楊天心，彭煒明，宋繼華

(1. 北京師范大學(xué) 信息科學(xué)與技術(shù)學(xué)院，北京 100875；2. 北京大學(xué) 計(jì)算語(yǔ)言學(xué)教育部重點(diǎn)實(shí)驗(yàn)室 北京大學(xué)計(jì)算語(yǔ)言學(xué)研究所，北京 100871)

1 引言

構(gòu)建大規(guī)模、高質(zhì)量的深層標(biāo)注語(yǔ)料庫(kù)是自然語(yǔ)言處理的基礎(chǔ)環(huán)節(jié)，也是語(yǔ)料庫(kù)語(yǔ)言學(xué)研究的前沿課題。深層樹(shù)庫(kù)的構(gòu)建過(guò)程，是在分詞、詞性標(biāo)注基礎(chǔ)上，詳細(xì)標(biāo)注文本語(yǔ)句的句法和語(yǔ)義信息。只有積累大規(guī)模的涵蓋各個(gè)領(lǐng)域的平衡標(biāo)注語(yǔ)料才能全面覆蓋林林總總的語(yǔ)言現(xiàn)象。眾所周知，樹(shù)庫(kù)標(biāo)注中無(wú)論是詞類的判斷還是句法層次的切分都是極其繁瑣的過(guò)程，需要大量人力和物力投入才能保證這一深層標(biāo)注語(yǔ)言工程的一致性和高質(zhì)量。

經(jīng)過(guò)國(guó)內(nèi)外研究者多年的努力，已經(jīng)構(gòu)建了一些大規(guī)模的漢語(yǔ)樹(shù)庫(kù)，影響較大的有賓州漢語(yǔ)樹(shù)庫(kù)(CTB)、臺(tái)灣Sinica樹(shù)庫(kù)、清華樹(shù)庫(kù)(TCT)、哈爾濱工業(yè)大學(xué)依存樹(shù)庫(kù)、國(guó)家語(yǔ)委現(xiàn)代漢語(yǔ)樹(shù)庫(kù)、中國(guó)科學(xué)院計(jì)算技術(shù)研究所的機(jī)器翻譯句法樹(shù)庫(kù)等[1]。海量的文本數(shù)據(jù)完全由人工標(biāo)注是不現(xiàn)實(shí)的，人機(jī)結(jié)合模式既能發(fā)揮機(jī)器的效率優(yōu)勢(shì)，又能通過(guò)人工干預(yù)和校對(duì)保證樹(shù)庫(kù)的質(zhì)量，因此在樹(shù)庫(kù)構(gòu)建過(guò)程中被廣泛采用[2-5]。不論完全人工標(biāo)注還是人機(jī)結(jié)合的標(biāo)注模式，高效便捷的標(biāo)注工具都占有舉足輕重甚至決定整個(gè)樹(shù)庫(kù)工程成敗的作用。即便是句法分析自動(dòng)化程度較高的樹(shù)庫(kù)工程中，也需要通過(guò)一定的標(biāo)注工具來(lái)提供便捷的人工校對(duì)和修改功能?？梢?jiàn)，標(biāo)注工具是樹(shù)庫(kù)構(gòu)建中不可或缺的重要組成部分，對(duì)于樹(shù)庫(kù)建設(shè)的意義不言而喻。

目前主流的句法標(biāo)注工具都提供可視化的操作界面，并通過(guò)程序生成結(jié)構(gòu)化的數(shù)據(jù)儲(chǔ)存格式(圖1)。這些工具對(duì)于樹(shù)庫(kù)工程的構(gòu)建起到了很大的推動(dòng)作用，但是離人們構(gòu)建大規(guī)模樹(shù)庫(kù)的效率期望還是存在較大距離?；蛘哒f(shuō)，樹(shù)庫(kù)標(biāo)注費(fèi)時(shí)費(fèi)力的現(xiàn)狀仍然沒(méi)有因?yàn)楣ぞ叩母倪M(jìn)而發(fā)生質(zhì)的變化，因此，國(guó)內(nèi)外漢語(yǔ)樹(shù)庫(kù)也都限于百萬(wàn)字級(jí)別的規(guī)模。究其原因，雖然樹(shù)庫(kù)構(gòu)建中已經(jīng)使用了可視化的標(biāo)注工具并結(jié)合了機(jī)器的自動(dòng)分析，但是從標(biāo)注人員的具體需求出發(fā)，針對(duì)標(biāo)注操作的各個(gè)環(huán)節(jié)進(jìn)行簡(jiǎn)化、優(yōu)化的設(shè)計(jì)和研究卻遠(yuǎn)遠(yuǎn)不夠。另一個(gè)重要的制約因素是，句法標(biāo)注的困難程度與句法結(jié)構(gòu)的形式化設(shè)計(jì)有著直接關(guān)系。目前樹(shù)庫(kù)的主要句法結(jié)構(gòu)類型為短語(yǔ)結(jié)構(gòu)和依存結(jié)構(gòu)。在層次結(jié)構(gòu)的標(biāo)注過(guò)程中，不管是以NP，VP等節(jié)點(diǎn)來(lái)構(gòu)造層級(jí)樹(shù)，還是通過(guò)依存弧設(shè)置詞語(yǔ)間的句法支配關(guān)系，標(biāo)注工具所能呈現(xiàn)的形式化結(jié)構(gòu)與人對(duì)于句子結(jié)構(gòu)的直觀理解模式之間還存在著相當(dāng)大的差距，以致只有具備專業(yè)知識(shí)背景的標(biāo)注者才能進(jìn)行句法的分析和校對(duì)，并且大量的時(shí)間都耗費(fèi)在了繁瑣的節(jié)點(diǎn)操作和依存關(guān)系設(shè)置上面。

圖1 典型的短句結(jié)構(gòu)句法標(biāo)注工具TreeEditor

我們注意到，在早期漢語(yǔ)語(yǔ)法體系中，黎錦熙的句本位語(yǔ)法設(shè)計(jì)了一種圖解法，以接近于人理解的形式依次展現(xiàn)句子從主干到枝葉的層次結(jié)構(gòu)。因此，我們借鑒黎氏圖解法的思想，探索基于句本位的漢語(yǔ)句法結(jié)構(gòu)形式化系統(tǒng)設(shè)計(jì)。新的形式化句法結(jié)構(gòu)采納圖解法的可視化呈現(xiàn)形式，同時(shí)存儲(chǔ)為符合一定規(guī)范的XML結(jié)構(gòu)格式。在面向計(jì)算機(jī)信息處理的同時(shí)，注意兼容現(xiàn)代教學(xué)語(yǔ)法體系，力求做到與人的自然語(yǔ)感和理解模式一致，這是自然語(yǔ)言處理領(lǐng)域的一種嶄新思路與嘗試。

2 句式系統(tǒng)的圖解設(shè)計(jì)

黎氏圖解法將句子結(jié)構(gòu)以一種清晰而簡(jiǎn)潔的形式展示出來(lái)，句子各個(gè)成分以及成分之間的相互關(guān)系都一目了然。我們對(duì)黎氏圖解法進(jìn)一步改進(jìn)和完善，設(shè)計(jì)了一套全新的句子結(jié)構(gòu)圖解樣式和存儲(chǔ)結(jié)構(gòu)格式，并實(shí)現(xiàn)了相應(yīng)的可視化圖解操作模式和標(biāo)注功能。

2.1 圖解法操作模式

圖解系統(tǒng)將句子成分劃分為八種，每種成分與特定的圖形樣式相對(duì)應(yīng)。主語(yǔ)、謂語(yǔ)、賓語(yǔ)為三種主干成分，在圖形中位于一根長(zhǎng)橫線之上；定語(yǔ)、狀語(yǔ)、補(bǔ)語(yǔ)作為附加成分主要位于長(zhǎng)橫線的下方；呼語(yǔ)和插入語(yǔ)是不影響結(jié)構(gòu)格局的獨(dú)立成分。所有成分以及成分之間的關(guān)系可以用一張總圖表示出來(lái)，即圖解公式，如圖 2所示。圖解公式是對(duì)漢語(yǔ)句子結(jié)構(gòu)的概括和總結(jié)，通過(guò)其中的成分和結(jié)構(gòu)關(guān)系可以生成所有的漢語(yǔ)語(yǔ)句。在圖解標(biāo)注工具中，圖解總公式被實(shí)現(xiàn)為快速切分句子的核心操作區(qū)域，公式中每個(gè)成分區(qū)域都設(shè)置為相應(yīng)的功能“熱區(qū)”，點(diǎn)擊熱區(qū)即可在當(dāng)前選定的句法成分上進(jìn)行相關(guān)操作(如添加附加成分、成分復(fù)雜化等)，并在圖形內(nèi)部建立成分之間的結(jié)構(gòu)關(guān)系。

圖2 漢語(yǔ)圖解公式

標(biāo)注過(guò)程以“先主干后枝葉”的形式進(jìn)行，這樣的過(guò)程與人理解句子結(jié)構(gòu)時(shí)“自頂向下，逐步求精”的認(rèn)知心理具有一致性，因而容易為標(biāo)注者接受和掌握。標(biāo)注過(guò)程首先確定句子主干成分之間的總體結(jié)構(gòu)格局，在二維平面上將各個(gè)語(yǔ)句成分的文本塊分配到對(duì)應(yīng)的圖形控件上，如圖3所示；再對(duì)各個(gè)成分內(nèi)部的修飾關(guān)系進(jìn)行更細(xì)致的切分，以完成整句的語(yǔ)法標(biāo)注，如圖 4所示。

圖3 確定句子總體結(jié)構(gòu)格局

圖4 擴(kuò)展成分的切分

為了更加直觀地反映當(dāng)前操作的局部結(jié)構(gòu)，在圖形上通過(guò)不同顏色動(dòng)態(tài)顯示相關(guān)成分之間的支配和從屬關(guān)系。如圖 4所示，光標(biāo)進(jìn)入的區(qū)域顯示為中灰色，代表當(dāng)前句法操作的“焦點(diǎn)”，此時(shí)支配焦點(diǎn)的 “父成分”顯示為深灰色，而受焦點(diǎn)支配的“子成分”(或稱依存成分、從屬成分)則顯示為淺灰色。下面以“勤勞的工人在河邊修建雄偉的橋梁?！币痪錇槔榻B圖解標(biāo)注的具體操作過(guò)程。

如圖 5所示，首先將待分析句子置于默認(rèn)的主干線(“主||謂”格局)的謂語(yǔ)核心位置之上，然后依次進(jìn)行如下句法切分操作。

第一步切分主謂： 將光標(biāo)置于“工人”之后，并點(diǎn)擊圖2所示圖解公式中分隔主謂的雙豎線，工具自動(dòng)將焦點(diǎn)控件中光標(biāo)前后的字符串分別“填入”主語(yǔ)和謂語(yǔ)對(duì)應(yīng)文本框。

第二步切分動(dòng)賓： 光標(biāo)調(diào)到動(dòng)詞“修建”之后，點(diǎn)擊圖解公式中引出賓語(yǔ)的單豎線，工具自動(dòng)將光標(biāo)之后的字符串，即賓語(yǔ)部分“填入”新增的賓語(yǔ)成分中。此時(shí)，句子主干結(jié)構(gòu)格局已定，為“主-謂-賓”句式。

第三步切分主語(yǔ)的定語(yǔ)和中心詞： 光標(biāo)調(diào)到主語(yǔ)文本框中“勤勞的”之后，此時(shí)焦點(diǎn)區(qū)切換到了主語(yǔ)位置，再點(diǎn)擊圖解公式中的左下斜線(三類定語(yǔ)中的形容詞定語(yǔ))，工具將形容詞“勤勞”和結(jié)構(gòu)助詞“的”分別填入新增的形容詞定語(yǔ)成分中的特定位置。

第四步切分狀語(yǔ)和謂語(yǔ)核心： 光標(biāo)調(diào)回謂語(yǔ)文本框“河邊”之后(焦點(diǎn)回至謂語(yǔ)框，以下不再說(shuō)明焦點(diǎn))，點(diǎn)擊圖解公式中不出頭的右折線(“介名”狀語(yǔ))，工具將“在河邊”填入新增的介名狀語(yǔ)圖形中。

第五步切分介名結(jié)構(gòu)： 光標(biāo)移至“在”后，點(diǎn)擊切分介詞的控件(位于“虛詞”操作區(qū)，不在圖解公式中)，介詞“在”被填入介名狀語(yǔ)控件的介詞位置。

第六步切分賓語(yǔ)的定語(yǔ)和中心詞，操作類似第三步。

通過(guò)這種類似于短語(yǔ)結(jié)構(gòu)二分法的切分操作模式，標(biāo)注者只需要幾次鼠標(biāo)點(diǎn)擊，便能快速地將文本分配到對(duì)應(yīng)成分上形成圖解圖形。最后，工具按照一定的層次規(guī)范將圖解樣式轉(zhuǎn)化成XML結(jié)構(gòu)格式，具體見(jiàn)2.2節(jié)。

2.2 編解碼和XML

系統(tǒng)中整個(gè)標(biāo)注流程都在可視化圖形界面上進(jìn)行，而系統(tǒng)內(nèi)部采用XML結(jié)構(gòu)存儲(chǔ)數(shù)據(jù)。因此需要在這兩種形式化結(jié)構(gòu)之間建立一套有效的轉(zhuǎn)換機(jī)制。我們將圖解圖形轉(zhuǎn)換為XML的過(guò)程稱為編碼，而XML轉(zhuǎn)換為圖解圖形的過(guò)程稱為解碼。它們之間的轉(zhuǎn)換機(jī)制即圖解系統(tǒng)句法結(jié)構(gòu)的編、 解碼規(guī)范。規(guī)范必須保證二者轉(zhuǎn)換時(shí)信息無(wú)損，且符合漢語(yǔ)的句型句式規(guī)律，因此規(guī)范本身也是一個(gè)復(fù)雜的漢語(yǔ)句法分析系統(tǒng)，已另外撰文闡述[6]。限于篇幅，本文不作展開(kāi)，只給出上例對(duì)應(yīng)的XML存儲(chǔ)結(jié)構(gòu)。如圖6所示，各元素(Element)和屬性(Attribute)的意義說(shuō)明如下：

圖5 圖解標(biāo)注流程示例

元素標(biāo)記： ju(整句)，xj(小句)，sbj(主語(yǔ))，prd(謂語(yǔ))，obj(賓語(yǔ))，att(定語(yǔ))，adv(狀語(yǔ))，a(形容詞)，u1(結(jié)構(gòu)助詞)，n(名詞)，v(動(dòng)詞)。

屬性與取值： ju包含了ctg(句子類型)和cnt(原文)兩種屬性，ctg屬性的sim取值代表單句；xj和prd包含ptt(句式結(jié)構(gòu))屬性，取值中S表明包含主語(yǔ)，VO代表動(dòng)賓謂語(yǔ)句。

圖6 示例語(yǔ)句對(duì)應(yīng)的XML存儲(chǔ)結(jié)構(gòu)

3 句式結(jié)構(gòu)和句式系統(tǒng)

3.1 句式結(jié)構(gòu)

對(duì)比示例圖解標(biāo)注流程不難發(fā)現(xiàn)，最終生成的XML層次結(jié)構(gòu)(以下簡(jiǎn)稱“圖解結(jié)構(gòu)”)并不拘泥于圖解過(guò)程中二分切分的操作步驟。例如，操作過(guò)程中是先切出賓語(yǔ)，之后才切出了狀語(yǔ)，但圖解結(jié)構(gòu)中，adv和obj同一層次，與謂語(yǔ)核心v互為兄弟。由此可見(jiàn)，圖解結(jié)構(gòu)層次并非取決于圖解操作步驟。也就是說(shuō)，很多操作步驟即使互相交換，如先切狀語(yǔ)和先切賓語(yǔ)兩種切分順序，只要保證最后的圖形中各個(gè)成分的結(jié)構(gòu)關(guān)系一致，就不會(huì)對(duì)內(nèi)部結(jié)構(gòu)產(chǎn)生影響。而圖解結(jié)構(gòu)規(guī)范設(shè)計(jì)遵循“中心詞分析法”思想，句子成分的中心詞一定與其直接孩子成分位于同一層次。因此，在一定的句式格局中，各成分圍繞謂語(yǔ)核心形成模式化的固定層級(jí)結(jié)構(gòu)。我們稱這種固化的層次結(jié)構(gòu)為圖解法的“句式結(jié)構(gòu)”。

句式結(jié)構(gòu)與中文信息處理中短語(yǔ)結(jié)構(gòu)的重要區(qū)別是，它的層級(jí)設(shè)計(jì)只與特定句式的結(jié)構(gòu)格局有關(guān)，因此，標(biāo)注人員在進(jìn)行圖解時(shí)只要對(duì)小句(包括整句和內(nèi)部嵌套的子句、謂詞結(jié)構(gòu))的句式把握準(zhǔn)確，圖解標(biāo)注結(jié)果的結(jié)構(gòu)層次就能由程序正確地“編碼生成”。

圖解法與同樣采取“中心詞分析法”思想的依存句法分析的區(qū)別在于圖解結(jié)構(gòu)有句式的宏觀約束。依存分析雖然把存在直接支配關(guān)系的詞通過(guò)依存弧聯(lián)系起來(lái)了，但從體系結(jié)構(gòu)設(shè)計(jì)上看，謂詞的左、右依存弧的個(gè)數(shù)及依存關(guān)系類型都沒(méi)有明確的限制，可以說(shuō)，基本上還是上下文無(wú)關(guān)的。而圖解法首先明確地劃分主干和附加成分，并對(duì)主干成分的配置格局和附加擴(kuò)展規(guī)則進(jìn)行了系統(tǒng)約束，形成了圖解法獨(dú)特的句式系統(tǒng)。

3.2 句式系統(tǒng)

綜合漢語(yǔ)語(yǔ)法學(xué)界的研究成果，我們概括總結(jié)了漢語(yǔ)單句的12種基本句式結(jié)構(gòu)[7-9]，如圖 7～ 9所示，基本句式只考慮主語(yǔ)、謂語(yǔ)核心、賓語(yǔ)三種成分的組合結(jié)構(gòu)，首先分為主謂句和非主謂句兩大部分，主謂句又根據(jù)謂核個(gè)數(shù)進(jìn)一步分為單核謂語(yǔ)句和多核謂語(yǔ)句。任何復(fù)雜的語(yǔ)句結(jié)構(gòu)都可以由基本句式通過(guò)一定的擴(kuò)展變換規(guī)則(參考圖解公式)而生成。

圖7 單核謂語(yǔ)句式結(jié)構(gòu)

圖8 多核謂語(yǔ)句式結(jié)構(gòu)

圖9 非主謂句式結(jié)構(gòu)

基于句式結(jié)構(gòu)的切分過(guò)程總是處于句式系統(tǒng)的框架約束下，包含了句式所代表的高層語(yǔ)義信息，而不是簡(jiǎn)單的二元短語(yǔ)結(jié)構(gòu)堆疊。利用句式本身包含的語(yǔ)義信息，各個(gè)內(nèi)部成分之間的層次關(guān)系能夠根據(jù)圖解圖形自動(dòng)生成。在圖解操作模式下，標(biāo)注者只需要正確判斷句子所屬的句式結(jié)構(gòu)，而無(wú)需逐層地切分層次，省去了層次切分和依存關(guān)系設(shè)置等繁瑣的操作，提高了標(biāo)注的效率。在句式結(jié)構(gòu)體系中基本句式是有限的，標(biāo)注者只需要熟悉體系中的12種基本句式和教學(xué)語(yǔ)法中的常用概念，就能夠勝任深層語(yǔ)法標(biāo)注工作。

4 詞類標(biāo)注模式

對(duì)語(yǔ)料的詞性判斷和校正，也是樹(shù)庫(kù)語(yǔ)料標(biāo)注過(guò)程中的較為繁瑣的環(huán)節(jié)。利用句本位語(yǔ)法的特點(diǎn)，可以在一定程度上自動(dòng)確定詞類，只有少數(shù)情況下才需要人工干預(yù)?；诰涫浇Y(jié)構(gòu)圖解法在詞性標(biāo)注上也有顯著的效率優(yōu)勢(shì)。

4.1 指稱位與陳述位

圖解法的詞類標(biāo)注思想源于黎氏語(yǔ)法體系，即采納“依句辨品”的詞類觀[9]。根據(jù)詞所充當(dāng)?shù)木浞ǔ煞謥?lái)辨別詞類，句子成分和詞類之間存在著一定的對(duì)應(yīng)關(guān)系(但非一一對(duì)應(yīng))。圖解系統(tǒng)可以利用這種對(duì)應(yīng)關(guān)系，讓大部分的詞類標(biāo)記由程序根據(jù)圖解位置(成分)自動(dòng)生成，標(biāo)注者只需要進(jìn)行少許的二值選擇。具體實(shí)現(xiàn)中，引入“指稱位”和“陳述位”的概念，如主語(yǔ)、賓語(yǔ)對(duì)應(yīng)指稱位，謂語(yǔ)對(duì)應(yīng)陳述位。指稱位默認(rèn)對(duì)應(yīng)詞類系統(tǒng)中的體詞(主要為名詞、代詞)，陳述位默認(rèn)對(duì)應(yīng)詞類系統(tǒng)中的謂詞(動(dòng)詞、形容詞)。在圖解體系中，根據(jù)概率原則，實(shí)體位默認(rèn)為名詞，通過(guò)文本框上的標(biāo)記復(fù)選框可以切換成代詞，其它體詞結(jié)構(gòu)(如數(shù)量詞)則通過(guò)句法操作(特殊的熱區(qū)按鈕)實(shí)現(xiàn)；陳述位默認(rèn)為動(dòng)詞，通過(guò)復(fù)選框可以切換成形容詞。圖 10到圖12展示了圖解系統(tǒng)中實(shí)詞詞類標(biāo)注的相關(guān)操作。從中可以看出，實(shí)詞的詞類標(biāo)注工作量極小。而虛詞基本上都與特定的成分類型相關(guān)聯(lián)，在進(jìn)行相關(guān)句法操作時(shí)就已經(jīng)在特定圖解位置上為虛詞設(shè)置了固定的文本框。

圖10 主語(yǔ)賓語(yǔ)默認(rèn)為名詞，謂語(yǔ)默認(rèn)為動(dòng)詞

圖11 選中復(fù)選標(biāo)記，主語(yǔ)為代詞，謂語(yǔ)為形容詞

圖12 主語(yǔ)切換為數(shù)量結(jié)構(gòu)

4.2 “指稱化”

若完全執(zhí)行“依句辨品”，則出現(xiàn)在主、賓語(yǔ)位置上的單個(gè)謂詞被認(rèn)為是發(fā)生“名物化”，轉(zhuǎn)類為名詞，這將極大地放開(kāi)漢語(yǔ)兼類詞的范圍，進(jìn)而導(dǎo)致“詞無(wú)定類”。因此，在圖解標(biāo)注系統(tǒng)中我們從句法層面實(shí)現(xiàn)詞類的指稱化，將充當(dāng)主、賓語(yǔ)的謂詞頂起以標(biāo)識(shí)指稱化的過(guò)程，而不將謂詞轉(zhuǎn)類為名詞，如圖13所示。這樣，圖解樹(shù)庫(kù)便可以基本繼承現(xiàn)有分詞標(biāo)注語(yǔ)料的詞類標(biāo)記，做到既“詞有定類”，又“依句辨品”[6]。

圖13 賓語(yǔ)為“指稱化”的謂詞

4.3 詞庫(kù)與詞類的自動(dòng)分析

由于我們對(duì)“依句辨品”具體操作的相關(guān)調(diào)整，圖解體系與現(xiàn)有分詞語(yǔ)料的詞類標(biāo)記是基本兼容的，因而可以利用規(guī)范的中文信息處理分詞詞典來(lái)輔助判斷分詞單位和詞性。在系統(tǒng)中嵌入詞庫(kù)作為詞法規(guī)范，既可以解決標(biāo)注者由于語(yǔ)感差異而導(dǎo)致標(biāo)注不一致的問(wèn)題，同時(shí)也能極大地減少標(biāo)注者在詞語(yǔ)上的辨析時(shí)間。鑒于此，我們從北京大學(xué)計(jì)算語(yǔ)言學(xué)研究所《現(xiàn)代漢語(yǔ)語(yǔ)法信息詞典》中提取了包含8萬(wàn)條詞項(xiàng)的基本詞庫(kù)，以此作為詞性提示和自動(dòng)詞性判斷的底層知識(shí)資源。

5 系統(tǒng)輔助功能

基于句式結(jié)構(gòu)的圖解標(biāo)注模式從總體上保證了圖解標(biāo)注效率，而便捷的輔助功能對(duì)于樹(shù)庫(kù)構(gòu)建效率也有重要的影響。機(jī)器輔助分析是標(biāo)注系統(tǒng)智能化的核心模塊，該模塊會(huì)隨著句本位語(yǔ)法研究的深入而持續(xù)改進(jìn)。在本課題中，輔助分析從兩個(gè)方面入手，一是基于統(tǒng)計(jì)建立句式索引庫(kù)，另一方面建立基于規(guī)則的語(yǔ)義知識(shí)庫(kù)。句式索引庫(kù)由高頻的語(yǔ)句模式和語(yǔ)句特征結(jié)構(gòu)組成，系統(tǒng)將要標(biāo)注的生語(yǔ)料與該庫(kù)中的特征和模式進(jìn)行相似度比較，將匹配的部分繪制到圖解圖形中。而語(yǔ)義規(guī)則庫(kù)則通過(guò)將語(yǔ)句抽象為語(yǔ)義模式來(lái)構(gòu)建，機(jī)器輔助分析時(shí)用分詞序列進(jìn)行語(yǔ)義模式的匹配，找出所有能夠匹配的句子主干，再將非主干詞作為附加成分進(jìn)行更細(xì)致的判定，得到分析結(jié)果。

在圖解操作模式基本功能的基礎(chǔ)上，工具中還設(shè)計(jì)并實(shí)現(xiàn)了支持樹(shù)庫(kù)建設(shè)的一系列外圍功能，如多級(jí)復(fù)制粘貼、圖形成分拖拽操作、成分刪除后文本回退、圖解操作撤銷恢復(fù)、聯(lián)機(jī)與離線模式、基于數(shù)據(jù)庫(kù)或文件系統(tǒng)模式、審校機(jī)制、用戶管理機(jī)制以及用戶幫助和學(xué)習(xí)系統(tǒng)等。

圖14 基于句式結(jié)構(gòu)的標(biāo)注系統(tǒng)

6 標(biāo)注實(shí)踐與效果分析

在句式結(jié)構(gòu)體系提出和完善的同時(shí)，也并發(fā)的開(kāi)始了基于該系統(tǒng)的標(biāo)注工具的開(kāi)發(fā)與樹(shù)庫(kù)的設(shè)計(jì)。通過(guò)在標(biāo)注系統(tǒng)原型上的實(shí)際操作來(lái)檢驗(yàn)和完善語(yǔ)法理論，并在此過(guò)程中發(fā)掘更高效的標(biāo)注模式和機(jī)器輔助算法。經(jīng)歷兩個(gè)月的開(kāi)發(fā)和測(cè)試，標(biāo)注系統(tǒng)正式投入到面向?qū)ν鉂h語(yǔ)教材的語(yǔ)法圖解標(biāo)注項(xiàng)目中。

標(biāo)注者以高校兼職學(xué)生為主，標(biāo)注時(shí)間和地點(diǎn)不限，學(xué)科背景即包含語(yǔ)言相關(guān)專業(yè)，也包含非語(yǔ)言專業(yè)，審核者在測(cè)試階段已經(jīng)過(guò)相對(duì)較長(zhǎng)時(shí)間的語(yǔ)法理論學(xué)習(xí)和標(biāo)注訓(xùn)練。新加入項(xiàng)目的標(biāo)注者依靠在線用戶幫助和學(xué)習(xí)系統(tǒng)快速入門(mén)并解決疑難問(wèn)題。即使不同標(biāo)注者語(yǔ)言學(xué)理論基礎(chǔ)各不相同，但都能在一到兩天的學(xué)習(xí)和標(biāo)注過(guò)程中，達(dá)到熟練掌握的程度，正確率和標(biāo)注速度接近平均水平。在項(xiàng)目初始階段以人工標(biāo)注為主，機(jī)器輔助的條件下，到截稿時(shí)已完成3.6萬(wàn)句，52萬(wàn)字規(guī)模的語(yǔ)料標(biāo)注。人均正確標(biāo)注效率可達(dá)： 4 450字(207句)/每天(7小時(shí))標(biāo)注結(jié)果由圖解圖形編碼生成，而圖解的生成能力受到句式系統(tǒng)框架的約束，有效地限制了非法結(jié)構(gòu)的產(chǎn)生。在一定程度上保證了樹(shù)庫(kù)的一致性。

在項(xiàng)目運(yùn)作中，基于句式結(jié)構(gòu)的語(yǔ)法理論和與之對(duì)應(yīng)的標(biāo)注工具對(duì)于樹(shù)庫(kù)構(gòu)建的效率提升是顯而易見(jiàn)的。在此基礎(chǔ)上構(gòu)建大規(guī)模的深層標(biāo)注樹(shù)庫(kù)變得切實(shí)可行，需要的人力和物力資源被大幅度壓縮。下一步任務(wù)是在當(dāng)前標(biāo)注模式下，使系統(tǒng)更具交互性和智能性，即研究人機(jī)交互式的半自動(dòng)分析算法，探索自動(dòng)句法分析所需的知識(shí)庫(kù)。

[1] 王躍龍,姬東鴻.漢語(yǔ)樹(shù)庫(kù)綜述[J].當(dāng)代語(yǔ)言學(xué),2009(1):47-55.

[2] 周強(qiáng),張偉,俞士汶.漢語(yǔ)樹(shù)庫(kù)的構(gòu)建[J].中文信息學(xué)報(bào),1997，11(4):43-52.

[3] 周強(qiáng).漢語(yǔ)句法樹(shù)庫(kù)標(biāo)注體系[J].中文信息學(xué)報(bào),2004，18(4):1-8.

[4] 王慧蘭.漢語(yǔ)句類依存樹(shù)庫(kù)的構(gòu)建研究[J].北京大學(xué)學(xué)報(bào)(自然科學(xué)版),2013(1)：25-30.

[5] 趙懌怡,關(guān)潤(rùn)池.漢語(yǔ)依存樹(shù)庫(kù)的構(gòu)建[A].第三屆學(xué)生計(jì)算語(yǔ)言學(xué)研討會(huì)論文集[C],2006.

[6] 彭煒明, 宋繼華, 王寧. 基于句式結(jié)構(gòu)的漢語(yǔ)圖解析句法設(shè)計(jì)[J]. 計(jì)算機(jī)工程與應(yīng)用.2014，50(06)：11-18.

[7] Jing He, Weiming Peng, Jihua Song, et al. Anatation Schema for Contemporary Chinese Based on JinXi Li’s Grammar System. In: Proceedings of The 14th Chinese Lexical Semantics Workshop (CLSW2013), LNAI,Volume 8229, Springer,2013:668-681.

[8] 彭煒明,何靜,宋繼華.句本位語(yǔ)法圖解析句系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[C]//第四屆數(shù)字典藏與數(shù)字人文國(guó)際研討會(huì).臺(tái)灣:2012.11.30.

[9] 彭煒明,宋繼華,王寧,康明吉.漢語(yǔ)傳統(tǒng)語(yǔ)法及其在中文信息處理中的應(yīng)用展望[J].中文信息學(xué)報(bào),2012,26(4):50-60.

[10] 彭煒明,宋繼華,俞士汶.中文信息處理的詞法問(wèn)題——以句本位語(yǔ)法圖解樹(shù)庫(kù)構(gòu)建為背景[J].中文信息學(xué)報(bào)，2014，28(02)：1-7.