面向應用的長名詞短語研究

漢語自動句法分析的難點問題

自動句法分析是中文信息處理領域諸多應用技術(shù)的基礎，如機器翻譯、人機對話系統(tǒng)等。但句法分析技術(shù)在處理大規(guī)模真實語料時遇到了較大的困難。按照PARSE-VAL評測體系，目前英語

句法分析的F值可達90%以上，漢語則徘徊在80%左右（李帥克等，22)。這一體系基于短行評價，若按照句子的完整結(jié)構(gòu)和關行評價，則又要低很多。可以說，在今天詞法分析已經(jīng)能夠基本達到應用要求的情況下，句法分析技術(shù)已經(jīng)成為制約中文信息處理技術(shù)發(fā)展的瓶頸。

世紀90年代中后期，國內(nèi)英語淺層句法分析的思想，展開了組塊識別與分析研究。由于底層句法歧義在很大程度上影響了句法分析的效果，淺層句法分析主張從識別句子中某些簡單的組塊開始，在充分化解底層歧義的基礎上，逐步完成句法分析的任務。它把一個句子的完整分析過程劃分為三個部分，即組塊識別、組塊間依存關系的識別以及組塊內(nèi)部的結(jié)構(gòu)分析，并著力于組塊的識別和內(nèi)部結(jié)構(gòu)分析。淺層句法分析的思想是句法分析技術(shù)步，適合用于分析缺乏形態(tài)變化、底層歧義較多的漢語句子，成為漢語句法分析技術(shù)的重要發(fā)展趨勢。

國際上，淺層句法分析任務經(jīng)歷了單一短語的識別、覆蓋較廣的組塊識別、結(jié)構(gòu)復雜的小句識別等發(fā)展階段，而國內(nèi)研究多集中在基本塊，是簡單名詞短語的識別分析取得了較多的成果；較為復雜的語塊能塊、復雜名詞短語識別也受到了一定的關注，但分析效果還一步提升的空間。

在淺層句法分析的研究過程中，名詞短語引起了研究者的關注。一方面，名詞短語編碼了實體和概念，這些實體和概念是理解文本的基礎；另一方面，名詞短語承擔著句子中的論元角色，也是語義關系分析的基礎。

自然語言處理研究者對名詞短行了新的分類，提出兩種具有較高處理價值的名詞短語，一種是基本名詞短語，一種是長名詞短語。相比較而言，長名詞短語的內(nèi)部結(jié)構(gòu)復雜多樣，既有較為簡單的名詞短語，含類似英語定語從句的范疇，識別和分析的難度更大。

顯然，結(jié)構(gòu)復雜的長名詞短語識別需要語言學知識的支持。然而，在本體語言學研究中，語法研究的是動詞，名詞重在語義研究。因此，漢語動詞短語的句法研究取得了豐碩的成果，名詞短語的相關研究卻相對較少，主要集中在靜態(tài)結(jié)構(gòu)的描寫以及定語語序等理論研究方面，而動態(tài)結(jié)構(gòu)構(gòu)造規(guī)律和分布狀況還沒有得到充分描寫。譬如，“的”是漢語中出現(xiàn)頻率高的詞，也是語法研究的熱點問題。幾乎所有的詞類和句法結(jié)構(gòu)都能入含“的”名詞短語，這些結(jié)構(gòu)是如何嵌套的，主體模式是什么，分布比例如何，本體語言學很少從這一角度展開描寫，但是其是名詞短語識別的重要參考數(shù)據(jù)。