孫杰歡　張鑫　高利等

摘要：針對高校學(xué)生在英語閱讀訓(xùn)練中存在長難句理解障礙等問題，借助自然語言處理技術(shù)與UI處理技術(shù)，重點研究一種在線分析與描述英語長難句結(jié)構(gòu)的工具，以幫助高校學(xué)生消除理解障礙，促使其提高英語閱讀能力。

關(guān)鍵詞：統(tǒng)計方法；句法分析器；自然語言處理技術(shù)；UI處理技術(shù)

DOIDOI：10.11907/rjdk.151089

中圖分類號：TP319

文獻(xiàn)標(biāo)識碼：A 文章編號：16727800（2015）006012502

基金項目基金項目：江蘇省高等學(xué)校大學(xué)生實踐創(chuàng)新訓(xùn)練計劃項目（201411122007Z）

作者簡介作者簡介：孫杰歡（1993-），男，江蘇常州人，三江學(xué)院計算機科學(xué)與工程學(xué)院學(xué)生，研究方向為數(shù)據(jù)庫及Web開發(fā)；張鑫（1993-），男，江蘇鹽城人，三江學(xué)院計算機科學(xué)與工程學(xué)院學(xué)生，研究方向為數(shù)據(jù)庫及Web開發(fā)；高利（1994-），男， 江蘇鹽城人，三江學(xué)院計算機科學(xué)與工程學(xué)院學(xué)生，研究方向為數(shù)據(jù)庫及Web開發(fā)；姚佳夢（1993-），女，江蘇江陰人，三江學(xué)院計算機科學(xué)與工程學(xué)院學(xué)生，研究方向為數(shù)據(jù)庫及Web開發(fā)；顧問（1984-），男，江蘇無錫人，三江學(xué)院計算機科學(xué)與工程學(xué)院實驗師，研究方向為數(shù)據(jù)庫及Web開發(fā)。

0 引言

提高大學(xué)生閱讀能力是高校英語教學(xué)中的重要任務(wù)之一。在高校英語閱讀訓(xùn)練中， 長句或難句出現(xiàn)的頻率很高，學(xué)生語法知識薄弱等問題直接導(dǎo)致其對長難句內(nèi)部結(jié)構(gòu)的理解模糊不清。針對此問題，筆者借助自然語言處理技術(shù)與UI處理技術(shù)，研究了一種在線分析與描述英語長難句結(jié)構(gòu)的工具，以幫助學(xué)生消除理解障礙，在使用過程中逐步理解常見長難句的組成部分，從而促使其提高閱讀能力。

1 英語長難句句法分析難點

英語句子由主干和修飾成分兩部分組成。主干一般指句子的主要結(jié)構(gòu)，由主謂賓或主系表組成，而修飾成分為單詞、短語、從句3類。其中單詞主要是形容詞和副詞；短語主要是介詞短語；從句主要是定語從句和狀語從句。在大學(xué)英語閱讀訓(xùn)練過程中，為了考查學(xué)生的閱讀能力，經(jīng)常會出現(xiàn)復(fù)雜的修飾、倒裝等方式相互結(jié)合使用的長難句，這類句子打斷了學(xué)生正常的閱讀習(xí)慣。較難理解的詞句有如下幾種：①倒裝句。這類句子不同于正常語序，需要重新理解句子成分，加大了對句子理解的難度；②虛擬語氣。通常表示假想，而不表示客觀存在的事實，其形式變化多種多樣；③比較級和最高級。比較級和最高級有特殊形式，對單詞的不熟悉容易增加句子理解難度；④雙重否定。這種句子在形式上或者語義上用雙重否定設(shè)置了圈套，干擾了讀者的閱讀思維，造成了句子理解困難；⑤習(xí)慣用語或固定詞組。這涉及到閱讀者的知識面，如果閱讀者對這些固定組合不熟悉，就很難理解。

筆者研究發(fā)現(xiàn)，對于上述①、③、⑤這3類句子，在借助計算機相關(guān)技術(shù)進(jìn)行處理后，能夠得到較為清晰的分析結(jié)果，從而讓高校學(xué)生從句子結(jié)構(gòu)方面理解這些長難句。

2 基于統(tǒng)計方法的句法分析器

隨著人們對自然語言研究的逐步深入，以及語料庫和語料庫語言學(xué)的興起，傳統(tǒng)基于規(guī)則的語言模型受到了質(zhì)疑，自然語言處理的主要目標(biāo)也轉(zhuǎn)為對大規(guī)模真實文本的處理，概率和統(tǒng)計驅(qū)動的方法幾乎成為了自然語言處理的標(biāo)準(zhǔn)方法[2]。

2.1 統(tǒng)計模型與句法分析器

自然語言處理的核心是構(gòu)造語言模型，而語言模型就是一種借用數(shù)學(xué)模型來描述自然語言內(nèi)在規(guī)律的模型。目前，很多學(xué)者都在研究基于統(tǒng)計的語言模型，它通常是概率模型，計算機通過使用統(tǒng)計模型對句子中的單詞進(jìn)行概率分析，估算出自然語言中語言成分出現(xiàn)的可能性，不像傳統(tǒng)的規(guī)則型語言模型單純判斷該單詞是否符合語言學(xué)規(guī)則。這種概率性的語言統(tǒng)計模型在很大程度上比規(guī)則語言模型更加客觀和全面。

目前，語言統(tǒng)計模型在自然語言處理中已相對成熟，比較典型的有：最大熵語言模型、概率上下文無關(guān)語法（PCFG）、隱馬爾可夫模型（HMM）、支持向量機（SVM）、條件隨機場（CRF）、基于決策樹的語言模型等[2]。

基于各類統(tǒng)計模型也相應(yīng)產(chǎn)生了諸多句法分析器，相比較而言，Apache的OpenNLP Parser和Stanford的Stanford Parser較為杰出并且分析結(jié)果比較準(zhǔn)確。

2.2 OpenNLP Parser

OpenNLP Parser利用MaxEnt選擇概率最大的標(biāo)記作為一個句子中某個單詞的所屬分類。利用這種方法進(jìn)行詞類標(biāo)注雖然簡單，但有一個致命缺點：這種分類器是自左向右移動窗口標(biāo)記的，分類器移動到下一個單次前就必須對它前一個單詞作出硬性判斷，這樣的分類器不能利用后面的單詞信息糾正前面的錯誤判斷。

2.3 Stanford Parser

Stanford Parser是Stanford NLP小組提供的一系列工具之一，能夠用來完成語法分析任務(wù)。它是基于概率上下文無關(guān)語法（PCFG）實現(xiàn)的一個句法分析器。

一個概率上下文無關(guān)文法（PCFG）是一個五元組（N，∑，S，R，P）：①一個非終結(jié)符集N；②一個終結(jié)符集∑；③一個開始非終結(jié)符S∈N；④一個產(chǎn)生式集R；⑤對于任意產(chǎn)生式r∈R，其概率為P（r）。

PCFG的規(guī)則表示形式為：A→αp，其中A為非終結(jié)符，p為A推導(dǎo)出α的概率，即p=P（A→α）。該概率分布必須滿足如下條件：∑P（A→α）=1，也即相同左部的產(chǎn)生式概率分布滿足歸一化條件。分析樹的概率等于所有使用規(guī)則概率之積。

Stanford Parser利用PCFG計算分析樹的概率值，若一個句子有多個分析樹，可以依據(jù)概率值對所有分析樹進(jìn)行排序，同時也能進(jìn)行句法排歧，再從多個結(jié)果中，選擇概率最大者作為最終分析結(jié)果。

同樣地，利用PCFG算法模型也存在一定局限性：PCFG沒有考慮結(jié)構(gòu)之間的依存關(guān)系，也沒有考慮詞匯對句法結(jié)構(gòu)的影響。

3 O&S Parser工作原理及功能

根據(jù)對基于統(tǒng)計方法的OpenNLP Parser和Stanford Parser這兩種句法分析器的比較可知，憑借它們自身統(tǒng)計模型的優(yōu)勢已經(jīng)可以基本達(dá)到對英語長難句進(jìn)行句法分析的目的，準(zhǔn)確率和執(zhí)行效率都很高。但是目前無論哪一種句法分析器都會給使用者帶來一些新問題。例如，不論是標(biāo)注詞性的簡寫，還是語法樹的編排結(jié)果，對于英語不是極其了解的人而言都是一種負(fù)擔(dān)，尤其是對國內(nèi)多數(shù)高校學(xué)生來說更是難以理解。因此， 應(yīng)采用一種更加實用、直觀的句法分析器（O&S Parser）幫助他們解決這些問題。O&S Parser主要集成了OpenNLP Parser和Stanford Parser，讓它們發(fā)揮各自的優(yōu)勢，具體方法如下：首先利用OpenNLP Parser及Stanford Parser兩個句法分析器同時對英語長難句進(jìn)行分析，然后對兩者的分析結(jié)果進(jìn)行比較，對差異化集合進(jìn)行篩選，得到最終分析結(jié)果，使筆者的句法分析器準(zhǔn)確性得到提高。針對句法分析樹難以理解的問題，筆者使用UI處理技術(shù)，對它們解析出來的詞性或者句法樹進(jìn)行重新編排，包括對一些縮寫的中文注解等，再將這些信息展示給用戶，使這些詞性或者句法樹能夠讓用戶一目了然。O&S Parser工作原理如圖1所示。

3.1 O&S Parser比較分析

本文示例中選取了一個典型的英語長難句讓O&S Parser同時調(diào)用OpenNLP Parser和Stanford Parser對英語長難句進(jìn)行分析，然后對得到的兩棵句法樹進(jìn)行文本比對，高亮顯示差異之處，具體效果如圖2所示。再根據(jù)詞性對照表選取最優(yōu)分析結(jié)果。

3.2 O&S Parser拆分英語長難句

O&S Parser在得到一個句子精確的句法樹之后，會將句子拆分成若干短句子，并將連接詞或符號進(jìn)行著色，讓高校學(xué)生從簡單到復(fù)雜，逐步理解英語長難句。圖3中描述了使用O&S Parser對例句進(jìn)行拆分的過程，最后得到了5個句子。

4 結(jié)語

本文針對學(xué)生在英語閱讀訓(xùn)練中出現(xiàn)的長難句理解障礙等問題，闡述了出現(xiàn)問題的主要原因，提出了一種基于統(tǒng)計方法的句法分析工具改造方法，并結(jié)合實際情況給出了相應(yīng)功能的設(shè)計思路。O&S Parser幫助學(xué)生降低了理解英語長難句的難度，具有一定的實用性。

參考文獻(xiàn)：

[1] 王丹.試析如何提高英語專業(yè)學(xué)生的閱讀理解能力[J].牡丹江師范學(xué)院學(xué)報：哲學(xué)社會科學(xué)版，2008（1）：9192.

[2] 馮志偉.自然語言處理簡明教程[M].上海：上海外語教育出版社，2012.

[3] 林易，孫學(xué)濤.英語長句分析與翻譯方法探析[J].中州大學(xué)學(xué)報，2009，26（4）：7778.

[4] OpenNLP [EB /OL]. http：//opennlp. source2forge. net/.

[5] 祝清松，王惠臨.中英文句法分析系統(tǒng)及驗證平臺的設(shè)計與實現(xiàn)[J].現(xiàn)代圖書情報技術(shù)，2010（2）：3943.

[6] 孟遙，李生，趙鐵軍，等.基于統(tǒng)計的句法分析技術(shù)綜述[J].計算機科學(xué)，2003，30（9）：5458.

責(zé)任編輯（責(zé)任編輯：孫 娟）