第一章 緒 論
　　第一節(jié) 研究背景
　　據(jù)2014年3月12日統(tǒng)計(jì)數(shù)據(jù)①，Internet內(nèi)容語(yǔ)種（Content languages for websites）世界排名前十位中包括聯(lián)合國(guó)七種通用語(yǔ)種（英語(yǔ)、俄語(yǔ)、德語(yǔ)、西班牙語(yǔ)、法語(yǔ)、漢語(yǔ)、阿拉伯語(yǔ)）中除阿拉伯語(yǔ)外的六種。非通用語(yǔ)種中的日語(yǔ)、葡萄牙語(yǔ)、意大利語(yǔ)、波蘭語(yǔ)也進(jìn)入排名前十。這表明，一方面Internet內(nèi)容語(yǔ)種呈多語(yǔ)化發(fā)展趨勢(shì)，另一方面，除英語(yǔ)外，其余各通用語(yǔ)和非通用語(yǔ)之間發(fā)展差距并不顯著。
　　圖1—1 2014年3月12日Internet內(nèi)容語(yǔ)種統(tǒng)計(jì)
　　當(dāng)前，多語(yǔ)種大數(shù)據(jù)信息呈現(xiàn)出爆炸增長(zhǎng)態(tài)勢(shì)，不論是否為通用語(yǔ)種，各語(yǔ)種網(wǎng)頁(yè)絕對(duì)數(shù)量都相當(dāng)龐大。如何利用現(xiàn)代語(yǔ)言學(xué)方法和信息處理技術(shù)對(duì)巨量的多語(yǔ)種新聞文本進(jìn)行知識(shí)表示、知識(shí)獲取，及時(shí)、準(zhǔn)確地追蹤和發(fā)現(xiàn)有效信息具有重要的理論價(jià)值和實(shí)踐意義。
　　根據(jù)圖靈機(jī)模型，現(xiàn)代計(jì)算機(jī)通常采用線性符號(hào)識(shí)別與轉(zhuǎn)換對(duì)語(yǔ)言信息進(jìn)行處理。當(dāng)前腦科學(xué)研究認(rèn)為，人腦處理語(yǔ)言信息時(shí)一般依賴存儲(chǔ)的語(yǔ)義和情景知識(shí)進(jìn)行并行擴(kuò)散多路搜索。因此，計(jì)算機(jī)對(duì)文本的語(yǔ)義理解和知識(shí)表示成為目前制約語(yǔ)言信息處理發(fā)展的重要瓶頸之一。
　　對(duì)紛繁復(fù)雜的語(yǔ)義和情景知識(shí)進(jìn)行形式化，將其表示為計(jì)算機(jī)可操作的符號(hào)，采用詞匯語(yǔ)義知識(shí)庫(kù)（Lexical Semantic Knowledge Database，LSKD）②的形式進(jìn)行存儲(chǔ)，是解決信息處理中語(yǔ)義問(wèn)題的主流方法。LSKD構(gòu)建已經(jīng)成為語(yǔ)言信息處理的核心工程，基于LSKD的語(yǔ)義分析方法對(duì)各種語(yǔ)言信息處理應(yīng)用（信息檢索、信息抽取、自動(dòng)文摘、自動(dòng)問(wèn)答、機(jī)器翻譯、詞義消歧）都不可或缺。
　　通過(guò)研究人們理解情景和故事時(shí)的思維過(guò)程，Minsky于1975年根據(jù)相應(yīng)的心理學(xué)模型提出框架理論（Frame Theory）③，引起了學(xué)術(shù)界的廣泛重視；“框架”隨后成為人工智能界常用的一種知識(shí)表示方法；格語(yǔ)法的創(chuàng)立者Fillmore④借鑒“框架”概念，提出了框架語(yǔ)義學(xué)（Frame Semantics），將研究重點(diǎn)確定為對(duì)概念結(jié)構(gòu)和句法-語(yǔ)義映射關(guān)系的描寫(xiě)，以此對(duì)句法-語(yǔ)義接口問(wèn)題進(jìn)行探索（林麗，畢玉德，2012：42-46）�？梢�(jiàn)，框架語(yǔ)義學(xué)研究方法符合語(yǔ)義知識(shí)表示的需求，其實(shí)質(zhì)是一種語(yǔ)義知識(shí)的形式化表示方法�；�于框架語(yǔ)義學(xué)理論構(gòu)建的FrameNet⑤以事件框架的方式確定詞匯化編碼的語(yǔ)義信息（可轉(zhuǎn)化為DAML+OIL語(yǔ)言）并預(yù)測(cè)這些信息如何在句法上得到投射。（俞士汶，黃居仁，2005：1-20） FrameNet以語(yǔ)義框架⑥作為基本描述單元，并建立了框架與框架之間的網(wǎng)狀層級(jí)聯(lián)系，具備完善的語(yǔ)義表示與描述體系，是LSKD中設(shè)計(jì)合理、構(gòu)建完備、應(yīng)用廣泛的典型工程。
　　從具體應(yīng)用上看，由于框架語(yǔ)義學(xué)和FrameNet以人的認(rèn)知經(jīng)驗(yàn)作為基礎(chǔ)，對(duì)“概念結(jié)構(gòu)”，即人類關(guān)于現(xiàn)實(shí)世界的語(yǔ)義知識(shí)進(jìn)行闡釋和描寫(xiě)，因此在一定程度上具有普適性。截至目前統(tǒng)計(jì)，各國(guó)研究學(xué)者基于框架語(yǔ)義學(xué)，以FrameNet為藍(lán)本構(gòu)建了19個(gè)語(yǔ)種⑦的平行框架網(wǎng)絡(luò)資源。除我國(guó)民族語(yǔ)言維吾爾語(yǔ)和藏語(yǔ)外，其余17種外語(yǔ)均在有具體排名的Internet內(nèi)容語(yǔ)種前36位之列（各語(yǔ)種具體排名見(jiàn)腳注中括號(hào)內(nèi)數(shù)字）。也就是說(shuō)，Internet內(nèi)容語(yǔ)種前36位中，已研究構(gòu)建FrameNet的語(yǔ)種比重為47.2%。由此可見(jiàn)，F(xiàn)rameNet的多語(yǔ)種擴(kuò)展趨勢(shì)與Internet內(nèi)容語(yǔ)種的發(fā)展是一致的。可以據(jù)此推斷FrameNet對(duì)于巨量網(wǎng)絡(luò)信息處理是必要的。
　　基于以上背景，本書(shū)認(rèn)為，一方面對(duì)巨量的多語(yǔ)種網(wǎng)絡(luò)新聞文本知識(shí)表示、知識(shí)獲取進(jìn)行研究有迫切需求，而各語(yǔ)種，特別是非通用語(yǔ)在領(lǐng)域語(yǔ)料庫(kù)構(gòu)建、面向語(yǔ)言信息處理的語(yǔ)義研究方面尚顯滯后和薄弱；另一方面，框架語(yǔ)義學(xué)和FrameNet在理論和實(shí)踐兩方面都可作為語(yǔ)義知識(shí)形式化表示的典范，在研究深度和廣度上都有突出的貢獻(xiàn)。
　　因此，充分發(fā)揮框架語(yǔ)義學(xué)和FrameNet的已有優(yōu)勢(shì)，以多語(yǔ)種網(wǎng)絡(luò)新聞文本知識(shí)表示、知識(shí)獲取為應(yīng)用導(dǎo)向，探索更加高效、通用的框架語(yǔ)義表示模式并進(jìn)行框架網(wǎng)絡(luò)構(gòu)建和應(yīng)用探索具有較為重要的理論和現(xiàn)實(shí)意義。
　　第二節(jié) 研究?jī)?nèi)容
　　本書(shū)的研究目標(biāo)是將框架語(yǔ)義學(xué)理論應(yīng)用到非通用語(yǔ)（特別是缺乏嚴(yán)格意義上形態(tài)變化的孤立語(yǔ)）語(yǔ)義分析中，參照FrameNet工程構(gòu)建面向領(lǐng)域的多語(yǔ)框架網(wǎng)絡(luò)并基于此進(jìn)行事件抽取應(yīng)用探索，研究?jī)?nèi)容主要分為理論研究、工程實(shí)踐和應(yīng)用探索三個(gè)方面。
　　理論研究方面：通過(guò)系統(tǒng)研究框架語(yǔ)義學(xué)作為語(yǔ)義分析理論模型的的特點(diǎn)和優(yōu)勢(shì)，深入探究FrameNet作為語(yǔ)義知識(shí)工程所具有的多語(yǔ)種可擴(kuò)展性和領(lǐng)域延伸性，分析其針對(duì)自然語(yǔ)言處理（NLP）⑧方面的不足之處，提出面向領(lǐng)域的多語(yǔ)框架語(yǔ)義表示（Domain-oriented Multilingual Frame Semantic Representation，DOMLFSR）⑨模式，確定該模式的整體架構(gòu)及核心內(nèi)容。
　　基于框架語(yǔ)義學(xué)的越南語(yǔ)詞匯語(yǔ)義研究也是本書(shū)的研究?jī)?nèi)容之一。由于越南語(yǔ)和漢語(yǔ)同為孤立語(yǔ)的典型代表，本書(shū)也將從語(yǔ)言類型特點(diǎn)角度著重分析其在框架語(yǔ)義構(gòu)造式系統(tǒng)方面的共性。
　　工程實(shí)踐方面：將“越南語(yǔ)-英語(yǔ)-漢語(yǔ)”作為“非通用語(yǔ)-中介語(yǔ)-通用語(yǔ)”多語(yǔ)模式的一個(gè)研究實(shí)例，以時(shí)事新聞?wù)Z料作為特定領(lǐng)域開(kāi)展研究。設(shè)計(jì)并開(kāi)發(fā)多語(yǔ)種Web新聞?wù)Z料抓取軟件，構(gòu)建了越-英-漢語(yǔ)領(lǐng)域語(yǔ)料庫(kù)；對(duì)各語(yǔ)種語(yǔ)料進(jìn)行預(yù)處理并統(tǒng)計(jì)出高頻動(dòng)詞詞元；采集領(lǐng)域詞元并進(jìn)行語(yǔ)義分類，根據(jù)《同義詞詞林》（擴(kuò)展版）為每一詞元進(jìn)行語(yǔ)義分類賦碼，由此建成三語(yǔ)領(lǐng)域高頻動(dòng)詞詞元庫(kù)；提出基于FrameNet 1.5數(shù)據(jù)的半自動(dòng)框架庫(kù)映射方法，通過(guò)三語(yǔ)領(lǐng)域高頻動(dòng)詞詞元庫(kù)中的英語(yǔ)動(dòng)詞詞元激活FrameNet相應(yīng)框架進(jìn)行復(fù)用和整合；設(shè)計(jì)并實(shí)現(xiàn)輔助建庫(kù)、標(biāo)注工具，構(gòu)建領(lǐng)域越-英-漢框架網(wǎng)絡(luò)（Domain-oriented Vietnamese-English-Chinese FrameNet，DOV-E-CFN）⑩，其主要工作包括搭建一定規(guī)模的時(shí)事新聞?lì)I(lǐng)域框架體系，確立框架關(guān)系，構(gòu)建標(biāo)注例句庫(kù)和詞匯庫(kù)，統(tǒng)計(jì)詞元配價(jià)模式等。
　　另一方面，基于FrameNet的越南語(yǔ)句法-語(yǔ)義基礎(chǔ)資源構(gòu)建也是工程實(shí)踐的重要目標(biāo)之一。原因在于越南語(yǔ)在Internet內(nèi)容語(yǔ)種世界排名中列第19位11，目前使用人數(shù)超過(guò)9000萬(wàn)12，其重要性在亞洲，特別是東南亞地區(qū)更為明顯。越南語(yǔ)信息處理在2000年后才正式開(kāi)始起步，面向NLP的基礎(chǔ)資源的建設(shè)還較為滯后。
　　應(yīng)用探索方面：基于越-英-漢時(shí)事新聞框架網(wǎng)絡(luò)（DOV-E-CFN），將框架語(yǔ)義分析方法與傳統(tǒng)事件抽取方法進(jìn)行對(duì)比，論證了框架語(yǔ)義標(biāo)注方法在事件抽取中應(yīng)用的可行性及優(yōu)勢(shì)，并分別基于核心依存圖（kernel dependency graph，KDG）13和框架語(yǔ)義格標(biāo)（frame element kasus，F(xiàn)K）探索其在新聞文本事件信息抽取中的應(yīng)用。
　　本書(shū)的具體章節(jié)安排如下：
　　第一章為緒論，主要對(duì)本書(shū)的研究背景、研究?jī)?nèi)容及方法、學(xué)術(shù)創(chuàng)新、研究意義、結(jié)構(gòu)和使用資源進(jìn)行介紹；
　　第二章為框架語(yǔ)義研究綜述；
　　……
查看全部↓