字?jǐn)?shù)。界面如圖1所示。

檢索非連續(xù)雙項語法構(gòu)式用例時，在關(guān)鍵詞文本框中輸入兩個詞項，詞項之間加一個空格即可。在檢索代碼中，通過“尋找文本（）”命令搜尋關(guān)鍵詞內(nèi)部的空格，如果找到空格，則判定為非連續(xù)雙項語法構(gòu)式關(guān)鍵詞，也可稱為雙關(guān)鍵詞。建立局部變量“第一關(guān)鍵詞”和“第二關(guān)鍵詞”分別記錄空格前后的關(guān)鍵詞項，并通過“GBK_取文本長度（）”確定好關(guān)鍵詞的長度，為后續(xù)提取語句作準(zhǔn)備。代碼如下：

第一關(guān)鍵詞=取文本左邊 (搜索關(guān)鍵詞,尋找文本 (搜索關(guān)鍵詞,“ ”,,假) -1)

第二關(guān)鍵詞=取文本右邊 (搜索關(guān)鍵詞,取文本長度 (搜索關(guān)鍵詞) -倒找文本 (搜索關(guān)鍵詞,“ ”,,假))

第一關(guān)鍵詞長度=GBK_取文本長度 (第一關(guān)鍵詞)

第二關(guān)鍵詞長度=GBK_取文本長度 (第二關(guān)鍵詞)

關(guān)鍵詞之間間隔字符數(shù)=到整數(shù) (編輯框_字?jǐn)?shù).內(nèi)容)

然后將語料文件內(nèi)容讀到到超級文本框，再計算被搜尋文本的總長度。

為方便檢索和測算文字長度等，可以在軟件界面放一個超級文本框，設(shè)置可視屬性值為假。

超級編輯框3.內(nèi)容=刪全部空 (到文本 (讀入文件 (要搜索的路徑數(shù)組 [n])))

被搜尋文本總長度=超級編輯框3.取文本長度 ()

接下來用超級文本框的“尋找（）”命令搜尋第一關(guān)鍵詞，用變量記錄所找到的關(guān)鍵詞出現(xiàn)位置。

當(dāng)前找到的關(guān)鍵詞起始位置=超級編輯框3.尋找 (起始搜尋位置,,,第一關(guān)鍵詞)

接著根據(jù)用戶設(shè)定的兩關(guān)鍵詞間隔字?jǐn)?shù)搜尋第二關(guān)鍵詞。先在指定位置區(qū)域取和第二關(guān)鍵詞同等長度的文本串，判斷所取值是否與第二關(guān)鍵詞相同，創(chuàng)建一個邏輯變量“是否取得第二關(guān)鍵詞”存儲判斷結(jié)果。

第二關(guān)鍵詞起始位置=當(dāng)前找到的關(guān)鍵詞起始位置+第一關(guān)鍵詞長度+關(guān)鍵詞之間間隔字符數(shù)

超級編輯框3.起始選擇位置=第二關(guān)鍵詞起始位置-1

超級編輯框3.被選擇字符數(shù)=第二關(guān)鍵詞長度

第一關(guān)鍵詞后的取值-超級編輯框3.被選擇文本

.如果 (第一關(guān)鍵詞后的取值-第二關(guān)鍵詞)

是否取得第二關(guān)鍵詞 = 真

.否則

是否取得第二關(guān)鍵詞 = 假

如果變量“是否取得第二關(guān)鍵詞”的值為“真”，通過超級文本框取出含關(guān)鍵詞的語句并加入到檢索結(jié)果列表框，然后將起始搜尋位置移到所找到的第一關(guān)鍵詞之后。具體代碼如圖2所示。

變量“當(dāng)前找到的關(guān)鍵詞起始位置”值如果不為-1，且起始搜尋位置也小于被搜尋文本總長度時，程序要循環(huán)執(zhí)行以上過程，直到搜索至被搜尋文本最末位置且找不到相應(yīng)關(guān)建詞為止。

以上程序執(zhí)行完畢后，可能還會檢索出如下這樣的用例：

（1）這筆賬誰負(fù)責(zé)還？怎么還？

“我沒辦法，要命有命！”長順的淚已在眼圈中轉(zhuǎn)。

圖1

圖2

圖3

很顯然，這個例子中的“怎么”與“法”分屬于不同的句子，并不是一個非連續(xù)雙項語法構(gòu)式，卻被列入到檢索結(jié)果中。這是因為，以上程序中沒有排除“怎么”和“法”之間有換行符的情況。因此，以上程序執(zhí)行中取得含關(guān)鍵詞的語句在輸出前應(yīng)當(dāng)增加檢測是否含有換行符的情況，不含換行符的才予輸出。含關(guān)鍵詞語句輸出部分代碼優(yōu)化如圖3所示。

如此一來，就減少了不合要求的語句的干擾輸出。

4 非連續(xù)雙項語法構(gòu)式檢索的程序應(yīng)用測試

筆者選擇《紅樓夢》全本語料進行測試，全文90余萬字，設(shè)置兩關(guān)鍵詞間隔字?jǐn)?shù)為2，檢索完成并輸出結(jié)果集共耗時10秒左右，運行速率有待提升，但對語法研究來說，這個速率當(dāng)在可接受范圍。

檢索測試也發(fā)現(xiàn)了如下這樣的不合要求的語例：

將此事告訴與尤二姐，又說我怎么操心打聽，又怎么設(shè)法子，須得如此方救下眾人無罪。

此例中的“怎么”和“法”顯然不是要檢索的非連續(xù)雙項語法構(gòu)式，“法”只是構(gòu)成“法子”這個名詞的一個實語素?？梢姡绦虻暮罄m(xù)設(shè)計應(yīng)當(dāng)還要在排除這類語例上下功夫。

5 結(jié)語

針對非連續(xù)雙項語法構(gòu)式的計算機檢索程序的設(shè)計，對語法構(gòu)式研究有非常重要的應(yīng)用價值。本文基于易語言來設(shè)計的計算機程序，檢索結(jié)果集基本符合要求，運行速率也在可接受范圍，當(dāng)可以在語法構(gòu)式研究實踐中嘗試采用。