王貴榮，饒高琦1，，荀恩東

(1. 北京語言大學(xué) 漢語國際教育研究院，北京 100083；2. 北京語言大學(xué) 信息科學(xué)學(xué)院，北京 100083)

0 引言

在任何語言里，詞語搭配都是一個(gè)重要問題，在漢語中，尤為突出。從語言本體來看，漢語重“意合”，詞語缺乏形態(tài)變化，詞與詞的搭配有時(shí)會(huì)超出語法形式的約束，只要滿足意義、邏輯的要求就可以搭配。因此，無論是語言本體還是語言教學(xué)研究，詞語搭配都是言語組裝的重要環(huán)節(jié)。從自然語言理解來看，要實(shí)現(xiàn)計(jì)算機(jī)對自然語言的“理解”，語言知識(shí)是必不可少的。而漢語缺乏形態(tài)變化，不能提供充分的形式化知識(shí)，因此，詞語搭配知識(shí)也就成為自然語言理解各子任務(wù)的一個(gè)重要知識(shí)源。由于詞語搭配描述的是詞與詞之間的組合情況，既包含結(jié)構(gòu)知識(shí)也包含語義知識(shí)，更能準(zhǔn)確地刻畫出句子中詞與詞之間的聯(lián)系，在句法分析中受到人們廣泛的重視。依存句法認(rèn)為，動(dòng)詞是句子的中心，依存分析中各個(gè)節(jié)點(diǎn)都是詞，不存在詞和短語或短語之間的關(guān)系判定問題，主要是通過獲取句子的核心動(dòng)詞及其所支配的詞語搭配，進(jìn)而分析句子內(nèi)詞語之間的依存關(guān)系，以建立依存句法樹。

一般而言，動(dòng)賓結(jié)構(gòu)在SVO型語言里是很常見的，是句內(nèi)的核心成分，處于優(yōu)勢地位，可以形象地稱之為“骨架”，它實(shí)際上映射了整個(gè)句子的輪廓。1942年呂叔湘先生在《中國文法要略》中就指出“句子的中心是一個(gè)動(dòng)詞”[1]。1959年法國語言學(xué)家特思尼耶爾(L Tesniere)在“依存語法”的代表作《結(jié)構(gòu)句法基礎(chǔ)》中明確指出“動(dòng)詞是句子的中心，它支配著別的成分，而它本身卻不受其他任何成分的支配。動(dòng)詞在句子中起的作用是關(guān)聯(lián)，就是說動(dòng)詞把句子中其他的詞連成了一個(gè)整體?！盵2]只要能準(zhǔn)確識(shí)別出動(dòng)賓結(jié)構(gòu)，就能在此基礎(chǔ)上進(jìn)行一些后續(xù)分析，從動(dòng)詞出發(fā)，可以向左識(shí)別各種狀語，逼近句子的主語成分，從賓語出發(fā)，可以向左識(shí)別賓語的各種修飾成分，逼近動(dòng)詞，從而為實(shí)現(xiàn)深層句法分析奠定一定的研究基礎(chǔ)。本文以大數(shù)據(jù)為支撐，構(gòu)建動(dòng)賓搭配知識(shí)庫，以期為句法分析提供結(jié)構(gòu)化引導(dǎo)知識(shí)，提高句法分析的準(zhǔn)確率，同時(shí)該知識(shí)庫也可為語言本體、語言教學(xué)研究等提供大量實(shí)例。

1 研究現(xiàn)狀

1.1 語言學(xué)界的研究

一直以來，現(xiàn)代語言學(xué)界關(guān)于動(dòng)賓搭配的研究就層出不窮，研究思路主要有四種。

一是在格語法的理論視角下，用賓語的語義角色的來對賓語進(jìn)行分類，主要的研究有李臨定[3]、馬慶株[4]等；也有學(xué)者展開了賓語不同語義角色的細(xì)致研究，如宋玉柱[5]介紹了原因賓語的類型及不同類型中充當(dāng)原因賓語的成分；陳昌來[6]否認(rèn)了工具成分可以表現(xiàn)為主語、賓語，并介紹了工具成分可以出現(xiàn)的句法結(jié)構(gòu)；趙旭[7]研究了處所賓語的判別標(biāo)準(zhǔn)、內(nèi)部小類以及非典型處所賓語的生成動(dòng)因。

二是以配價(jià)語法為理論支撐，從動(dòng)詞價(jià)位的角度來考察動(dòng)詞所帶的賓語，如羅夢鹿[8]指出雙賓語句式動(dòng)詞包括大部分三價(jià)動(dòng)詞和一部分二價(jià)動(dòng)詞；王慧[9]分析了二價(jià)動(dòng)詞不帶賓語、帶單賓語和帶雙賓語的情況；袁毓林[10]提出了一種基于配價(jià)層級(jí)和配位方式的漢語配價(jià)語法的描寫模型，用以全面地反映動(dòng)詞在不同的句式中對名詞性成分的支配能力及其句法組配方式。

三是從韻律的角度分析了動(dòng)賓搭配的規(guī)律，如呂叔湘[11]指出漢語雙音化傾向明顯，并分析了單雙音節(jié)對漢語劃分詞語邊界的影響；馮勝利[12]系統(tǒng)闡釋了韻律構(gòu)詞學(xué)和韻律句法學(xué)這兩個(gè)全新的理論系統(tǒng)；駱健飛[13]指出單音節(jié)動(dòng)詞一般是強(qiáng)時(shí)空動(dòng)詞，傾向于搭配工具、方式類賓語，雙音節(jié)動(dòng)詞一般是泛時(shí)空動(dòng)詞，傾向于搭配原因、目的類賓語。

四是從賓語的體謂性來考察動(dòng)詞特征，如宋玉柱[14]提出將動(dòng)詞按賓語的語法性質(zhì)劃分為體賓動(dòng)詞、謂賓動(dòng)詞和體謂賓動(dòng)詞三類；亢世勇[15]對常用謂賓動(dòng)詞帶動(dòng)賓、形賓、小句賓進(jìn)行了分類統(tǒng)計(jì)；陳永莉[16]指出形式動(dòng)詞只能帶雙音節(jié)動(dòng)詞賓語，并介紹了形式動(dòng)詞受事成分的語法位置和賓語擴(kuò)展形式；崔少娟[17]、孫萍[18]從動(dòng)詞分類、賓語語義特征等方面對《現(xiàn)代漢語動(dòng)詞用法詞典》中的謂賓動(dòng)詞進(jìn)行了全面研究；梁永紅[19]研究了及物動(dòng)詞帶名賓情況的發(fā)展變化的具體表現(xiàn)、特征以及影響因素。

從筆者的調(diào)研情況來看，目前已有的對動(dòng)賓搭配的研究，基本都是選取動(dòng)賓搭配的某一側(cè)面進(jìn)行定性研究，且文中也都是通過舉例的方式來驗(yàn)證結(jié)論，尚未有人基于大數(shù)據(jù)對動(dòng)賓搭配進(jìn)行抽取和研究。

1.2 中文信息處理領(lǐng)域的研究

相對語言本體領(lǐng)域豐富多彩的研究，中文信息處理領(lǐng)域關(guān)于動(dòng)賓搭配的研究則比較單一，主要是從動(dòng)賓搭配的自動(dòng)識(shí)別角度展開研究的，如孫宏林[20]從語料庫中歸納了判斷“V+N”序列是合法短語的14條語法規(guī)則；高建忠[21]提出“匹配+語義限制”和“匹配+詞語相似度”計(jì)算模型，用于動(dòng)賓搭配的自動(dòng)識(shí)別；李晉霞[22]從內(nèi)部構(gòu)成出發(fā)以定中“V_雙+N_雙”結(jié)構(gòu)類型的識(shí)別為突破口提出“V_雙+N_雙”結(jié)構(gòu)類型自動(dòng)識(shí)別的規(guī)則；程月等人[23]提出機(jī)器學(xué)習(xí)中的條件隨機(jī)場方法，用于漢語動(dòng)賓搭配的自動(dòng)識(shí)別。也有學(xué)者開始從語義的角度進(jìn)行研究，如周衛(wèi)華[24]從動(dòng)賓之間的語義角色關(guān)系、動(dòng)詞對賓語的語義選擇限制這兩個(gè)方面詳盡地考察了500個(gè)單音節(jié)動(dòng)詞和賓語之間的語義搭配情況；李斌[25]對動(dòng)賓之間語義選擇限制的多樣性和強(qiáng)度差異做了系統(tǒng)標(biāo)注和統(tǒng)計(jì)分析。

目前學(xué)者對動(dòng)賓搭配所做的研究，無論是基于結(jié)構(gòu)進(jìn)行的對動(dòng)賓搭配的自動(dòng)識(shí)別和獲取，還是跳過結(jié)構(gòu)直接對動(dòng)賓搭配進(jìn)行語義分析和計(jì)算的，都是在探究動(dòng)賓搭配的一種形式化規(guī)律，以方便計(jì)算機(jī)的處理，但是這種方法也只能覆蓋語言中的一些高頻現(xiàn)象。

此外，圍繞中文信息處理構(gòu)建的知識(shí)庫也有很多。如由山西大學(xué)建設(shè)的漢語框架語義知識(shí)庫(CFN)[26]是以加州大學(xué)伯克利分校的FrameNet為參照、以漢語真實(shí)語料為依據(jù)的供計(jì)算機(jī)使用的漢語詞匯語義知識(shí)庫，主要包括框架庫、句子庫和詞元庫三部分。其中，詞元庫記錄了詞元的語義搭配模式和框架元素的句法實(shí)現(xiàn)方式。由北京大學(xué)開發(fā)的《現(xiàn)代漢語語法信息詞典》[27]是為計(jì)算機(jī)實(shí)現(xiàn)漢語分析和漢語生成而研制的一部電子詞典，全面地描述了所收錄詞語的語法信息。知網(wǎng)(HowNet)[28]是一個(gè)以漢語和英語的詞語所代表的概念為描述對象，以揭示概念與概念之間以及概念所具有的屬性之間的關(guān)系為基本內(nèi)容的常識(shí)知識(shí)庫。北京大學(xué)袁毓林主持建設(shè)的《北京大學(xué)現(xiàn)代漢語實(shí)詞句法語義功能信息詞典》[29]，其中，《動(dòng)詞句法語義功能信息詞典》主要包括動(dòng)詞的語法功能、語義角色及動(dòng)詞和語義角色組配的句法格式。句法組配格式提供句法上可搭配的位置，動(dòng)賓搭配提供語義上可搭配的詞語，二者配合使用，漢語句法語義分析將獲得重大進(jìn)步。也有學(xué)者編纂過搭配詞典，如張壽康和林杏光主編的《現(xiàn)代漢語實(shí)詞搭配詞典》、趙培癢編著的《常用詞語搭配詞典》等。但它們只收錄了高頻使用的搭配，規(guī)模相對較小，不能全面反映動(dòng)賓的搭配情況。目前已有的知識(shí)庫主要提供語義、語法、常識(shí)知識(shí)，對動(dòng)詞各方面的知識(shí)有詳盡描寫，具有一定的形式化能力，一定程度上促進(jìn)了中文信息處理技術(shù)的發(fā)展。但這些知識(shí)庫仍以對語言學(xué)知識(shí)的抽象表征為主，計(jì)算機(jī)使用起來不夠便捷。

本文擬基于BCC語料庫構(gòu)建動(dòng)賓搭配知識(shí)庫。BCC語料庫語料來源領(lǐng)域較多，有文學(xué)、科技、報(bào)刊、博客等，能覆蓋更多的語言現(xiàn)象，且BCC語料庫處于動(dòng)態(tài)更新狀態(tài)，能及時(shí)捕獲新的語言現(xiàn)象?；谠撜Z料庫構(gòu)建的動(dòng)賓搭配知識(shí)庫更具全面性、時(shí)效性，對語言研究和語言教學(xué)而言，具有更高價(jià)值。動(dòng)賓搭配知識(shí)抽取也是信息抽取的一項(xiàng)子任務(wù)，能夠用于詞義消歧、信息檢索、機(jī)器翻譯、句法分析、自然語言生成等多個(gè)方面。如詞義消歧方面，人能夠正確無誤地理解某個(gè)詞語，就是利用了詞語的上下文信息，而詞語搭配正是確定詞語義項(xiàng)的上下文，動(dòng)賓搭配知識(shí)為動(dòng)詞歧義消解提供了知識(shí)源。機(jī)器翻譯方面，由于不同語言的搭配規(guī)律不同，造成不同語言詞語之間的對等翻譯極為困難，詞語搭配的翻譯將有助于提高翻譯質(zhì)量。句法分析方面，動(dòng)賓搭配作為句法、語義雙重關(guān)系的載體，能夠幫助確定句子的核心成分關(guān)系，提高分析精度。

本文的研究將從以下幾個(gè)方面具體開展： 首先，從語言本體的角度出發(fā)，總結(jié)動(dòng)賓搭配知識(shí)體系；其次，根據(jù)動(dòng)賓搭配知識(shí)體系制定BCC語料庫的檢索式，獲得動(dòng)賓搭配知識(shí)對；最后，根據(jù)檢索結(jié)果優(yōu)化檢索式，并對獲得的動(dòng)賓搭配知識(shí)進(jìn)行消歧。

2 動(dòng)賓搭配知識(shí)體系

前人從語言學(xué)角度對動(dòng)賓搭配所做的研究相對較多，但前人研究多是從語義角度展開的，不利于形式化抽取。本文主要從賓語由哪些詞類或結(jié)構(gòu)充當(dāng)?shù)慕嵌日韯?dòng)賓搭配知識(shí)體系，首先從宏觀的角度將動(dòng)賓搭配分為三大類型，根據(jù)賓語的體謂性將動(dòng)賓搭配分為“動(dòng)+體賓”和“動(dòng)+謂賓”兩大類，又因?yàn)殡p賓語的情況比較特殊，故沒有將“動(dòng)+雙賓”歸為上述兩類中，單獨(dú)歸為一類；其次，對每一大類下的賓語構(gòu)成做細(xì)致區(qū)分，并列舉相應(yīng)例句，該過程以朱德熙、李臨定、劉月華先生的賓語語義分類為主，結(jié)合高校使用的現(xiàn)代漢語教材中對賓語構(gòu)成成分的說明(表1)，最終形成一個(gè)動(dòng)賓語義全面且便于形式化檢索的知識(shí)體系。本文在抽取動(dòng)賓搭配知識(shí)時(shí)，考慮到語言層層遞歸的復(fù)雜性以及抽取方式的局限，只對一般名賓、代詞賓語、數(shù)量名賓語、簡單定中作賓語、動(dòng)詞賓語、形容詞賓語進(jìn)行了抽取。

表1 前人的賓語分類體系

前人對體詞性賓語的語義類研究較多，謂詞性賓語一般分為動(dòng)賓和小句賓。為便于書寫形式化的檢索式，本文從充當(dāng)賓語的詞類出發(fā)，對賓語進(jìn)行重新分類，盡可能覆蓋所有的賓語語義角色。賓語的常用語義角色基本是一般名詞(n)作賓語，本文把能用詞性區(qū)分出來的處所賓語(ns)單獨(dú)劃分為一類，其余都?xì)w入一般名賓；數(shù)量結(jié)構(gòu)作賓語，本文認(rèn)為動(dòng)量短語是對動(dòng)作的補(bǔ)充說明，是補(bǔ)語而不是賓語，將名量短語和時(shí)量結(jié)構(gòu)作賓語劃分為數(shù)量賓語；代詞和聯(lián)合短語作賓語，根據(jù)體謂性將其分別歸入體賓和謂賓中；存現(xiàn)句是一種特殊句法現(xiàn)象，且存現(xiàn)動(dòng)詞是一個(gè)封閉的類，故將存現(xiàn)賓語單獨(dú)劃分為一類。只有朱德熙先生的分類中有程度賓語，本文認(rèn)為其是程度補(bǔ)語，不納入賓語范圍。體詞性賓語中其他小類劃分情況較為一致，這里沿用前人分類。謂詞性賓語中，過去都只是粗略分為動(dòng)賓、形賓、小句賓，本文將可以充當(dāng)賓語的謂詞性結(jié)構(gòu)均單獨(dú)分類，更加細(xì)致，便于從形式上區(qū)分。另只有黃廖本的《現(xiàn)代漢語》中提到復(fù)句作賓語的情況，鑒于復(fù)句也是謂詞性的，將其劃分為謂賓下的一類。雙賓動(dòng)詞也是一個(gè)封閉詞表，根據(jù)雙賓中兩個(gè)賓語的類型劃分為“真賓+準(zhǔn)賓”“真賓+真賓”兩類。綜上，本文定義的動(dòng)賓搭配知識(shí)體系如表2所示。

表2 動(dòng)賓搭配知識(shí)體系表

續(xù)表

3 動(dòng)賓搭配獲取

3.1 檢索系統(tǒng)

本文獲取動(dòng)賓搭配知識(shí)的語料庫是對外開放的北京語言大學(xué)語料庫BCC(http://bcc.blcu.edu.cn)的延伸版，其包括報(bào)刊、文學(xué)、科技、微博等各領(lǐng)域的語料，數(shù)據(jù)規(guī)模較公開版更大，約1.1萬億字。該語料庫能夠支持集字符、屬性和結(jié)構(gòu)信息為一體的復(fù)雜查詢，且檢索速度較快。基于該語料庫抽取動(dòng)賓搭配知識(shí)，需要制定相應(yīng)的BCC檢索式，接下來將詳細(xì)介紹檢索式的構(gòu)成。

3.1.1 簡單檢索

簡單檢索的檢索式只有Query部分，可以包含字符串、詞性符號(hào)、離合符號(hào)“*”、單個(gè)詞語標(biāo)識(shí)符“～”、空格等內(nèi)容，對上下文的限制較少，只能表達(dá)簡單的結(jié)構(gòu)和語義信息。BCC簡單檢索式構(gòu)成具體介紹如表3所示。

表3 BCC簡單檢索式構(gòu)成說明

續(xù)表

3.1.2 復(fù)雜檢索

復(fù)雜檢索的檢索式包括Query和Condition兩部分，形如“Query{condition1;condition2;...;print($i)}”。從功能上看，復(fù)雜檢索式可以對上下文進(jìn)行條件約束，對抽取部分進(jìn)行韻律結(jié)構(gòu)限制、詞屬性類限制，同時(shí)可以實(shí)現(xiàn)同一個(gè)檢索式中詞表的實(shí)例化檢索，提高檢索效率。從形式上看，復(fù)雜檢索式的Query部分可以出現(xiàn)“()”，表示被限定的部分，condition部分表示條件限制，print表示輸出語句。如“不(v) (n) W{len($1)=2;len($2)=2;print($1$2)}”，表示“不+雙音節(jié)v+雙音節(jié)n+標(biāo)點(diǎn)”共現(xiàn)的情況，用“()”括起來的部分表示需要予以限定的部分，“$1”表示第一個(gè)被括起來的部分，可以用詞表對其進(jìn)行類的限制，“[S_T_體謂準(zhǔn)_體]”為自定義詞表，表示體賓動(dòng)詞，也可對音節(jié)進(jìn)行限制，“l(fā)en($1)=2”表示第一個(gè)元素即“v”是雙音節(jié)的；“W”表示標(biāo)點(diǎn)符號(hào)，這里是指以標(biāo)點(diǎn)結(jié)尾的動(dòng)名搭配；“print($1$2)”這里表示輸出query部分被括起來的內(nèi)容，即只輸出“v n”搭配，沒有print語句時(shí)，默認(rèn)輸出整個(gè)檢索式的檢索結(jié)果。同時(shí)，復(fù)雜檢索式可以使用“$V”表示實(shí)例化檢索式詞表中的詞，如“$V=[S_V_趨_趨向動(dòng)詞]”，表示將趨向動(dòng)詞表中的詞語逐個(gè)放入檢索式中“$V”的位置進(jìn)行檢索。

3.1.3 簡單檢索與復(fù)雜檢索抽取結(jié)果對比

簡單檢索式抽取結(jié)果和復(fù)雜檢索式抽取結(jié)果對比如表4所示。

表4 簡單檢索與復(fù)雜檢索抽取結(jié)果對比

簡單檢索式“v n”抽取的搭配中“采訪時(shí)、參與方式”并不是動(dòng)賓搭配，“采訪時(shí)”的韻律構(gòu)成是2+1，馮勝利[12]指出“2+1”式動(dòng)賓組合容易導(dǎo)致“抑揚(yáng)”結(jié)構(gòu)，普通重音無法實(shí)現(xiàn)，不易構(gòu)成動(dòng)賓搭配，因此，可以分別采用不同的韻律構(gòu)成單獨(dú)檢索?！皡⑴c方式”是動(dòng)詞作定語構(gòu)成的定中結(jié)構(gòu)，而動(dòng)詞作定語時(shí)，一般是不能被否定副詞修飾的，可以在檢索式中加入否定副詞“不”進(jìn)行限制，如復(fù)雜檢索式“不(v)(n) W{len($1)=2;len($2)=2;print($1$2)}”，則可以避免上述情況的出現(xiàn)，提高檢索的準(zhǔn)確性。簡單檢索式“打 * n”只能抽取關(guān)于動(dòng)詞“打”的離合型名詞賓語，而不同屬性類的動(dòng)詞帶賓的上下文情況不同，需要根據(jù)動(dòng)詞小類及賓語上下文情況細(xì)化檢索式。復(fù)雜檢索式“$V過(n) W{$V=[S_V_趨向動(dòng)詞_趨];len($1)=2}”中，“$V”表示動(dòng)詞某一屬性類的詞表，該檢索式可以對詞表內(nèi)的詞語進(jìn)行實(shí)例化檢索，大大提高檢索效率。經(jīng)過對比可知，復(fù)雜檢索式效果要好于簡單檢索式，故本文在抽取時(shí)大多采用復(fù)雜檢索式。

3.2 動(dòng)賓搭配規(guī)則

上一節(jié)詳細(xì)介紹了動(dòng)賓搭配的分類情況，本節(jié)將詳細(xì)說明為抽取動(dòng)賓搭配知識(shí)制定的檢索式情況?，F(xiàn)代漢語語法具有遞歸性，不同結(jié)構(gòu)類型層層嵌套形成的動(dòng)賓結(jié)構(gòu)比較復(fù)雜，故本文目前只抽取了簡單類型的賓語，即體詞性賓語中的一般名賓、代詞賓語、數(shù)量名賓語的連續(xù)類型和離合類型，謂詞性賓語中的動(dòng)詞賓語和形容詞賓語的連續(xù)類型和離合類型。根據(jù)這幾種情況，再分別從屬性類、上下文、韻律結(jié)構(gòu)和自然標(biāo)注信息等方面添加限制條件，共制定檢索式223個(gè)。

3.2.1 連續(xù)型動(dòng)賓搭配規(guī)則

連續(xù)型動(dòng)賓主要抽取了動(dòng)詞后緊鄰賓語的情況，在檢索時(shí)重點(diǎn)關(guān)注動(dòng)詞的上下文，從動(dòng)詞的修飾語、屬性類、動(dòng)賓的韻律構(gòu)成和標(biāo)點(diǎn)信息等方面來添加限制條件，盡可能使抽取的搭配能夠構(gòu)成動(dòng)賓關(guān)系。連續(xù)型動(dòng)賓檢索情況如表5所示。

表5 連續(xù)型動(dòng)賓檢索情況

續(xù)表

3.2.2 離合型動(dòng)賓搭配規(guī)則

離合型動(dòng)賓主要抽取了動(dòng)詞和賓語之間有其他詞語出現(xiàn)的情況，抽取時(shí)重點(diǎn)關(guān)注能出現(xiàn)在動(dòng)賓之間的不同離合成分，抽取了離合成分為“著了過”、“了個(gè)”、數(shù)量、賓語的定語成分等的動(dòng)賓搭配。離合型動(dòng)賓檢索情況如表6所示。

表6 離合型動(dòng)賓檢索情況

3.3 動(dòng)賓搭配消歧

在第一輪抽取工作結(jié)束后，筆者詳細(xì)觀察了抽取到的動(dòng)賓搭配知識(shí)，發(fā)現(xiàn)抽取的知識(shí)長尾效應(yīng)明顯，且由于語料的分詞錯(cuò)誤、詞性標(biāo)注錯(cuò)誤和檢索式的局限性，抽取到的動(dòng)賓搭配數(shù)據(jù)中也存在著一些非動(dòng)賓搭配的類型。動(dòng)賓搭配知識(shí)作為句法分析中最基礎(chǔ)的資源，其準(zhǔn)確性直接影響整個(gè)句法分析器的效果，因此，為了獲得更為準(zhǔn)確的動(dòng)賓搭配知識(shí)，本文從檢索式書寫、動(dòng)詞、賓語等方面進(jìn)行了初步的消歧。

3.3.1 檢索式優(yōu)化

為提高檢索結(jié)果的準(zhǔn)確率，筆者對初步制定的223個(gè)檢索式人工進(jìn)行了有效性評估，分別用1到5來表示檢索式有效性從低到高，對于有效性低于3的檢索式從限制動(dòng)詞和賓語兩個(gè)方面進(jìn)行改進(jìn)，若改進(jìn)后檢索效果有所提升，則保留改進(jìn)后的檢索式，若改進(jìn)后檢索效果仍不理想，則舍棄該檢索式。如簡單檢索式“(v)(n) W{len($1)=2;len($2)=2}”的有效性只有2，雖然該檢索式能夠召回大量的“VN”對，但非動(dòng)賓搭配的負(fù)例情況也較多，比如“聯(lián)系電話”“購買地址”這種最典型的動(dòng)詞作定語修飾名詞的例子也會(huì)被當(dāng)作動(dòng)賓搭配抽取出來，故在動(dòng)詞前用典型否定副詞“不、沒”加以約束，并對“V”和“N”進(jìn)行屬性類的約束，構(gòu)造出更有效的檢索式“不(v)(n)W{$1=[S_V_體謂準(zhǔn)_體];$1!=[S_V_趨向動(dòng)詞_趨];len($1)=2;$2=[P_N_賓語_可];len($2)=2;print($1$2)}、沒(v)(n)W{begin($1)!=[有];$1=[S_V_體謂準(zhǔn)_體];len($1)=2;$2=[P_N_賓語_可];len($2)=2;print($1$2)}”，一定程度上減少了非動(dòng)賓搭配對。經(jīng)評估改進(jìn)后，共得到140個(gè)檢索效果相對較好的檢索式。

3.3.2 動(dòng)詞部分消歧

動(dòng)詞部分引起歧義主要是由兩方面的原因?qū)е?，一是?dòng)詞方面，即動(dòng)詞不能帶賓語或抽取出來的是動(dòng)詞作定語的情況；二是語料庫方面，即BCC語料庫的分詞錯(cuò)誤、詞性標(biāo)注錯(cuò)誤及分詞粒度等原因。

針對動(dòng)詞方面的原因，筆者在抽取語料時(shí)根據(jù)前人研究整理了及物動(dòng)詞表、體賓動(dòng)詞表、謂賓動(dòng)詞表、可作定語的動(dòng)詞表、《現(xiàn)代漢語詞典(第7版)》中的動(dòng)詞表、心理動(dòng)詞表、趨向動(dòng)詞表等一系列動(dòng)詞子類表。一方面，在書寫檢索式時(shí)可以使用這些詞表作為限制條件，提高檢索效果；另一方面，可以對抽取結(jié)果進(jìn)行篩選。如“不起精神”雖然符合檢索式“不(v)(n)W{$1=[S_V_體謂準(zhǔn)_體];len($1)=1;$2=[P_N_賓語_可];len($2)=2;print($1$2)}”，“起”也可以帶體賓，例如，“起作用”“起血泡”等，但觀察語料發(fā)現(xiàn)，“不起精神”并不是動(dòng)賓搭配，而是“打不起精神”的一部分，而且“起”作補(bǔ)語的情況要更為普遍，所以筆者利用趨向動(dòng)詞表將趨向動(dòng)詞的搭配從檢索結(jié)果中抽取出來，人工校驗(yàn)。

針對語料庫方面的原因，筆者以《現(xiàn)代漢語詞典(第7版)》的動(dòng)詞為標(biāo)準(zhǔn)，將與詞典詞性不一致的視為詞性標(biāo)注錯(cuò)誤，但也有一些特殊情況除外。如詞典中沒有“看到”一詞，這主要是因?yàn)椤翱吹健笨梢岳斫鉃閯?dòng)詞“看”與趨向動(dòng)詞“到”組合形成的述補(bǔ)結(jié)構(gòu)，但由于二者結(jié)合比較緊密，高頻使用，故語料庫往往將其切分為一個(gè)詞。針對這種不一致，仍保留該詞為動(dòng)詞。而“達(dá)”在詞典中為一個(gè)語素，但是在語言中經(jīng)常會(huì)有“人口達(dá)13億”“產(chǎn)值達(dá)290億元”“竹制品已達(dá)200多個(gè)”等“達(dá)”作動(dòng)詞，后常跟數(shù)量短語的用法，因此也將其視為一個(gè)詞?！鞍寻选睉?yīng)該是“把把關(guān)”，是“把關(guān)”一詞的變形，雖然語料庫中將“把把”切分為一個(gè)動(dòng)詞，但抽取動(dòng)賓搭配時(shí)不宜將其視為一個(gè)詞。

3.3.3 賓語部分消歧

賓語部分引起歧義也分為賓語自身和語料庫兩方面的原因。前者主要是賓語部分不能與動(dòng)詞構(gòu)成動(dòng)賓搭配，如“時(shí)候”“臺(tái)風(fēng)”“產(chǎn)品”不能與動(dòng)詞“打”構(gòu)成動(dòng)賓搭配，但這類現(xiàn)象幾乎在每個(gè)動(dòng)詞的搭配表中都會(huì)出現(xiàn)，分布較為離散，本文目前只將低頻部分舍去，尚未對高頻部分進(jìn)行過濾。后者主要也是分詞錯(cuò)誤和詞性標(biāo)注錯(cuò)誤。經(jīng)觀察語料發(fā)現(xiàn)詞性標(biāo)注錯(cuò)誤主要表現(xiàn)為英文字母、標(biāo)點(diǎn)符號(hào)、數(shù)字、其他詞性的詞等都有被標(biāo)為名詞的現(xiàn)象，比如語氣詞“嗎”、代詞“那”等。分詞錯(cuò)誤主要表現(xiàn)為把標(biāo)點(diǎn)和詞語切分在一個(gè)詞語內(nèi)，如“W酸奶”“眼病W”等。對于詞性錯(cuò)誤和標(biāo)點(diǎn)切分錯(cuò)誤，統(tǒng)一采用正則表達(dá)式對抽取結(jié)果進(jìn)行剔除。

3.3.4 人工校對

正如齊夫律(Zipf’s Law)揭示的那樣，針對于一種語言的詞匯分布來說，極少數(shù)高頻詞(型)的出現(xiàn)次數(shù)已經(jīng)覆蓋一個(gè)語料庫總詞數(shù)的絕大部分，而詞(型)總數(shù)中大約一半的詞(型)在這個(gè)語料庫中卻只出現(xiàn)一次。詞語搭配的分布同樣也遵循齊夫律，因此，本文在上述消歧結(jié)束后選取了動(dòng)賓搭配中高頻80%的部分，進(jìn)行了人工消歧，最終獲得動(dòng)賓搭配300萬對。動(dòng)賓搭配知識(shí)庫各子類分布情況如表7所示。

表7 動(dòng)賓搭配知識(shí)庫各子類分布情況

從表7可知，能夠帶體詞性賓語的動(dòng)詞數(shù)量要比能夠帶謂詞性賓語的動(dòng)詞多，動(dòng)賓搭配知識(shí)庫中“動(dòng)+體賓”的搭配對數(shù)占總搭配數(shù)的89.74%，要遠(yuǎn)遠(yuǎn)高于“動(dòng)+謂賓”的10.26%，這說明了體詞比謂詞更容易被支配，人們在語言生活中表達(dá)較多的是動(dòng)作行為與客觀事物、對象的關(guān)系，以及人們對客觀事物、對象的觀點(diǎn)、看法等；表達(dá)較少的是動(dòng)作行為與動(dòng)作行為的支配關(guān)系。其中，體詞性賓語中連續(xù)型名賓的數(shù)量最多，占了體賓總數(shù)的94%；其次是離合型名賓，占體賓總數(shù)的3%，如圖1所示。謂詞性賓語中連續(xù)型動(dòng)詞賓語的數(shù)量最多，占了謂賓總數(shù)的87.6%，其次是連續(xù)型形容詞賓語，占謂賓總數(shù)的10.6%，如圖2所示。體賓與謂賓相比，離合型賓語更多，即“動(dòng)+體賓”中更容易添加“著、了、過”等詞語，以表示動(dòng)作發(fā)生的時(shí)態(tài)，而“動(dòng)+謂賓”中，動(dòng)詞大多數(shù)是心理動(dòng)詞，時(shí)態(tài)性較弱，更傾向于緊鄰搭配。

圖1 體賓各子類分布情況

圖2 謂賓各子類分布情況

3.4 動(dòng)賓搭配知識(shí)庫

本文將抽取到的300萬對動(dòng)賓搭配按層級(jí)入庫，即先按“動(dòng)+體賓”“動(dòng)+謂賓”分類，再將每一類下每個(gè)動(dòng)詞的所有賓語按頻次高低排序， 具體如圖3所示?！癡N”表示“動(dòng)+體賓”，“VP”表示“動(dòng)+謂賓”。且本文抽取的動(dòng)賓搭配已建立檢索服務(wù)，可以查詢某一個(gè)動(dòng)詞的全部賓語，也可以查詢兩個(gè)詞語是否是動(dòng)賓搭配。

圖3 動(dòng)賓搭配庫存儲(chǔ)形式

4 結(jié)語

本文主要從動(dòng)賓搭配知識(shí)體系的構(gòu)建、檢索式構(gòu)成及書寫、動(dòng)賓搭配抽取及消歧等方面展開工作，共制定檢索式140個(gè)，抽取到動(dòng)賓搭配300萬對，構(gòu)建了一個(gè)規(guī)模較大、質(zhì)量較高的動(dòng)賓搭配知識(shí)庫。該知識(shí)庫的構(gòu)建不僅為中文信息處理的子任務(wù)提供了大規(guī)模、高質(zhì)量的基礎(chǔ)知識(shí)，提高了計(jì)算機(jī)分析語言的能力，同時(shí)也為語言研究和語言教學(xué)提供了大量真實(shí)可靠的實(shí)例。此外，在構(gòu)建動(dòng)賓搭配知識(shí)庫的過程中發(fā)現(xiàn)，盡管動(dòng)賓搭配的知識(shí)體系較為完善，但漢語缺乏形態(tài)變化，很多語言學(xué)知識(shí)人們能夠理解并很好地運(yùn)用，但卻無法將其形式化，轉(zhuǎn)化為計(jì)算機(jī)可利用的知識(shí)。因此，本文的工作仍有一定的不足之處。首先，本文利用更多的是詞性信息、動(dòng)賓搭配的韻律條件及少量的動(dòng)詞子類信息，只完成了簡單動(dòng)賓搭配的抽取，對層層嵌套遞歸性的動(dòng)賓抽取尚無能為力。其次，檢索式自身的表達(dá)能力也相對有限，在抽取動(dòng)賓搭配知識(shí)時(shí)，只能體現(xiàn)有限的上下文，且語料庫自身存在著分詞和詞性標(biāo)注的錯(cuò)誤，造成后期消歧壓力較大。最后，由于人力物力的限制，本文只對抽取結(jié)果進(jìn)行了初步消歧，檢索結(jié)果仍有進(jìn)一步消歧的需要。

目前，本文初步完成了動(dòng)賓搭配知識(shí)庫的構(gòu)建，今后還可以從以下幾個(gè)方面進(jìn)一步完善和改進(jìn)。第一，采用計(jì)算的方法對抽取結(jié)果再次進(jìn)行消歧，提高動(dòng)賓搭配知識(shí)庫的質(zhì)量；第二，利用已有知識(shí)庫建立深度學(xué)習(xí)模型，自動(dòng)抽取本文目前尚未覆蓋的其他動(dòng)賓搭配類型，不斷完善動(dòng)賓搭配知識(shí)庫；第三，探索將動(dòng)賓搭配方面更多語言知識(shí)形式化的方法，降低知識(shí)抽取的難度。

本文資源將逐步以合宜方式在學(xué)術(shù)界和工業(yè)界共享。