n+v型主謂短語研究

n+v型主謂短語研究

1基于互聯(lián)網(wǎng)的“n+v”型主稱謂特征提取隨著萬維網(wǎng)的不斷發(fā)展和互聯(lián)網(wǎng)信息的增多，互聯(lián)網(wǎng)成為人們獲取信息的重要途徑。提高網(wǎng)站搜索效率和精度已成為近年來搜索中的一個(gè)重要趨勢。當(dāng)今主流的搜索引擎都是以關(guān)鍵詞匹配來查找信息,這樣對(duì)用戶輸入的關(guān)鍵詞要求很高。余慧佳對(duì)用戶提交的查詢關(guān)鍵詞的長度進(jìn)行了分析,發(fā)現(xiàn)查詢的長度通常比較短,而且以短語的形式出現(xiàn)。由此可見,基于搜索引擎日志,將搜索引擎用短語詞典中的短語進(jìn)行定義,進(jìn)一步對(duì)其語法結(jié)構(gòu)進(jìn)行分析研究顯得尤為重要,它有利于提高搜索引擎的檢索準(zhǔn)確度。在現(xiàn)代漢語中,“N+V”型組合是一種比較常見的組合,這種組合包含三種不同句法關(guān)系:①定中偏正結(jié)構(gòu)(如銀/飾);②狀中偏正結(jié)構(gòu)(童心/處事);③主謂結(jié)構(gòu)(飛機(jī)/墜毀、孩子/發(fā)燒、螞蟻/搬家)。在之前唐昱就對(duì)同形異構(gòu)的偏正結(jié)構(gòu)進(jìn)行了詳細(xì)的介紹,但對(duì)主謂短語的研究不夠詳盡。本文是建立在搜狗日志語料的基礎(chǔ)上,從短語的各組成要素、音節(jié)特點(diǎn)和功能用法三個(gè)方面對(duì)“N+V”型主謂短語進(jìn)行詳細(xì)研究,這為后期對(duì)“N+V”型短語的句法消歧提供參考意見,為搜索引擎用短語詞典構(gòu)建提供重要的理論依據(jù)。此外,還介紹了該類型短語挖掘與校對(duì)的基本方法,從而為短語在搜索引擎中的應(yīng)用以及搜索引擎用短語詞典構(gòu)建提供基礎(chǔ)研究服務(wù)。2“n.v”型主語句的特征2.1“n+v”在各目的名詞中的分布“N+V”型主謂短語中的“N”主要具有陳述意義,雙音節(jié)名詞占絕大多數(shù),此外還有少量的單音節(jié)名詞、三音節(jié)名詞和四音節(jié)名詞。參考劉順的《現(xiàn)代漢語名詞研究述評(píng)》中提到的關(guān)于名詞的分類相關(guān)方法,對(duì)進(jìn)入“N+V”型主謂短語中的“N”進(jìn)行研究。對(duì)搜狗日志語料中的“N+V”型主謂短語進(jìn)行分析與統(tǒng)計(jì),將“N”分為指人名詞、指物名詞、機(jī)構(gòu)名、專名、地域名五類。【指人名詞】:阿妹/n出嫁、鄧小平/nr逝世、劉真/nr表演、倪萍/nr離婚、張佩昌/nr受賄、人民警察/n辭職【指物名詞】:貓/n撲、手/n放開、右眼/n跳、鼻/ng出血、肌/ng無力、獅/ng跑【專名】:瑞星/nz升級(jí)、超女/nz勁舞、百度/nz裁員/vi、黑鷹/nz墜落、獵豹/nz飛騰【地域名】:蒙古/ns回歸、江西/ns崛起、緬甸/ns遷都、甘肅/ns缺水/v、遂溪縣/ns換屆/vi、金城/ns開業(yè)/vi【機(jī)構(gòu)名】:北京大學(xué)/nt招生、北京銀行/nt面試、聯(lián)合國/nt降半旗、蘇寧電器/nt連鎖、審計(jì)局/nt檢查基于搜狗日志語料,通過分析“N+V”型主謂短語中的“N”,其在各類名詞中的分布是有差異的,指物的名詞在語料中出現(xiàn)的次數(shù)最多,其次依次是指人的名詞、專名、其他,地域名和機(jī)構(gòu)名則出現(xiàn)最少。出現(xiàn)這種不均勻分布的原因主要依賴于搜狗日志語料,指物和指人的名詞多為高生命度的名詞,它出現(xiàn)在“V”前,激活了“V”的典型功能而專名則屬于高個(gè)體度的名詞,它能進(jìn)入“N+V”型主謂短語。2.2“v”的功能動(dòng)詞的典型性功能是充當(dāng)謂語,搜索引擎日志中“N+V”型主謂短語中的“V”體現(xiàn)的是動(dòng)詞的典型功能?！癗+V”型主謂短語中的“V”可按不同的標(biāo)準(zhǔn)來分類,不同的分類有不同的意義和用途。本文借鑒趙元任先生對(duì)動(dòng)詞的分類標(biāo)準(zhǔn),從意義角度出發(fā),結(jié)合搜狗日志語料的特點(diǎn),進(jìn)行以下分類。(1)不及物的動(dòng)作動(dòng)詞動(dòng)作動(dòng)詞是表示動(dòng)作行為的動(dòng)詞,在動(dòng)詞中占多數(shù)。它包括及物的動(dòng)作動(dòng)詞和不及物的動(dòng)作動(dòng)詞。由它構(gòu)成的“N+V”型主謂短語或表示動(dòng)作發(fā)出者做某件事的過程,或表示通過講話交流信息的過程,下面進(jìn)行分類論述。1動(dòng)作動(dòng)作的分類例如,“嬰兒打噴嚏”,“嬰兒”是動(dòng)作發(fā)出者,“噴嚏”是目標(biāo),整個(gè)主謂短語以謂語動(dòng)詞“打”為核心,表示動(dòng)作發(fā)出者做“打噴嚏”這件事的過程。按照動(dòng)詞的具體語義,分為以下四類?！颈砣韯?dòng)作的】:妃子/n笑/v、鷓鴣/n飛/vi、周恩來/nr落淚/vi【表行為的】:橋/n斷/v、黑鷹/nz墜落/v、李衛(wèi)/nr當(dāng)官/vi【表腿部動(dòng)作的】:兒童/n摔倒/v、獅/ng跑/v【表手臂動(dòng)作的】:手腕/n扭傷/vi、幼兒/n畫畫/v2信息是“解放思想”例如,“區(qū)長談解放思想”,講話者“區(qū)長”講話,交流的信息是“解放思想”?！颈砜诓縿?dòng)作的】:王宏偉/nr演唱/v、歌女/n唱/v、阿六頭/nr說/v【其他言語類的】:幸存者/n講述/v、妓女/n口述/v、陳安之/nr演講/vi(2)“感”的情感表達(dá)狀態(tài)動(dòng)詞主要表示人或動(dòng)物的心理和生理狀態(tài)。同樣地,由它構(gòu)成的“N+V”型主謂短語多表示“感覺”、“反應(yīng)”和“認(rèn)知”等心理活動(dòng)或生理狀態(tài)的過程。因此,可以分為以下兩類。【表心理狀態(tài)的】:陳慧琳/nr希望/v、企業(yè)家/n喜歡/vi、顧客/n滿意/v【表生理狀態(tài)的】:口腔/n起泡/vi、寶寶/n嘔吐/vi、月經(jīng)/n延長/v2.3“n+v”型主稱謂動(dòng)詞的音節(jié)選擇郝倩指出詞的語音構(gòu)成單音節(jié)與雙音節(jié)形式,語音形式也制約著詞語的組合和詞語的搭配。從搜狗日志語料提取出的“N+V”型主謂短語,對(duì)單音節(jié)動(dòng)詞,與其搭配的名詞成分在音節(jié)選擇上比較自由;對(duì)于雙音節(jié)動(dòng)詞,在音節(jié)選擇上卻受到限制,一般只跟雙音節(jié)名詞搭配,極少數(shù)可與單音節(jié)和多音節(jié)搭配;除此之外的三音節(jié)動(dòng)詞一般與雙音節(jié)名詞搭配。(1)“2+2”音組模式漢語的組合一般要求成雙成對(duì),節(jié)奏對(duì)稱。搜索引擎日志中“N+V”型主謂短語也不例外,“2+2”音組模式是語料最基本的音節(jié)組合模式。第一組指人:孕婦/n感冒/vi、阿妹/n出嫁/vi、農(nóng)民/n增收/v、倪萍/nr離婚/v、妓女/n口述/v、蘇三/nr說/v第二組指物:污水/n發(fā)紅/vi、蟒蛇/n捕食/vi、汽車/n降價(jià)/vi、細(xì)雨/n紛飛/vi第三組專名:博客/nz升級(jí)/vi、超女/nz勁舞/v、百度/nz裁員/vi第四組地域:江西/ns崛起/v、蒙古/ns回歸/v、三峽/ns蓄水/vi在搜狗語料中,“2+2”音組模式下,N部分多分布于指物名詞,其次是指人的名詞,再者是專名和地域名詞;V部分主要是動(dòng)作性較強(qiáng)的行為動(dòng)詞、生理狀態(tài)的動(dòng)詞,而表示心理狀態(tài)的動(dòng)詞出現(xiàn)較少。(2)“3+2”音組的構(gòu)建第一組指物:人民幣/n升值/vi、霓虹燈/n耗電/vi第二組指人:宋丹丹/nr再婚/vi、張佩昌/nr受賄/vi、金靜華/nr主演/v、中年人/n再婚/vi第三組地域:石獅市/ns擴(kuò)大/v、崇文區(qū)/ns招租/vi第四組表其他言語類:陳安之/nr演講/vi、黃健翔/nr解說/v第五組表生理心理狀態(tài):內(nèi)分泌/n失調(diào)/vi、嬰幼兒/n發(fā)燒/vi、企業(yè)家/n喜歡/vi在“3+2”音組模式中,N部分多分布于指物的名詞,其次是指人的名詞,再者地域的名詞;V部分主要是動(dòng)作性很強(qiáng)的行為動(dòng)詞、生理狀態(tài)的動(dòng)詞和其他言語類的動(dòng)詞,而表心理狀態(tài)的動(dòng)詞出現(xiàn)較少。(3)高生命度的名詞第一組指人:專家/n說/v、歌女/n唱/v、區(qū)長/n談/v、明星/n哭/v第二組:鷓鴣/n飛/vi、貴妃/n醉/v、右眼/n跳/vi、肚子/n疼/v在“2+1”音組模式中,N多為高生命度的名詞,表人身體某一部位的名詞、指人的名詞;V部分主要是表生理狀態(tài)的動(dòng)詞、言語類的動(dòng)詞、動(dòng)作性很強(qiáng)的動(dòng)詞,而表腿部、眼睛和手臂動(dòng)作的動(dòng)詞出現(xiàn)較少。(4)n部分的名詞性語素第一組表生理狀態(tài):牙/n出血/vi、腦/n出血/vi、腦/n梗塞/vi、手/n浮腫/vi第二組表行為動(dòng)作:鉛/n超標(biāo)/vi、手/n放開/v、心/n飛揚(yáng)/vi第三組名詞性語素:鼻/ng出血/vi、蝶/ng起舞/vi、蝶/ng飛舞/v、肌/ng無力/vi在“1+2”音組模式中,N部分多是指物的高生命度名詞、指人身體某一部位的名詞,而名詞性語素出現(xiàn)的較少;V主要是動(dòng)作性較強(qiáng)的行為動(dòng)詞、表生理狀態(tài)的動(dòng)詞。(5)組表行為動(dòng)作第一組表生理狀態(tài):面/n癱/vi、眼/n腫/vi、馬/n瘋/vi第二組名詞性語素:鳶/ng飛/vi、石/ng破/v、鶴/ng飛/v、獅/ng跑/v第三組表行為動(dòng)作:風(fēng)/n吹/v、橋/n斷/v、鶴/n啼/vi“1+1”音組模式中,N部分多是名詞性語素、高生命度的名詞、身體某一部位的名詞;V部分主要是表全身動(dòng)作、腿部動(dòng)作的動(dòng)詞,其次是表生理狀態(tài)的動(dòng)詞。(6)小ph值的開/v第3組3+1表1/2的表1/n3+1模式第一組指人:張火丁/nr唱/v、阿六頭/nr說/v第二組植物:茉莉花/n開/v、梔子花/n開/v第三組表生理狀態(tài):小肚子/n疼/v“3+1”音組模式中,N部分多是指人的高生命度名詞,其次是表身體某一部位的名詞,而表植物的名詞則出現(xiàn)較少;V部分主要是表言語類的動(dòng)詞,其次是表全身動(dòng)作的動(dòng)詞,表生理的動(dòng)詞出現(xiàn)較少。(7)多音節(jié)構(gòu)成的“n+v”型主稱謂動(dòng)詞第一組指人:歐陽中石/nr題詞、韓李東旭/nr報(bào)導(dǎo)/v、民主黨派/n換屆/vi、人民警察/n辭職/vi第二組機(jī)構(gòu)名:北京大學(xué)/nt招生/vi、北京銀行/nt面試/vi、蘇寧電器/nt連鎖/v第三組專名:維吾爾族/nz居住/v第四組三音節(jié)動(dòng)詞:嬰兒/n打噴嚏/vi由上面的幾組例子,可以得出:N由多音節(jié)構(gòu)成的“N+V”型主謂短語中,N大多是機(jī)構(gòu)名、專有名詞;V多為雙音節(jié)行為動(dòng)詞,三音節(jié)動(dòng)詞出現(xiàn)較少。綜上所述,對(duì)“N+V”型主謂短語從語義、音節(jié)方面對(duì)各組成要素進(jìn)行了詳細(xì)的分析,這為后期借助語義信息資源和音節(jié)語言學(xué)知識(shí),將其作為對(duì)“N+V”型短語進(jìn)行結(jié)構(gòu)消歧的候選特征,為“N+V”型短語的句法結(jié)構(gòu)消歧提供了理論依據(jù)。3互聯(lián)網(wǎng)視頻中使用“n+v”型主稱謂句子康健對(duì)主謂短語的功能類別進(jìn)行詳細(xì)研究,他指出主謂短語的造句功能很強(qiáng),可以充當(dāng)主語、謂語、賓語、定語、狀語和補(bǔ)語。搜索引擎日志中的“N+V”型主謂短語,可以在句子中充當(dāng)主語、謂語、賓語、定語和狀語。除此之外,還可以單獨(dú)作為一個(gè)查詢關(guān)鍵詞,進(jìn)行信息檢索。(1)動(dòng)詞的判斷性/評(píng)論性“N+V”型主謂短語作主語,一般是出現(xiàn)在判斷句、說明句、描寫句中,謂語往往具有判斷性、評(píng)論性或者描寫性,謂語動(dòng)詞大多為表示判斷或者說明的動(dòng)詞,也有少數(shù)的動(dòng)作性很強(qiáng)的動(dòng)詞。例如:A.【月經(jīng)/推遲】主要考慮兩個(gè)方面的原因。B.【手/浮腫】是什么病?(2)將n作為v的獨(dú)立語義成分,v也和n之間有領(lǐng)屬關(guān)系或選擇關(guān)系“N+V”型主謂短語作謂語,主語大都含有話題的性質(zhì),謂語一般是對(duì)主語進(jìn)行描寫或者說明。一般句子的主語與N之間有領(lǐng)屬關(guān)系或者整體與部分的關(guān)系,而且N是V的強(qiáng)制性語義成分,N與V有語義上的選擇關(guān)系。例如:A.兒童【喉嚨/發(fā)炎】。B.小兒【面/癱】。C.小兒【支氣管/感染】。(3)“n+v”體曰嚴(yán)格“N+V”型主謂短語作賓語,做句子謂語的動(dòng)詞不能附帶“著、了、過、起來、下去”等體標(biāo)記,而且不能重疊,不能用反復(fù)體,而且“N+V”型主謂短語多為體謂型的主謂短語。例如:A.如何治療【內(nèi)分泌/失調(diào)】?B.怎樣使【頭發(fā)/增多】?C.如何寫【領(lǐng)導(dǎo)/重視】?(4)階段n:施事性名詞“N+V”型主謂短語作定語,N主要為受事型名詞或者施事型名詞,起限制作用。針對(duì)搜狗日志語料,N主要為施事性名詞。例如:A.【鄧小平/逝世】記錄片、【農(nóng)民/增收】措施、【吉雪萍/結(jié)婚】照B.【心肌/缺血】癥狀、【兒童/識(shí)字】卡片、【孕婦/分娩】視頻C.【月經(jīng)/推遲】的原因、【顧客/滿意】的案例、【小兒/咳嗽】的治療方法(5)以評(píng)論為基礎(chǔ)A.【嬰兒/便秘】怎么辦?B.【月經(jīng)/不調(diào)】怎么辦?(6)“n+v”型主稱謂用語“N+V”型主謂短語可以獨(dú)立地作為查詢關(guān)鍵詞,進(jìn)行信息檢索。例如:A.【明星/卸妝】B.【螞蟻/搬家】C.【女兵/蒙難】由以上的分析可以看出,“N+V”型主謂短語在句子中可以充當(dāng)多種成分。因此,針對(duì)“N+V”型短語的結(jié)構(gòu)消歧,可以考慮利用“N+V”型短語的上下文信息,作為短語消歧的候選特征。4“n.v”型主語言的提取和修改基本方法4.1挖掘算法的方法“N+V”型主謂短語的挖掘與校對(duì)是通過自動(dòng)、半自動(dòng)的語言知識(shí)挖掘技術(shù)相結(jié)合的方法實(shí)現(xiàn)的。下面介紹“N+V”型主謂短語的挖掘與校對(duì)的步驟。(1)數(shù)據(jù)預(yù)處理對(duì)搜狗日志語料進(jìn)行詞條去重、分詞、詞性標(biāo)注工作;(2)“n.v”型短語的定義用二元統(tǒng)計(jì)模型和互信息方法對(duì)短語進(jìn)行界定;(3)提取“n.v”中的短語根據(jù)“N+V”型短語的特點(diǎn),建立規(guī)則知識(shí)庫,對(duì)合法短語進(jìn)行抽取;(4)人工校正對(duì)抽取的“N+V”型短語進(jìn)行標(biāo)記的改寫工作,得到最終的“N+V”型主謂短語、“N+V”型短語,以及“N+V”型非短語;(5)測試結(jié)果及分析對(duì)“N+V”型主謂短語按照名詞和動(dòng)詞的分類標(biāo)準(zhǔn)進(jìn)行分類統(tǒng)計(jì)。其中,前三個(gè)步驟和第五步驟通過程序?qū)崿F(xiàn),提高了短語挖掘的高效性;而第四步驟主要通過人工校對(duì)的方法,提高了短語識(shí)別的準(zhǔn)確性。最終,完成了“N+V”型主謂短語識(shí)別。同樣地,這種校對(duì)方法,也適合于搜索引擎日志中的其他類型短語。4.2規(guī)則“n+v”編碼本文通過二元統(tǒng)計(jì)模型和互信息的方法實(shí)現(xiàn)了搜狗日志中“N+V”型短語的自動(dòng)識(shí)別。其中,規(guī)則方法是根據(jù)搜狗日志語料的特點(diǎn)和“N+V”型短語的詞法特點(diǎn)而獲取的規(guī)則知識(shí),下面主要介紹規(guī)則方法。按照中國科學(xué)院分詞系統(tǒng)中詞性標(biāo)注的特點(diǎn),規(guī)則“N+V”短語的識(shí)別步驟如下。(1)將每個(gè)短語分割成為詞語序列、詞性序列存入字符串?dāng)?shù)組中;(2)將第一個(gè)單詞詞性和第二個(gè)單詞的詞性與模式串(名詞匹配串和動(dòng)詞匹配串)進(jìn)行匹配,如果相匹配,則說明該短語是“N+V”短語,將其在文本中輸出,并用符號(hào)(dj)進(jìn)行標(biāo)注說明;(3)短語的匹配,直到短語識(shí)別完畢。4.3非“n+v”型主稱謂結(jié)論的人工校準(zhǔn)方法漢語中詞語定義的模糊性、大量新詞語的涌現(xiàn),以及“N+V”型短語在句法語義關(guān)系上存在著三種不同的結(jié)構(gòu),使得在“N+V”型主謂短語的識(shí)別上存在著錯(cuò)誤識(shí)別的現(xiàn)象。因此,需要通過人工校對(duì)的方法將非“N+V”型主謂短語過濾掉。本文主要通過對(duì)非“N+V”型主謂短語的標(biāo)記改寫來實(shí)現(xiàn)校對(duì),具體步驟如下。(1)如果是“N+V”型短語,如果格式部分和要求,要修改格式,使其規(guī)范規(guī)則“N+V”短語的識(shí)別語料中的詞語以一個(gè)空格為分隔符規(guī)則“N+V”短語的識(shí)別,標(biāo)注范例見表1。(2)如果不是“N+V”型主謂短語,則在該短語后標(biāo)記“no”。其中包括不完整詞串和搭配不合適的詞串;如果不是“N+V”型主謂短語,則在該短語后標(biāo)記“nd”。標(biāo)注示例見表2。4.4主稱謂進(jìn)行分類統(tǒng)計(jì)將識(shí)別出的短語按照N、V的分類標(biāo)準(zhǔn),以及音節(jié)模式的特點(diǎn),將識(shí)別出的每一條短語主謂短語進(jìn)行分類,將其存儲(chǔ)在不同的記錄文件中,并進(jìn)行分類統(tǒng)計(jì)。5結(jié)果與分析(1)表3顯示了“n.v”一詞在所有“n.v”字符串中的分布情況挖掘方法是否有效主要是通過抽取出的“N+V”型短語的正確率來衡量的。從表3可以看出,挖掘方法是高效性的,正確率高達(dá)95.21%。(2)v”型動(dòng)詞的句法關(guān)系從表4可以看出“N+V”型主謂短語在“N+V”型短語中僅占36.58%,造成這種現(xiàn)象的原因是:①“N+V”型短語存在三種不同的句法關(guān)系:狀中偏正結(jié)構(gòu)、定中偏正結(jié)構(gòu)和主謂結(jié)構(gòu);②同一個(gè)“N+V”短語可以分析為兩種不同的句法關(guān)系,如“大學(xué)畢業(yè)”,本實(shí)驗(yàn)將有歧義的“N+V”型短語視為非主謂結(jié)構(gòu),這種結(jié)構(gòu)歧義需要借助音節(jié)等語言學(xué)知識(shí)和語義知識(shí)資源,尋找漢語語義類之間存在的句法關(guān)系,實(shí)現(xiàn)對(duì)“N+V”型短語的句法歧義消歧。(3)“1+2”音組模式表5給出了“N+V”型主謂短語在音節(jié)上對(duì)詞語的組合和詞語的搭