以英汉差异为基础分析分词中的歧义问题

发布时间：2020-12-05

　　摘要：在中英文差异中，最明显也是最基本的一项就是英文的单词是天然分开的，词就是最小的能够独立运用的语言单位。不同于英文的是，中文句子中没有词的界限，同时词不是最小的语言单位。因此在计算语言学的研究中，分词（WordSegmentation）是中文人机自然语言交互中最基础的一项。而不管是在中文分词中或分词后，都存在歧义问题且需要解决。本文更多的从语言学角度来理解并分析歧义问题。

　　关键词：计算语言学；机器翻译；分词；歧义

　　在计算机处理自然语言中，第一项任务就是对源语言（SL）的处理和理解。由于中文具有字形复杂、字义多样、字符集庞大、语法灵活的特性，这使得中文语句的分词和消歧较英文而言更加困难，中文的句法分析也因此相对落后。在机器翻译中，对句子的翻译方面仍然存在着歧义，语法不当等问题。一方面计算机对自然语言学的分析方法更主要是基于英文的语法，形态，另一方面对中文的分析方法更主要的是迁移和模仿英文的方法。这样就存在着在机器翻译过程中出现不可控问题。

　　首先中英不同点在于屈折语与孤立语的不同。屈折语以词形变化作为表示语法关系的主要手段。我们所熟知的，属于屈折语的语言有英语、法语、德语、俄语、拉丁语等。其主要特点是：第一，有比较丰富的词形变化，通过词形变化来表示词与词之间的关系，进而表示各种语法意义。第二，屈折语中的曲折包括两种形式，一种是内部曲折，一种是外部曲折。通过词根内部的语音变化来构成一个词的词形变化的手段，叫内部曲折；词根后增加词缀的方式叫外部曲折。第三，一种词形变化的语素可以表示几种不同的语法意义，换句话说，词根的一个附加成分不只表示一种语法意义，有时可以表示几种不同的语法意义。第四，词尾和词干或词根结合十分紧密，脱离开词尾，句子中词根就不能独立存在。屈折语与孤立语的不同在于，它的词根不能独立使用，词与词之间的关系以及其他语法作用都靠词的形态变化来表示。

　　以汉语为突出的代表的我们称之为孤立语（词形变化少）。孤立语缺乏词形变化，但是词的次序很严格，不能随便变化，同时虚词的作用很重要。孤立语的主要特点有以下几个方面：第一，词序严格。由于孤立语缺乏词形变化，或者说词形变化极不丰富，一个词在句子中属于什么成分没有形态上的标志，完全是根据语序来确定，因此词序就显得非常重要。比如“你看我”，改变词序成为“我看你”，意思就相反了。第二，复合词多，派生词少。大部分合成词是由词根构成的复合词，这些词不带有表示各种语法关系的帽子(前缀)和尾巴(后缀和词尾)，词的结构比较简单，往往是一个孤立的词干。所谓孤立语的称呼就与这个特点有关。

　　在分词中有两种最基本的歧义。第一种情况是当有三个连续中文汉字时，中间一个与前后都可成词，比如：她凭自己的才能得到了这份工作。在这句话中，“才能”明显是一个词，没有任何歧义。但若又有一句话，比如：你这样的人才能够留下来，是我们的幸运。在这句话中“才”分别与“人”和“能”都能组成词。但实际上，“人才”和“能够”却应该分开。第二种情况可以归结为词性问题，在分词结束后，仍会有词性的歧义，这一点在英文中也同样存在。汉语作为孤立语，没有明显的形态变化，比如：我感觉他喜欢我。(动词)我的感觉很准。(名词)如果用英语说这两句话，应该是：Ifeelhelovesme.(动词)Myfeelingisreliable.(名词)同样一个“感觉”，其实是同形异义词。可是无论是中文还是英文中，一个词却可以有多重含义或词性，例如：“TheMongolsrosefromthesteppe.”这个句子中“rose”这个词便是存在歧义的词，计算机无法区别它究竟是一个名词还是动词。在理解过程上，这会造成极大的困难与误区。所以，因为有这种歧义的存在，计算机接下来还需懂一些自然语言的语法，进行多义词消歧。

　　计算语言学，相对于其他学科，在现在还不是非常普遍。虽然现在主要的解决方法还是以统计规律为主，但语言学家也不应该放弃探索多种解决方案。追根溯源，机器处理自然语言的主体还是自然语言而不是形式语言。

　　指导教师：刘滨梅

　　参考文献

　　[1]王金铨，王克非.计算语言学视角下的翻译研究.外国语.2008，(5).

　　[2]杨宪泽.基于实例的机器翻译处理方法.计算机工程.2003，(12).

　　作者仲佳琳杨宇