范齊楠

在北京語(yǔ)言大學(xué)唯一的理工類(lèi)學(xué)院——信息科學(xué)學(xué)院讀書(shū)，我的處境總是有些尷尬。每當(dāng)親戚朋友問(wèn)我：“你在北語(yǔ)學(xué)什么語(yǔ)言啊？”我只能略帶調(diào)侃地回答：“C語(yǔ)言?。ㄒ环N編程語(yǔ)言）?！北究茣r(shí)，我在北語(yǔ)讀信息管理與信息系統(tǒng)專(zhuān)業(yè)。在人工智能的浪潮中，自然語(yǔ)言處理有很好的發(fā)展前景，因此我決定在北語(yǔ)繼續(xù)攻讀自然語(yǔ)言處理方向的碩士學(xué)位。

語(yǔ)言也能計(jì)算

以前我一直認(rèn)為計(jì)算機(jī)和語(yǔ)言學(xué)是兩個(gè)世界的，彼此沒(méi)有什么關(guān)系，直到接觸到自然語(yǔ)言處理領(lǐng)域，我才逐漸了解到原來(lái)語(yǔ)言也是可以計(jì)算的，這也是它之所以文理科學(xué)生兼收的原因。

如今智能教育非?；馃幔Z(yǔ)法改錯(cuò)便是其中的一個(gè)重要功能，具有很大的應(yīng)用價(jià)值。比如留學(xué)生在中文寫(xiě)作時(shí)，經(jīng)常會(huì)犯一些語(yǔ)法錯(cuò)誤，市面上一些基于規(guī)則的成熟的語(yǔ)法改錯(cuò)工具可以幫助他們修改作文。老師也可以在相關(guān)軟件的輔助下批改學(xué)生作文，以減輕工作負(fù)擔(dān)。還有我們常用的辦公軟件Word中的字頻統(tǒng)計(jì)、拼寫(xiě)檢查等功能，都是語(yǔ)言計(jì)算的應(yīng)用。

不久前，理科出身的我參加了一個(gè)語(yǔ)法改錯(cuò)評(píng)測(cè)任務(wù)。我和小組成員一起把目前最新的神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到語(yǔ)法改錯(cuò)任務(wù)中，結(jié)果發(fā)現(xiàn)只能達(dá)到60%左右的準(zhǔn)確率，有時(shí)候連基礎(chǔ)的單復(fù)數(shù)、時(shí)態(tài)錯(cuò)誤都改不對(duì)。但無(wú)論我們?nèi)绾胃倪M(jìn)算法，最終也只能把準(zhǔn)確率提升到80%～90%，剩下的10%必須有語(yǔ)言學(xué)理論的加持。比較常見(jiàn)的做法是從語(yǔ)言學(xué)理論中總結(jié)出一些規(guī)則，用計(jì)算機(jī)可以理解的方式表示出來(lái)，作為先驗(yàn)知識(shí)輸入給模型。這樣一來(lái)，才有可能在改錯(cuò)速度和質(zhì)量上都超越人類(lèi)，甚至達(dá)到100%的準(zhǔn)確率。

對(duì)于文科背景的同學(xué)來(lái)說(shuō)，他們沒(méi)有接受過(guò)系統(tǒng)的數(shù)學(xué)和計(jì)算機(jī)教育，很難轉(zhuǎn)型為我們這種研究算法的程序員，但他們更擅長(zhǎng)結(jié)合一些計(jì)算的手段，進(jìn)行語(yǔ)言學(xué)或文學(xué)方面的研究。前不久我參加了中國(guó)計(jì)算語(yǔ)言學(xué)大會(huì)，看到一個(gè)針對(duì)《西游記》中“真假美猴王”的研究，覺(jué)得非常有意思。

“真假美猴王”這個(gè)章節(jié)引發(fā)了很多不同的解讀，引起幾個(gè)文科背景的研究生的興趣，他們首先把觀點(diǎn)總結(jié)為以下三種：

（1） 認(rèn)為真的孫悟空已經(jīng)被如來(lái)佛祖打死，《西游記》后半部分取經(jīng)的是六耳獼猴;

（2） 認(rèn)為真的孫悟空還活著，死的是六耳獼猴，孫悟空是唐三藏的精神導(dǎo)師，這個(gè)事件是唐三藏的修行，消滅了唐三藏的心魔，《西游記》后半部分中，孫悟空的桀驁不馴并沒(méi)有收斂;

（3） 認(rèn)為真孫悟空還活著，“心魔”即是六耳獼猴，是孫悟空的反抗精神，“真假美猴王”事件之后孫悟空被“同化”，屈服于神權(quán)，再無(wú)反抗之意的悲劇結(jié)局。

到底真的孫悟空有沒(méi)有死？為了找出真相，他們開(kāi)始對(duì)“真假美猴王”事件前后，孫悟空與其他角色的對(duì)話進(jìn)行分析，比較孫悟空在該事件前后對(duì)其他角色情感值的變化。我們都知道，在臺(tái)詞的前綴中通常會(huì)出現(xiàn)“大笑道”“罵道”“后悔道”等含有濃烈感情色彩的詞。另外，臺(tái)詞中孫悟空對(duì)其他人物的稱(chēng)呼也很能表現(xiàn)他對(duì)人物的情感是正面的還是負(fù)面的。比如他常常叫八戒“呆子”，叫妖怪“孽畜”，對(duì)尊敬的人會(huì)稱(chēng)呼“陛下”“公主”，這些都可以作為計(jì)算感情值的指標(biāo)。就這樣，他們以老版《西游記》為語(yǔ)料，把符合條件的臺(tái)詞從語(yǔ)料中抽取出來(lái)，通過(guò)對(duì)各種指標(biāo)的計(jì)算，得到了孫悟空在“真假美猴王”事件前后對(duì)其他角色的情感值得分。最終他們得出“真的孫悟空沒(méi)有被如來(lái)打死，但這個(gè)事件消除了他的反抗精神”的結(jié)論。

看吧，原來(lái)計(jì)算機(jī)和語(yǔ)言學(xué)是這么密不可分！

像語(yǔ)言學(xué)家一樣做研究

自然語(yǔ)言處理是一個(gè)交叉學(xué)科，想要在這個(gè)領(lǐng)域做出創(chuàng)新性的工作，就必須有一雙善于發(fā)現(xiàn)的眼睛。這不僅能幫助我們從新的角度思考問(wèn)題，更可能成為我們的學(xué)術(shù)靈感源泉。比如我有個(gè)師姐注意到“刷微博”“刷朋友圈”中的“刷”字是一種新的用法，于是就想到去研究這個(gè)字的語(yǔ)義變化。

在前不久的語(yǔ)料庫(kù)語(yǔ)言學(xué)課上，老師布置了一個(gè)作業(yè)，讓我們考察一個(gè)詞的搭配情況?！按钆洹痹谡Z(yǔ)料庫(kù)語(yǔ)言學(xué)中是一個(gè)很重要的概念，有一套完整的理論。它要求我們?cè)诳疾煲粋€(gè)詞的搭配時(shí)，不僅限于看它的常見(jiàn)搭配詞，還要看它和搭配詞是否構(gòu)成了一定的語(yǔ)法結(jié)構(gòu)，它的語(yǔ)義及情感是否受到搭配詞的影響等等。比如“造成”一詞，本來(lái)是中性的，但由于它經(jīng)常跟不好的事情一同使用，使它也帶有了一些消極意義。

要做好這個(gè)作業(yè)，首先得選到值得探究的詞語(yǔ)。為了尋找靈感，我用了一種笨方法——瀏覽語(yǔ)料庫(kù)。一次，我看到了“整整”一詞。除了作為一種語(yǔ)氣上的強(qiáng)調(diào)外，我隱隱覺(jué)得它還有一些比較特別的語(yǔ)法功能和語(yǔ)義特點(diǎn)。于是，我找出了語(yǔ)料庫(kù)中“整整”一詞出現(xiàn)的所有場(chǎng)景。除了“整整紅領(lǐng)巾”偶爾用作動(dòng)詞之外，它絕大多數(shù)都是跟數(shù)量詞或動(dòng)詞+數(shù)量詞搭配，來(lái)形容數(shù)量之大、動(dòng)作持續(xù)時(shí)間之長(zhǎng)，比如“整整30年”“整整忙活了一天”，并且它傳達(dá)的消極態(tài)度占多數(shù)，比如“‘大屠殺整整持續(xù)了5個(gè)月?！?/p>

有意思的是，除了表示“整數(shù)”之外，我發(fā)現(xiàn)與“整整”連用的數(shù)量詞有時(shí)還會(huì)是零數(shù)、概數(shù)。例如：“班主任和同學(xué)們整整聊了三個(gè)半小時(shí)”“籌備了整整兩個(gè)多月時(shí)間，百隊(duì)杯籃球京滬交流賽終于在上周末成行?！薄皬拇髲d就開(kāi)始排隊(duì)，整整花費(fèi)了30多分鐘。”

這到底是怎么回事呢？我找到“整整”在《漢語(yǔ)大詞典》中的義項(xiàng)：“（1）整齊嚴(yán)謹(jǐn)貌;（2）工整;（3）達(dá)到一個(gè)整數(shù)的，十足的?！?為什么字典里面只有整數(shù)的釋義呢？一心想搞明白緣由的我又翻閱了許多文獻(xiàn)，果然發(fā)現(xiàn)有學(xué)者提出，應(yīng)該針對(duì)“整整”不一定完全表示整數(shù)的用法修改釋義，“這種用法雖然在比例上不占優(yōu)勢(shì)，但卻非常重要?！?/p>

看到這里，你還相信我是學(xué)計(jì)算機(jī)的嗎？

年度流行語(yǔ)的誕生

每年的 “2018漢語(yǔ)盤(pán)點(diǎn)”系列活動(dòng)，都是由北京語(yǔ)言大學(xué)國(guó)家語(yǔ)言資源監(jiān)測(cè)與研究平面媒體中心共同承擔(dān)完成的。作為這個(gè)中心的一名研究生，我有幸參與了“2018年度中國(guó)媒體十大流行語(yǔ)”和“漢語(yǔ)盤(pán)點(diǎn)2018”年度字詞的篩選、發(fā)布工作。

每年的流行詞、流行語(yǔ)層出不窮，要完成中國(guó)媒體十大流行語(yǔ)、年度字詞的篩選工作，背后的工作量相當(dāng)之大。就拿我重點(diǎn)參與的“2018年度中國(guó)媒體十大流行語(yǔ)”篩選發(fā)布工作來(lái)說(shuō)吧，考慮到報(bào)紙的發(fā)行量、更新周期以及地域分布等因素，我們選擇了人民日?qǐng)?bào)、北京日?qǐng)?bào)、深圳特區(qū)報(bào)、齊魯晚報(bào)、華西都市報(bào)等國(guó)內(nèi)16家影響力和發(fā)行量較大的報(bào)紙作為語(yǔ)料庫(kù)，收集到從2018年1月1日至11月底的全部報(bào)紙文本，語(yǔ)料規(guī)模近5億字次。接下來(lái)，我們利用語(yǔ)言信息處理技術(shù)，根據(jù)詞語(yǔ)出現(xiàn)的頻次，結(jié)合人工后期處理提取、篩選，得出流行語(yǔ)的候選詞表。

在篩選流行語(yǔ)的過(guò)程中，我成了語(yǔ)言監(jiān)測(cè)這個(gè)大任務(wù)中的“小監(jiān)測(cè)器”，不自覺(jué)地跟上了時(shí)代的主旋律。許多新詞高度濃縮了一年時(shí)間里的中國(guó)和世界風(fēng)貌，盡現(xiàn)時(shí)代民生民情。有些跟我們的生活息息相關(guān)，比如由滴滴打車(chē)引發(fā)關(guān)注的“網(wǎng)約車(chē)安全”，頻頻出現(xiàn)在電商領(lǐng)域的“大數(shù)據(jù)殺熟”，備受關(guān)注的長(zhǎng)春“問(wèn)題疫苗”;有些離我們有些遙遠(yuǎn)，比如在西昌衛(wèi)星發(fā)射中心用長(zhǎng)征三號(hào)乙運(yùn)載火箭發(fā)射兩顆衛(wèi)星的“一箭雙星”，在上海舉辦十二個(gè)國(guó)家參與的“進(jìn)博會(huì)”等。一旦出現(xiàn)熱點(diǎn)事件，都會(huì)在第一時(shí)間引起我們高度關(guān)注，像中美貿(mào)易摩擦、川航英雄機(jī)長(zhǎng)、重慶公交車(chē)墜江這些我們比較感興趣的話題，我和小伙伴甚至能像時(shí)事分析評(píng)論員那般，滔滔不絕地說(shuō)上許久。

由于我們的語(yǔ)料來(lái)源于主流媒體，網(wǎng)絡(luò)上流行的“安排”“真香”“沖鴨”“涼涼”等詞，因在報(bào)紙語(yǔ)料中很少出現(xiàn)，最終沒(méi)有進(jìn)入候選詞庫(kù)。但作為年輕人，我和團(tuán)隊(duì)小伙伴們養(yǎng)成了一個(gè)共同的習(xí)慣：每當(dāng)生活中遇到有意思的詞或熱點(diǎn)事件，大家的第一反應(yīng)都是“說(shuō)不定能出流行語(yǔ)！”前段時(shí)間，我發(fā)現(xiàn)“隱形貧困人口”一詞突然流行，它是指有些人看起來(lái)每天有吃有喝但實(shí)際上非常窮。仔細(xì)一想，這說(shuō)的不就是我自己嘛！我當(dāng)時(shí)就想：“這個(gè)詞真不錯(cuò)！做流行語(yǔ)研究的時(shí)候一定得跟老師提出來(lái)！”

2018年12月6日，經(jīng)過(guò)我們初步篩選以及專(zhuān)家評(píng)審的“漢語(yǔ)盤(pán)點(diǎn)2018”年度候選字詞正式發(fā)布，穩(wěn)、芯、退、戰(zhàn)、改革開(kāi)放四十年、錦鯉、貿(mào)易摩擦等熱門(mén)字詞都涵蓋其中。2018年12月15日，“2018年度中國(guó)媒體十大流行語(yǔ)”正式發(fā)布。十大流行語(yǔ)為：憲法修正案、命運(yùn)共同體、進(jìn)博會(huì)、貿(mào)易摩擦、錦鯉、板門(mén)店宣言、立德樹(shù)人、“一箭雙星”、幸福都是奮斗出來(lái)的、改革開(kāi)放四十周年。2018年12月20日，由網(wǎng)友最終票選的“漢語(yǔ)盤(pán)點(diǎn)2018”年度字詞發(fā)布：國(guó)際年度字“退”;國(guó)際年度詞“貿(mào)易摩擦”;國(guó)內(nèi)年度字“奮”;國(guó)內(nèi)年度詞“改革開(kāi)放四十年”。

責(zé)任編輯：曹曉晨