郭康平 馮 莉

(1.黑龍江大學(xué)文學(xué)院;2.黑龍江大學(xué)應(yīng)用外語學(xué)院,黑龍江 哈爾濱 150080)

一、前言

CorpusWordParser是一款創(chuàng)建于2014年且免費使用的語料庫分詞和標(biāo)注工具和該軟件具有類似分詞標(biāo)注詞性功能的軟件“NLPIR-ICTCLAS”系統(tǒng)(也可直接稱為“ICTCLAS”)，都是由中國科學(xué)院計算技術(shù)研究所研制的，主要功能包括中文分詞、詞性標(biāo)注、命名實體識別、新詞識別等等。

首先運用語料分詞標(biāo)記軟件CorpusWordParser對1954-2021年《政府工作報告》(部分年代有缺失)語料進行分詞并標(biāo)記詞性。運用Antconc軟件對歷年助詞詞種以及出現(xiàn)的頻次進行統(tǒng)計。發(fā)現(xiàn)CorpusWordParser對部分年份中助詞詞性標(biāo)記錯誤。此外，ICTCLAS在與CorpusWordParser標(biāo)注同一句子時，與CorpusWordParser軟件具有共同的錯誤之處。

本文提出的詞性標(biāo)注錯誤主要依據(jù)詞典、現(xiàn)代漢語教材和相關(guān)論文。詞典主要有《現(xiàn)代漢語詞典》(2016)[1]、《現(xiàn)代漢語八百詞》(增訂本1999)[2]、《現(xiàn)代漢語規(guī)范用法大詞典》(2001)[3]；《現(xiàn)代漢語》教材主要參考錢乃榮(2001)[4]，蘭賓漢、邢向東(2006)[5]，郭銳、王理嘉、陸儉明(2012)[6]，黃伯榮、廖旭東(2016)[7]，邢福義、汪國勝(2019)[8]等等。其他著作主要參考:馬彪(2002)[9]，齊滬揚、張誼生、陳昌來(2002)[10]等等。

二、標(biāo)注錯誤類型

就助詞詞性標(biāo)注來看，其錯誤類型主要歸為兩大類。第一類是將實詞性語素或詞標(biāo)記為助詞；第二類是將助詞標(biāo)記為其他詞性。

(一)將實詞性語素標(biāo)記為助詞

第一類是將實詞性語素或詞標(biāo)記為助詞，有“動詞標(biāo)記為助詞、名詞標(biāo)記為助詞、量詞標(biāo)記為助詞和介詞、代詞標(biāo)記為助詞”四小類。

1.動詞標(biāo)記為助詞

動詞標(biāo)記為助詞的有“得”和“著”。

(1)得

關(guān)于“得”的詞性有三種看法。1)標(biāo)記“得”是動詞、助詞、助動詞三種詞性的有《現(xiàn)代漢語詞典》[1]、《現(xiàn)代漢語規(guī)范用法大詞典》[3]。2)標(biāo)記“得”是助詞、動詞兩種詞性的有《現(xiàn)代漢語八百詞》[2]。3)僅僅提及“得”的助詞用法的有黃伯榮、廖旭東(2016)[7]等。筆者認為上述詞典以及教材對“得”的助詞和動詞用法釋義基本相同，可以歸結(jié)為：“得1”為動詞詞性，表示完成，得到義；“得2”為結(jié)構(gòu)助詞，用在中心詞和補語中間，是補語的標(biāo)志。至于表示“需要、允許”義的“得3”，究竟為助動詞或助詞，反映了學(xué)術(shù)意見的不同，不是軟件自身的問題。因此，本文僅展示該軟件將動詞“得”標(biāo)記為助詞的例句。

該軟件將動詞“得”標(biāo)記為助詞。該軟件將“得不到、少勞少得、得大頭、得實惠”等結(jié)構(gòu)中的動詞“得”標(biāo)記為助詞。黃伯榮、廖旭東(2016)[7]等學(xué)者認為助詞“得”是附著在實詞、短語、句子后表示結(jié)構(gòu)關(guān)系或動態(tài)等語法意義，是補語標(biāo)志，而“得不到、少勞少得、得大頭、得實惠”等結(jié)構(gòu)中的“得”一般為中補結(jié)構(gòu)，動賓結(jié)構(gòu)，在句中作謂語或中心語成分，具有“得到”義，因此不是助詞?！冬F(xiàn)代漢語詞典》[1]、《現(xiàn)代漢語八百詞》[2]等認為具有“得到”等意義的“得”是動詞，因此本文認為應(yīng)該將其判定為動詞。

表1 動詞“得”標(biāo)記為助詞的錯誤示例

(2)著

關(guān)于“著”的詞性有兩種看法。1)認為“著”有助詞和動詞兩種詞性的有《現(xiàn)代漢語詞典》[1]、《現(xiàn)代漢語規(guī)范用法大詞典》[3]、《現(xiàn)代漢語八百詞》[2]。2)僅提及“著”的助詞詞性的有黃伯榮、廖旭東(2016)[7]，郭銳、王理嘉、陸儉明(2012)[6]等?？梢?，“著”有兩種詞性：“著1”為助詞，表示動作或狀態(tài)的持續(xù)；“著2”為動詞，表示強調(diào)義。

該軟件將“著重地”“著重點”中的動詞“著”錯誤地標(biāo)記為助詞。《現(xiàn)代漢語詞典》[1]等均認為助詞“著”表示動作或狀態(tài)的持續(xù)，例如：他們正談著話?！爸氐亍薄爸攸c”中的“著”不表示動作或狀態(tài)的持續(xù)，但具有“強調(diào)”義，因此不是助詞詞性?！冬F(xiàn)代漢語詞典》[1]認為“著重”是動詞，表示把重點放在某一方面，具有強調(diào)意義，因此“著重地”“著重點”中的“著”為動詞。該軟件誤將“著重/地”“著重/點”判定“著/重地”“著/重點”，分詞和標(biāo)注均是錯誤的。

例句：(1)著/u重地/n發(fā)展/v了/u社會主義/n的/u國營經(jīng)濟/n和/c各種/r類型/n的/u合作社/n經(jīng)濟/n(1954)

(2)它/r的/u著/u重點/n，/w是/vl在/p堅持/v六/m項/q政治/n標(biāo)準(zhǔn)/n的/u前提/n下/nd(1978)

2.名詞標(biāo)記為助詞

名詞標(biāo)記為助詞的有“地”。

地

關(guān)于“地”的詞性有兩種看法。1)認為“地”有助詞和名詞兩種詞性的有《現(xiàn)代漢語詞典》[1]、《現(xiàn)代漢語規(guī)范用法大詞典》[3]。2)認為“地”為助詞詞性的有《現(xiàn)代漢語八百詞》[2]，邵敬敏(2001)[11]，黃伯榮、廖旭東(2016)[7]等?？梢?，“地”有兩個：“地1”為名詞，表示土地，地級等；“地2”為結(jié)構(gòu)助詞，用在狀語和中心語之間，是狀語標(biāo)志。

該軟件將“……等地，因地制宜，因地施肥，地、市、縣”等結(jié)構(gòu)中的名詞“地”錯誤地標(biāo)注為助詞詞性?！冬F(xiàn)代漢語詞典》[1]等認為“地”作為名詞表示地球、陸地、地區(qū)、地方、路程等意義?！啊鹊亍薄耙虻刂埔恕薄耙虻厥┓省敝小暗亍北硎镜貐^(qū)的意義，而“地、市、縣”等結(jié)構(gòu)中的“地”表示級別意義，因此以上語料中的“地”是名詞?！冬F(xiàn)代漢語詞典》[1]，黃伯榮、廖旭東(2016)[7]認為助詞“地”表示它前面的詞或詞組是狀語，是狀語標(biāo)志，如“天漸漸地冷了”中“地”為助詞。因此上述語料中的“地”為名詞而非助詞。

例如：(1)如/v變/v堿地/n和/c砂/n地/u為/p良田/n，/w變/v山坡/n地/u為/p梯田/n，(1955)

(2)研究/v因/c地/u改良/v、/w因/c地/u種植/v、/w因/c地/u施肥/v等/v項/q措施/n(1960)

(3)自治區(qū)/n以及/c地/u、/w市/n、/w縣/n和/c基層/n組織/n(1982)

3.量詞標(biāo)記為助詞和介詞

量詞標(biāo)記為助詞和介詞的有“所”。

所

對于“所”的詞性主要有四種看法。1)認為“所”有名詞、量詞、助詞三種詞性的有《現(xiàn)代漢語詞典》[1]、《現(xiàn)代漢語規(guī)范用法大詞典》[3]。2)認為“所”為助詞詞性的有《現(xiàn)代漢語八百詞》[2]等詞典，黃伯榮、廖旭東(2016)[7]等教材。3)認為“所”為介詞的有錢乃榮(2001)[4]。4)認為“所”有代詞詞性的有文鋒(1991)[12]。錢乃榮(2001)[4]、文鋒(1991)[12]等認為“所”具有介詞詞性、代詞詞性的例子現(xiàn)均被認為是助詞詞性，如黃伯榮、廖旭東(2016)[7]，邢福義、汪國勝(2019)[8]?？梢姟八庇腥N詞性：“所1”為名詞，表示處所；“所2”為量詞，用于房屋等建筑；“所3”為助詞，幫助“所+動詞”構(gòu)成名詞短語。該軟件錯誤地將量詞“所”標(biāo)記為助詞詞性以及介詞詞性。

第一種錯誤是該軟件將量詞“所”標(biāo)記為助詞。其表現(xiàn)是將類似于“中央衛(wèi)生部醫(yī)院共有三千零六十八所”中的量詞“所”標(biāo)注為助詞。《現(xiàn)代漢語詞典》釋義[1]及黃伯榮、廖旭東(2016)[7]等人認為助詞“所”用在及物動詞之前，使“所+動詞”成為名詞短語，如：“我所認識的人、所見所聞、各取所需”等結(jié)構(gòu)中的“所”為助詞，可見軟件標(biāo)準(zhǔn)語料中的“所”不是助詞詞性?！冬F(xiàn)代漢語詞典》[1]、《現(xiàn)代漢語規(guī)范用法大詞典》[3]認為“一所學(xué)校”中的“所”是量詞，“所”作為量詞可用于房屋，學(xué)校等。因此可以判定“所”是量詞而非助詞。

第二種錯誤是該軟件將量詞“所”標(biāo)記為介詞。量詞“所”標(biāo)記為介詞僅有1956年“全國設(shè)立的工人技術(shù)學(xué)校將達192所”這一例語料。而上述詞典和著作中僅僅錢乃榮(2001)[4]認為“所”為介詞，根據(jù)黃伯榮、廖旭東(2016)[7]對介詞定義來判斷，“所”不具有介引功能。因此，該句中的“所”不是介詞而是量詞。

表2 量詞“所”標(biāo)記的部分錯誤示例

4.代詞標(biāo)記為助詞

代詞標(biāo)記為助詞的是“之”。

之

對于“之”的詞性主要有兩種看法。1)認為“之”具有動詞、代詞、助詞三種詞性的有《現(xiàn)代漢語詞典》[1]、《現(xiàn)代漢語規(guī)范用法大詞典》[3]。2)認為“之”是結(jié)構(gòu)助詞的有黃伯榮、廖旭東(2016)[7]等?？梢姟爸庇腥N詞性：“之1”為動詞，表示到，該用法來源于古代漢語；“之2”為代詞，代指人或事物；“之3”為助詞，相當(dāng)于“的”。軟件是將代詞“之”錯誤地標(biāo)記為助詞。

該軟件將“本政府均愿與之建立外交關(guān)系”“輔之以必要的改革”等結(jié)構(gòu)中的代詞“之”錯誤地標(biāo)記為助詞?！冬F(xiàn)代漢語詞典》[1]等認為助詞“之”用在定語和中心詞之間，組成偏正詞組，例如：求之不得。黃伯榮、廖旭東(2016)[7]認為結(jié)構(gòu)助詞“之”相當(dāng)于口語“的”，居定中短語中間，例如：光榮之家。語料中的“之”分別充當(dāng)動詞“輔”的賓語，代表某個政策，作介詞“與”的賓語，代表某個國家，均具有指代意義，因此“之”不是結(jié)構(gòu)助詞?！冬F(xiàn)代漢語詞典》[1]等認為代詞“之”代替人或事物。所以，語料中的“之”均為代詞。

例如：(1)本/n政府/n均/d愿/vu與/c之/u建立/v外交關(guān)系/n。(1954)

(2)使/v之/u逐步/d地/u轉(zhuǎn)變/v為/p社會主義/n企業(yè)/n，(1955)

(3)輔/v之/u以/p必要/a的/u改革/v。(1981)

(二)將助詞詞性標(biāo)記為其他詞性

將助詞詞性標(biāo)記為其他詞性的有“助詞標(biāo)記為動詞、助詞標(biāo)記為形容詞”兩小類。

1.助詞標(biāo)記為動詞

助詞標(biāo)記為動詞的有“等”。

等

對于“等”的詞性主要有三種看法。1)認為“等”有名詞、動詞、量詞、助詞、介詞五種詞性的有《現(xiàn)代漢語詞典》[1]。2)認為“等”具有動詞和助詞兩種詞性主要有《現(xiàn)代漢語八百詞》[3]。3)認為“等”具有助詞詞性的有邵敬敏(2001)[11]、朱軍(2008)[16]等?？梢?，“等”有五種詞性：“等1”為名詞，表示等級；“等2”為動詞，表示等待，等候；“等3”為量詞，表示類別，種類；“等4”為助詞，用在人稱代詞后表示復(fù)數(shù)；“等5”為介詞，表示等到。

該軟件將“發(fā)展以糧食等農(nóng)產(chǎn)品為原料的加工業(yè)、運用信息網(wǎng)絡(luò)等現(xiàn)代技術(shù)”等句子中的助詞“等”錯誤地標(biāo)記為動詞。《現(xiàn)代漢語詞典》[1]認為動詞“等”表示等候、等待，語料中的“等”不具有動詞含義，但具有列舉未盡之意，因此不是動詞?！冬F(xiàn)代漢語詞典》[1]、《現(xiàn)代漢語八百詞》[2]、邵敬敏(2001)[11]等認為助詞“等”表示列舉未盡。語料中出現(xiàn)的“糧食等農(nóng)產(chǎn)品”“網(wǎng)絡(luò)等現(xiàn)代技術(shù)”中的“等”均表示列舉未盡之意，因此均為助詞詞性。

例如：(1)運用/v信息/n網(wǎng)絡(luò)/n等/v現(xiàn)代/nt技術(shù)/n，/w推動/v生產(chǎn)/v、/w管理/v和/c營銷/v模式/n變革/v，/w加大/v對/a民生/n等/v薄弱/a環(huán)節(jié)/n的/u支持/v。(2016)

2.助詞標(biāo)記為形容詞

助詞標(biāo)記為形容詞的有“一樣”。

一樣

對于“一樣”的詞性大致有四種看法。1)認為“一樣”具有形容詞、助詞兩種詞性的有《現(xiàn)代漢語規(guī)范用法大詞典》[3]、邵敬敏(2001)[11]。2)認為“一樣”只具有形容詞性的有《現(xiàn)代漢語詞典》[1]《現(xiàn)代漢語八百詞》[2]。3)認為“一樣”具有助詞詞性的有黃伯榮、廖旭東(2016)[7]等。4)認為“一樣”具有形容詞、數(shù)量詞組、比況助詞三種詞性的有張誼生(2002)[13]、徐復(fù)嶺(1980)[14]?？梢?，“一樣”有三種詞性：“一樣1”為形容詞，表示“相等”義；“一樣2”和“似的”一樣是助詞，不能單獨作句子成分；“一樣3”是數(shù)量詞組，例如：一樣?xùn)|西。

該軟件將“年青的知識分子，正在像雨后春筍一樣地生長起來”“把大田種得像菜園子一樣”中的助詞“一樣”錯誤地標(biāo)記為形容詞?！冬F(xiàn)代漢語詞典》[1]認為形容詞“一樣”表示沒有差別，語料中“一樣”不表示沒有差別。根據(jù)《現(xiàn)代漢語規(guī)范用法大詞典》[3]，黃伯榮、廖旭東(2016)[7]等人的看法，本文認為，“正在像雨后春筍一樣地生長起來”“把大田種得像菜園子一樣”中的“一樣”是助詞而非形容詞。

例如：(1)年青/a的/u知識分子/n，/w正在/d像/p雨后春筍/i一樣/a地/u生長/v起來/vd。(1959)

(三)小結(jié)

該軟件將實詞性語素“著”“地”“之”“所”標(biāo)記為助詞，將助詞“等”“一樣”分別標(biāo)記為動詞和形容詞等實詞詞性存在識別不清詞性的問題。將“所、一樣”等詞錯誤地標(biāo)記為介詞、形容詞等詞性，這是由于該軟件的詞性標(biāo)注參照沒有統(tǒng)一的標(biāo)準(zhǔn)導(dǎo)致的。

三、兩款軟件分詞標(biāo)注結(jié)果的比較

本文為了探求此類軟件在助詞分詞和標(biāo)記詞性方面是否一致，隨機選擇CorpusWordParser標(biāo)記錯誤的16個例子，用同樣具有漢語分詞和標(biāo)注詞性功能的“ICTCLAS”系統(tǒng)進行重新分詞和標(biāo)記詞性，兩款軟件測試結(jié)果對比如下：

表3 “CorpusWordParser”與“ICTCLAS”標(biāo)記結(jié)果對比

通過對比發(fā)現(xiàn)，漢語分詞和標(biāo)注軟件均存在詞性標(biāo)注錯誤的情況?！癐CTCLAS”分詞和標(biāo)記詞性的正確率高于“CorpusWordParser”。兩款軟件共同的錯誤之處共有五點。

(1)均將“得實惠”中的動詞“得”標(biāo)記為助詞。

(2)均將“著重/點”劃分為“著/重點”，將動詞“著”標(biāo)記為助詞。

(3)均將“人多地少”“砂地”中的名詞“地”標(biāo)記為助詞。

(4)均將“……高等學(xué)校已由五百九十八所增加到七百一十五所”中的第一個量詞“所”標(biāo)記為助詞。

(5)均將“本政府均愿與之建立外交關(guān)系”中的代詞“之”標(biāo)記為助詞。

以CorpusWordParser、ICTCLAS為關(guān)鍵詞進行檢索發(fā)現(xiàn)這兩種軟件一直被使用。因此，本文的意義之一是提醒使用此類軟件時要加強人工檢查，才能夠提高詞性標(biāo)記的準(zhǔn)確率。

四、結(jié)語

本文以CorpusWordParser為例總結(jié)該類軟件存在的幾點問題，并提出一些改進建議。

(1)從整體來看，漢語分詞和標(biāo)注軟件對于兼類詞的實詞和虛詞詞性的識別準(zhǔn)確性較低。將語料中實詞性的“得”“著”“地”“之”“所”標(biāo)記為虛詞。將語料中虛詞性的“一樣”“等”標(biāo)記為實詞。

(2)詞庫不全。該軟件不能將“砂地”“著重”“得實惠”等劃分為詞和短語，說明其所參照的詞庫不全面或詞庫中未涵蓋這些詞。將“我國人多地少”劃分為“我/r國人/n多/a地/u少/a”，可以說明，該軟件的詞庫中沒有“我國”一詞，只有“國人”，或者其所參照的詞庫中“國人”的統(tǒng)計數(shù)據(jù)高于“我國”。以上均顯示出該軟件所參考的語料不全面，詞庫不全的缺點。

(3)判斷標(biāo)準(zhǔn)不一致。第一，分詞標(biāo)準(zhǔn)不一致。該軟件將“人多地少”“少勞少得”等結(jié)構(gòu)分開標(biāo)記。將“少勞少得”標(biāo)記為“少/a勞/v少/a得/u”，而與之結(jié)構(gòu)相同的“多勞多得”卻被標(biāo)記為“多勞多得/i”。第二，詞性標(biāo)注標(biāo)準(zhǔn)不一致。將“中央衛(wèi)生部醫(yī)院共有三千零六十八所”中的量詞“所”標(biāo)注為助詞，將“全國設(shè)立的工人技術(shù)學(xué)校將達192所”中量詞“所”標(biāo)記為介詞。可見，該軟件對于分詞和詞性標(biāo)注缺乏統(tǒng)一的標(biāo)準(zhǔn)。

對于上述問題，本文給出如下建議。

(1)加強計算機識別實詞和虛詞的能力。可以根據(jù)現(xiàn)代漢語助詞的內(nèi)在規(guī)律建立漢語助詞庫，將助詞出現(xiàn)的所有用法全部用例句描述出來。

(2)拓展語料空間。解決詞庫不全問題需要參照比現(xiàn)階段范圍更全面，數(shù)量更大的數(shù)據(jù)庫和語料庫，彌補涵蓋詞組不全問題。

(3)提供一致的判斷標(biāo)準(zhǔn)。具體來說，對于“少勞少得”和“多勞多得”判斷標(biāo)準(zhǔn)應(yīng)該達成一致，或均整體標(biāo)注為“i”(i代表習(xí)用語)或均分開標(biāo)注。

判斷標(biāo)準(zhǔn)主要依照權(quán)威詞典等工具書、學(xué)術(shù)著作。所以，對于詞典來說，要求詞性概括全面，對于學(xué)術(shù)著作要求給出有說服力的理由，能在詞性以及用法上給出更具體的解釋。

總的來說，解決上述問題必須要訓(xùn)練計算機區(qū)分兼類詞的實詞和虛詞詞性，依據(jù)詞典以及數(shù)據(jù)庫分詞和判定詞性，參考更豐富的數(shù)據(jù)庫以彌補詞庫不全的問題。在使用分詞標(biāo)記軟件標(biāo)記語篇時，人工檢查仍然是必要的，這應(yīng)當(dāng)引起對漢語分詞標(biāo)記軟件標(biāo)注使用正確性的注意。

最后，本文贊同徐復(fù)嶺(1980)[14]、張誼生(2002)[13]所認為的“一樣”具有助詞、形容詞、數(shù)量詞組三種詞性?！耙粯印弊鳛樾稳菰~，表示相同，同樣?！耙粯印弊髦~，表示“像……一樣”?！耙粯印弊鳛閿?shù)量詞組，修飾限定事物，例如：一樣?xùn)|西。王自強(1998)《現(xiàn)代漢語虛詞詞典》[15]、《現(xiàn)代漢語規(guī)范用法大詞典》[3]均認為“一樣”是助詞?！冬F(xiàn)代漢語詞典》(第7版)[1]認為“一樣”僅為形容詞詞性，未收錄其助詞詞性及數(shù)量詞組。因此，本文建議《現(xiàn)代漢語詞典》(第8版)應(yīng)該將“一樣”的助詞詞性以及數(shù)量詞收錄進該詞典。