李 安

一、詞義標注對詞典檢驗的啟示

釋義從一定意義上說是詞典編纂的中心工作。一部詞典的質(zhì)量高低很大程度上決定于釋義的質(zhì)量(胡明揚1982)。加之詞義概括、多義詞義項劃分、釋義幾個過程都比較復雜，處置不當容易導致諸如“肢解詞的完整理性意義”(鄒酆2003)、“義項關系不當”(吳云芳，俞士汶 2006)等問題。胡明揚等(1982)指出:“詞義概括是否得當，義項劃分是否合理等問題，其實是可以通過語料檢驗的方法來發(fā)現(xiàn)并加以改進的?！比欢~典釋義檢驗有多大必要性、檢驗方法應如何設計、通過檢驗可以解決哪些問題等，尚少細致的討論。

我們在完成課題“基于國家語委‘通用語料庫’之上的漢語義頻詞庫的開發(fā)(SCT)”過程中發(fā)現(xiàn)，對詞典釋義的檢驗不僅必要，而且不能隨意為之。課題的核心是計算機詞義自動標注，也就是使計算機根據(jù)詞典的義項設置，給使用中的多義詞自動標注一個合適的義項。課題使用的詞典是《現(xiàn)代漢語詞典》(1996年修訂版，以下簡稱《現(xiàn)漢》)，目前已經(jīng)完成了對3771個高頻、雙音節(jié)多義詞的研究。作為課題的一個子項目，我們研制了“驗證庫”，即首先從大規(guī)模語料庫中為每個多義詞抽取一定量的句子形成語料庫，然后由人模擬計算機標注一個義項，再由計算機自動標注義項，兩相對照以檢驗計算機標注的正確率。在這個過程中發(fā)現(xiàn)部分句子難以標注，原因有多種:有的是僅憑句內(nèi)上下文的確無法判斷詞義;有的是機用詞典與普通語文詞典的性質(zhì)與功能不同所致;也有的表現(xiàn)為語文詞典原有義項設置不合理。

在涉及詞典義項設置的問題上，課題中對《現(xiàn)漢》調(diào)整有百余處，當然這些調(diào)整主要緣于機用義項庫有著不同的性質(zhì)與功能，調(diào)整的類型、原則、方法在《機用義項庫在詞義標注中的作用及其完善》一文中做了介紹(蘇新春等2010)，然而其中也不乏傳統(tǒng)詞典本身可做改進之處，從這個角度來說，我們認為詞義標注正是實踐了從詞典釋義回到言語實際的檢驗過程，對詞義標注的結(jié)果及其困難進行深入分析就可以發(fā)現(xiàn)詞典存在的不當之處。本文把詞義標注相關課題中與語文詞典釋義相關的部分提取出來，設計了一種詞典釋義的封閉式檢驗方法，希望對一般詞典編纂中義項的設立和釋義有所幫助。下文就介紹這種檢驗方法的詳細步驟，并舉例分析課題中發(fā)現(xiàn)的詞典釋義不當之處。

二、檢驗方法——封閉式檢驗的三個步驟

封閉式檢驗旨在于一個封閉的語料庫中，通過詞義標注考察詞典義項設置是否合理，重點考察一個“詞形”所對應的意義的整體范圍、義項關系、義項與語料的對應關系，進而分析詞典中義項的概括模式、粒度是否與語料契合，個體義項是否恰當。有三個基本步驟:

(一)建立大規(guī)模平衡語料庫

建立大規(guī)模平衡語料庫作為基礎語料庫，要能覆蓋一般語文詞典的基本范圍，語料構(gòu)成要與詞典的性質(zhì)、定位相對應。我們的課題以現(xiàn)代漢語為研究對象，要求語料能反映現(xiàn)代漢語的基本狀況。研制的平衡語料庫有2億多字，主要包括三個部分:(1)國家語委研制的“現(xiàn)代漢語語料庫”;(2)部分人民日報語料(2001年后的若干月份);(3)文學作品及部分教材語料。

“‘國家語委現(xiàn)代漢語語料庫’是一個大型的通用語料庫。該語料庫以語言文字的信息處理、語言文字規(guī)范和標準的制定、語言文字的學術研究、語文教育和語言文字的社會應用為主要服務對象……選材有足夠的時間跨度，語料抽樣合理、分布均勻、比例適當，能夠比較科學地反映現(xiàn)代漢語全貌?！?靳光瑾等2005)“國家語委現(xiàn)代漢語語料庫”設計比較合理，我們采用了它的基本結(jié)構(gòu)和內(nèi)容，但其字數(shù)略少，語料稍嫌陳舊，因而做了些補充。

(二)隨機抽取一定規(guī)模的語料作為檢驗庫

隨機抽樣檢驗是指從大規(guī)?；A語料庫中隨機抽取一定量的句子組成檢驗語料庫。在SCT課題中確定抽樣句子數(shù)時考慮到了詞頻高低、詞義標注規(guī)則復雜程度(一般標注規(guī)則復雜的，其用法也就復雜，就需要更多的語料)、人工標注任務量三個因素。對3771個多義詞，抽取的總句子數(shù)達493369個，一個詞最多有233個句子，最少有100個句子。如此規(guī)模的語料量雖很難完全覆蓋生僻義、方言義、行業(yè)義等不常用的義項，但覆蓋詞的常用義、較常用義，反映其基本面貌，則是沒有問題的。

隨機抽取步驟主要從檢驗方法的可行性方面考慮。在總語料庫中檢索3771個詞總共得到245萬個句子，即便有計算機輔助也難以細致分析。檢驗庫規(guī)模僅為原來的20%，既能保證充分反映原來大規(guī)?；A語料庫的特征，又大大減輕了檢驗的工作量。

(三)對抽樣語料做完全性標注是這一方法的核心

完全標注是指在一個封閉的驗證語料庫中，給每個例詞都標注唯一的義項，并保證標注結(jié)果的一致性。如不能順利完成標注，或者標注結(jié)果不統(tǒng)一，則分析其根源，檢查是否為詞典詞義歸納、義項設置不當所致。

三、方法的運用——對現(xiàn)有義項存在問題的分析

封閉式檢驗中對語料進行義項標注的過程，既是對使用中的多義詞義域規(guī)模、結(jié)構(gòu)進行調(diào)查的過程，也是將詞典釋義與言語實際進行對照，考察每個義項的義域在整體義域中的地位、比例以及與相鄰義項關系的過程。其核心意義在于把詞的實際義域、詞典釋義的義域、個體義項義域、個體義項間的關系這幾個要素綜合起來，做定量考察。不僅可以檢驗個別義項是否合理，是否有新義、漏收義，更可以從深層次發(fā)現(xiàn)詞典釋義中的義項粒度、義項關系等方面存在的不合理之處。下面舉例著重說明在義項粒度、義項關系方面發(fā)現(xiàn)的問題。

(一)部分語料無法標注，反映詞典中義項粒度過小的問題

多數(shù)情況下義項粒度與詞典規(guī)模、用途有關，在詞的整體義域一定的情況下，大型詞典義項粒度小，義項數(shù)多;小型詞典義項粒度大，義項數(shù)少，這種義項粒度大小不一的現(xiàn)象是合理的。

但是如果義項粒度過小則會導致詞典釋義覆蓋力不足，造成一定數(shù)量的語料無法標注，這時就是不合理的。如在《現(xiàn)漢》中:“出場 ①演員登臺(表演)。②運動員進入場地(參加競賽或表演)。”我們從大規(guī)模語料庫中隨機抽取了73個含“出場”的句子做測試，超過20%的句子無法標注義項，如:

(1)有人怕鬧事，開始退場，劇團的領導出場，懇求大家安靜。

(2)新式戰(zhàn)機隆重出場。

詞典以動作發(fā)出者區(qū)別兩個義項，而例句中“劇團的領導”、“新式戰(zhàn)機”既不能歸入“演員”或“運動員”，也很難確定與哪個義項在語義上更相近，因而無法標注。

再如:“過道 ①新式房子由大門通向各房間的走道。②舊式房子連通各個院子的走道，特指大門所在的一間或半間屋子?！痹谟行┚渥永餆o法標注，如:

(3)草地的兩邊種了幾排桑樹，中間露出一條寬的過道。

例句(3)里的“過道”既不屬于“新式房子”，也不屬于“舊式房子”，類似的還有“車廂過道”、“劇場過道”等都不在詞典釋義范圍內(nèi)，也無法判斷這些義項與哪個更相近，因而無法標注。

義項粒度過小還有一種表現(xiàn)，即難以涵蓋詞義發(fā)生的一些新變化。

如:“封面 ①線裝書指書皮里面印著書名和刻書者的名稱等的一頁。②新式裝訂的書刊指最外面的一層，用厚紙、布、皮等做成。③特指新式裝訂的書刊印著書刊名稱等的第一面。也叫封一。”盡管以上三個義項釋義詳盡具體，然而不能覆蓋“專輯封面”、“相冊封面”、“簡歷封面”等“新事物”。

以上幾個詞條的相同之處在于:(1)詞典釋義中每個義項都是完整的，都對應一定量的語料。(2)詞典釋義不能覆蓋全部語料，很多語料的意思與相鄰的兩個義項都有相似之處，但是難以確定屬于哪個義項。(3)詞典釋義中每個義項的義域都十分狹窄，所指的動作或事物都十分具體。(4)如果在原有義項粒度基礎上用增設義項的方式覆蓋所有語料，義項設置將十分繁雜。因此，這類詞的根本問題不是漏收詞義，而是義項粒度過小，概括性不足?！傲x項的概括性要求這個義項具有普遍意義，即通過這個義項來解釋一系列相類似有時又有細微差別的語義現(xiàn)象，人們在閱讀過程中遇到與此義有關的語義，都應從這個義項得到滿意的解釋，或者從這個義項中受到啟示，去求得這個詞的最確切的含義?！?汪耀楠1990)如果適當“合并”義項，增加概括度，釋義將更具解釋力，也更加簡潔。

(二)標注結(jié)果不唯一，反映義項間存在交叉覆蓋

標注結(jié)果不唯一是指在同一具體語境下，一個多義詞可以標注為相鄰的兩個或多個義項。造成這種現(xiàn)象的原因有很多，如語境不充足等。但有時語境充足，仍然難以標注唯一義項，往往就反映出義項交叉覆蓋的問題。

如:“發(fā)表 ①向集體或社會表達(意見);宣布:～談話丨～聲明丨代表團成員已經(jīng)確定，名單尚未正式～。②在刊物上登載(文章、繪畫、歌曲等):～論文?！毕旅娴木渥又小鞍l(fā)表”同時符合義項①②:

(4)閻世鐸在人民網(wǎng)發(fā)表談話勇敢面對中國足球前進中的問題。

句(4)既符合“向集體或社會表達”的特征，又是“以文章形式”“在刊物上登載”。進一步分析發(fā)現(xiàn)造成這種狀況的原因是兩個義項意義相近卻沒有對立的區(qū)別性義素，如表1所示:

表1

動作對象方面，義項②雖未做說明，實際與義項①是一樣的;動作方面，義項②的義素“登載”是義項①“表達”的一種形式;動作內(nèi)容方面，義項①“意見”是從內(nèi)容方面說的，義項②“文章”等是從載體方面說的，“意見”也可以以“文章”的形式發(fā)表;動作方式上，義項②說明通過刊物，義項①沒有說明?？傊?，義項②的釋義比較明確地指出通過刊物“發(fā)表”，義項①卻不設范圍，大致包含了義項②的內(nèi)容。

那么原有的釋義能不能讓它形成具有區(qū)別特征的對立性釋義呢?應該是可以的，如可在“發(fā)表”的方式上加以區(qū)別，義項①改為“口頭表達(意見)”即可。

其他原因也可能造成義項間的交叉覆蓋，如“出門”有三個義項:“①(～兒)外出。②(～兒)離家遠行。③〈方〉出嫁?！绷x項①的釋義詞“外出”在同一詞典中的釋義為“到外面去，特指因事到外地去”?！暗酵饷嫒ァ迸c“出門①”對應，“因事到外地去”與“出門②”對應，這樣實際上是導致了“出門①”同時包含義項①②的意思。如此，所有可標為義項②的句子都可以標為義項①，如:

(5)他想，出門一個多月，究竟發(fā)生了什么事呢?

以上兩詞出現(xiàn)的問題比較隱蔽，在檢驗中如果僅僅尋找典型例子很容易錯過，而唯有在一定量的語料的詞義標注中，在人、機標注結(jié)果的對比中才能發(fā)現(xiàn)問題。

四、結(jié) 論

本文根據(jù)“基于國家語委‘通用語料庫’之上的漢語義頻詞庫的開發(fā)”課題的詞義標注實踐，概括出了可以應用于語文詞典編纂中檢驗義項設立、釋義是否得當?shù)姆椒ǎ@種方法的實質(zhì)是對真實語料進行窮盡式的調(diào)查，從而將產(chǎn)生于典型取樣的詞典釋義放到多義詞的實際語言運用中，系統(tǒng)、量化地檢驗其是否周全、均勻、對稱。這種方法的優(yōu)點主要有兩個:其一，可以發(fā)現(xiàn)語文詞典義項、釋義中存在的一些潛在問題;其二，利用語料庫與抽樣技術，不需要投入過多的人力、物力。當然上面分析的某些現(xiàn)象對現(xiàn)有的語文詞典來說有點“苛刻”，但是這種檢驗和討論可以使傳統(tǒng)詞典釋義更加貼近真實語料，有利于提高義項概括與釋義的科學性、可操作性。

1.胡明揚，謝自立，梁式中等.詞典學概論.北京:中國人民大學出版社，1982.

2.靳光瑾，肖航，富麗等.現(xiàn)代漢語語料庫建設及深加工.語言文字應用，2005(2).

3.蘇新春，李安，洪桂治.機用義項庫在詞義標注中的作用及其完善.廈門大學學報，2010(3).

4.汪耀楠.詞典學研究.成都:四川辭書出版社，1990.

5.吳云芳，俞士汶.信息處理用詞語義項區(qū)分的原則和方法.語言文字應用，2006(2).

6.鄒酆.辭書學叢稿.武漢:崇文書局，2003.