《语言文字应用1997年第3期(总第23期)》由会员分享，可在线阅读，更多相关《语言文字应用1997年第3期(总第23期)（5页珍藏版）》请在金锄头文库上搜索。
1、语言文字应用1997年第3期(总第23期)依存语法和机器翻译刘 海 涛提要 回顾了依存语法的发展过程,介绍了依存语法的基本原则和构建方法,比较了短语结构语法与依存语法的异同以及它们在机器翻译中的作用,说明了依存语法与配价语法的关系。认为依存语法在自然语言的计算机处理中有着重要的作用。一 Tesnire和依存语法理论的产生虽然语法依存和动词中心论的概念古已有之,但一般认为现代依存语法理论的创立者是法国语言学家Lucien Tesnire(特思尼耶尔,18931954)。他的主要思想反映在1959年出版的 结构句法基础 一书中,事实上,早在1934年,特思尼耶尔就发表了阐述依存语法基本观点的论文。
2、特思尼耶尔的 结构句法基础 和其他著作对于语言学的特殊价值在于,它们是建立于对人类语言进行广泛对比研究的基础之上的,这与目前某些语言学者仅仅通过一种语言的研究而得出语言普遍现象的方法迥然不同。特思尼耶尔本身掌握多种古典与现代语言,这使得他的许多发现和理论相似于今天的语言类型和语言共性研究的成果。特思尼耶尔的本意是建立一门跨越各国语言界限、 客观揭示人类语言内在规律的句法理论。特思尼耶尔所用的术语 “结构句法”与今天我们用的 “依存语法” 指的是一回事。结构句法基础 可分为三个主要部分:La connexion(联系或依存) ,La jonction(组合) ,La translation(转移
3、或词类转换)。作者说:“联系、 组合和转移是概括一切结构句法现象的三大核心。 ” 遗憾的是特思尼耶尔对什么是结构句法(依存语法)未作正面的定义,我们对于这一概念的理解只能从他对其他问题的论述得出。周国光将配价(依存)语法定义为:“一种结构语法。它主要研究以谓词为中心而构句时由深层语义结构映现为表层句法结构的状况及条件,谓词与体词之间的同现关系,并据此划分谓词的词类。 ”(见沈阳,1995)这一定义基本反映了依存语法的实质和核心内容。依存语法在机器翻译领域的应用,开始于60年代初的美国和苏联。我国学者冯志伟教授在80年代初,利用依存语法作为机器翻译中语言分析和生成的语法模型,取得了不少有意义的成
4、果,他是国内最早研究和应用依存语法的学者之一。当然这些研究与应用不一定与特思尼耶尔的著作有直接的关系,但至少其基本原理是相似的。二 依存语法的基本原则和建构方法特思尼耶尔认为结构句法的目的在于句子的研究,句子是一个 “有组织的整体”,其组织性体现于构成句子的词和词与相邻词之间的 “联系”,所有这些联系构成了句子的框架。虽然这些联系不是显见的,但这些联系是客观存在的,否则句子便是不可理解的。所谓造句就是在一堆不定形的词之间建立起成为一个整体的“各种联系”,反之,语句的理解,就是要找出联结句子中各个不同的词的各种联系。在特思尼耶尔的眼中,“联981997年第3期 1995-2005 Tsinghu
5、a Tongfang Optical Disc Co., Ltd. All rights reserved.系” 的概念是如此重要,是它赋予了句子的 “有机性” 和 “生命力”,它是句子的 “根本成分” 。特思尼耶尔的出发点使得他的句法理论具有良好的可操作性,同时他这些对于句子生成和理解过程的看法,注定了依存语法理论对于计算语言学应用会有极大的价值,因为计算语言学研究和应用的实质就是通过计算机等智能机器去仿真人类的语言处理机制和能力。机器翻译作为计算语言学中最为复杂、 涉及面最广的一个应用领域,不但涉及语言的理解,而且也要顾及语言的生成,为此依存语法和机器翻译研究之间具有密切的关系,可能是必然
6、的。结构联系建立起词与词之间的 “依存” 关系。每一项联系原则上将一个上项和一个下项联结起来,上项叫支配词,下项叫从属词。一个词可以同时是某个上项词的从属词和另一个下项词的支配词,这样句子里的所有词便构成一个真正的 “分层次的体系” 。动词是一个句子的中心,支配句中的其他成分。1970年美国计算语言学家J. Robinson在一篇题为 依存结构和转换规则 的论文中,提出了依存关系的四条公理,这为依存语法的形式化描述及在计算语言学中的应用奠定了基础,这四条公理是:11 一个句子只有一个成分是独立的;21 其他成分直接依存于某一成分;31 任何一个成分都不能依存于两个或两个以上的成分;41 如果A
7、成分直接依存于B成分,而C成分在句子中位于A和B之间,那么C或者直接依存于A ,或者直接依存于B ,或者直接依存于A和B之间的某一成分。由于Robinson是在转换语法的框架内研究依存概念的,他的这几条公理只是对于依存语法在计算语言学应用中的基本要求,对于完整的、 目标为语言自动处理的依存语法而言,仅仅这样是不够的。据笔者所知,目前在机器翻译,乃至整个计算语言学界,对于依存语法理论研究和实践最为详尽的当数荷兰BSO公司在研制多语翻译机器系统DLT时所做的有关工作。K. Schu2bert(1987)在其研究专门用于机器翻译的依存句法的著作中认为,一个面向句法形式的、 用于计算语言学应用的依存句
8、法应符合以下基本原则:11 句法只与语言符号的形式有关;21 句法研究从词素到语篇各层次的形式特征;31 词在句中通过依存关系相互关联;41 依存关系是一种有向的同现关系;51 词的句法形式通过词法、 构词法和词序体现;61 词对于其他词的句法功能通过依存关系来描述;71 词组是一种作为一个整体与其他词和词组产生聚合关系的单位,它的成分间存在着句法关系,形成语言组合体;81 一个语言组合体只有一个内部支配者,该支配者代表本语言组合体与句中其他成分发生联系;91 除句子的主支配词外,句中的每一个词只有一个支配者;101 每一个词只在依存结构中出现一次;111 依存结构是一种真正的树结构;121
9、应在依存结构中避免出现空节点。Schubert对于依存语法的定义和原则具有这样的特点:11 吸取了Robinson公理的优点;21 只将句法限于语言符号的形式方面;31 充分考虑到句法模型的可操作性和可计算性;41 将原限于句子的依存语法扩展到词素和语篇层;51 建构模型时考虑了其普适性,即对多种语言的有效性。虽然目前在理论和计算语言学中有各式各样的语法体系和理论。但就实质来说,只有两种:其一是以转换生成语法(TGG)为代表的各类模型;另一种便是依存语法(DG) ,也称从属关系语法。两种语法模型的不同之处大致有以下几点:11 在DG模型中,不存在短语节点。每一节点都与句子中的一个确定的词对应。
10、词的语法范畴、 词性等特征可作为附加信息标于同一节点之上,它是一种多标记的语言模型。21DG表示比TGG所用的节点少。另一方面,DG语法不能直接反映句子中词的线性次序。相反,在TGG中具有明显的词序信息,事实上,词序是一种表示词间关系的手段。利用一种基于DG树中结构关系的线性化规则,从DG语法树到一般句子的转换不难办到。31 在DG树中,每个节点都至少与一个其他节点之间存在着结构关系。一个父节点支配子节点,或者说是其子节点的支配者。一个子节点依从于父节点,或者说是其父节点的从属者。我们一般将这种依存关系标于树枝之上。41TGG注重的是句子的表形特征,也就是说,在TGG中句法关系是隐含的,它比较
11、适合描述词序固定的语言。与TGG相反,DG更注重于句法功能或关系。51 在依存语法树中,树是用(a ,b ,r)三元组来表示的,这里a、b为词汇单元,r是a和b之间的有向弧。这种不对称性正体现了自然语言的实际情况,它能有效地表示语言的结构,但TGG却难以表述这种成分之间的不对称性。61TGG也无法表达句子结构中的中心词及其作用,而DG突出了中心词在句法上的功用,这有助于深入的分析。09语言文字应用 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.DG语法模型可能更适用于语言结构的描述。因为语法的主要目
12、的在于描述与揭示构成语言的元素及元素之间的关系,而DG重视的正是语言系统中的关系。DG的这种优点使得它能比较容易地扩展到比词更高或更低一级的语言单位,如:词素与篇章。而利用TGG类的模型很难做到这一点。这可能就是理论语言学界目前正逐渐向DG类语法模型或思想靠近的原因之一。另外,对计算语言学应用而言,TGG的生成能力过强,分析能力却有所不足。所有这些使得TGG本身在计算语言学界很少得到应用。当然我们也不能否认TGG对现代语言学的发展所起的巨大作用,特别是在语言的形式化与精确化描述方面。虽然目前也有一些派生于TGG的文法,如管约论、 扩充短语结构语法、 词汇功能语法等,但无一例外,这些新的理论和文
13、法都改善并注重了以下方面:依存关系,中心词之类的概念;句法功能的表述;由词汇限定的句法,即在词汇描述中包含了更多的句法信息;基于复杂特征的合一算法等。而这些方面原本就是依存语法的特征。依存语法中除了依存关系外的另一个重要概念便是 “价”,“价” 主要体现了一种词汇的组合能力,它是针对词汇而言的。 “依存” 与 “价” 不同之处在于,依存是一种句法概念。依存语法对于词汇的重视使得它格外关注词汇 “价” 信息的研究,这可能就是依存语法也被称之为 “配价语法” 的原因。按照特思尼耶尔的原著,“价”只是动词所特有的,即动词所能 “支配的人物语的数目” 。现代语言学家所理解的 “价” 的含义一般更为广泛
14、,它被认为是一种 “特定次类的支配能力(Schubert ,1987)”,这样就不单动词有价,诸如名词、 形容词等词类也可用价来描述。在依存语法中,词汇成了体现语言符号系统中各相关成分的关系建构的核心,以词汇为基点的词典与依存关系的汇合是依存语法的特质,依存语法离不开一部含有 “价” 信息的词典。而这种词汇 “中心论”是现代句法和计算语言学研究的方向之一。依存语法是一种建立于 “同现” 基础之上的语法理论,建立一种自然语言的依存语法一般可分为两步:首先通过同现来确定语言所具有的词类,这基本类似于其他语法中确定词类的方法;在确定词类的过程中,我们不仅仅研究了词的问题,也发现了词类的同现关系,通过
15、将这些同现关系整理、 比较和分类,我们可以得出词类与词类之间的同现关系,然后加以命名,便得到了这种语言的依存关系。经过这两步的工作,研究者便可以编写出语言的依存语法。像任何语法描述一样,依存语法的建立同样存在 “任意性” 的问题。这里所谓的 “任意性” 指的是在语法的建立过程中,语法的编写者在符合基本原则的前提下,具有一定的主观可选择性。这也是同一种语言的同一类型语法,因编者的不同而略有差异的原因。依存语法中依存关系的数目不宜过多或过少,过少的依存关系使得语言描写的深度和精度不够,而太多的依存关系又会使语言分析和处理的过程太为繁杂,代价太高。为此考察以下几种语言的依存关系数目,对于这一问题的理
16、解可能是有益的。各种语言依存语法模型均选自Maxwell(1989)一书:德语26种,丹麦语15种,波兰语18种,孟加拉语20种,芬兰语21种,匈牙利语21种,日语20种,世界语18种,法语21种,汉语36种。这些数据说明了两个问题,一是依存语法理论确实是一种跨越各国语言界限、 客观揭示人类语言内在规律的句法理论;二是依存语法中依存关系的数目不能太多,清华大学黄昌宁教授等人的研究证明了这一点,在他们的系统中汉语依存关系的数目从原有的106种依存关系减为目前的44种。三 依存语法和语义特思尼耶尔认为句法有别于语义,他将二者用 “结构平面” 和 “语义平面” 加以区分,结构平面属于语法的研究范畴,而语义平面则属于心理学和逻辑学。 “句法是独立自主的” 这一前提使得我们有可能集中精力研究语言系统的形式方面,这也就是说 “依存语法” 的本质只是一种与句法结构有关的语言理论。为了便于研究,从理论上可以认为句法和语义二者是独立的,而事实上这两个平面是并行的,这体现了语言符号的二重性,即符号的形式与内容。句法是形式,语义是内容,研究形式的目的在
