周惠巍，楊歡，張靜，亢世勇，黃德根

（1.大連理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，遼寧大連116024；2.魯東大學(xué)文學(xué)院，山東煙臺(tái)264025）

1 引言

模糊限制語（Hedges）最早是由G Lakoff提出的，用來指“把一些事情弄得模模糊糊的詞語”，表示的是不確定性和臨時(shí)性的觀點(diǎn)［1］。由模糊限制語所引導(dǎo)的信息為模糊限制信息（Hedge Information）。當(dāng)信息的撰寫者不能提供完全準(zhǔn)確、肯定的信息時(shí)，往往使用模糊限制語，使自己的陳述更客觀。模糊限制語廣泛地用于自然科學(xué)、新聞等各個(gè)領(lǐng)域，為進(jìn)行事實(shí)信息的抽取，應(yīng)將模糊限制信息與事實(shí)信息區(qū)分開來，模糊限制信息檢測(cè)成為信息抽取的首要步驟。由于網(wǎng)絡(luò)信息量的迅猛增長(zhǎng)，及信息抽取技術(shù)的高速發(fā)展，作為信息抽取源的網(wǎng)絡(luò)信息的真實(shí)性和可靠性日益受到關(guān)注。2010年國(guó)際計(jì)算語言學(xué)會(huì)（Association for Computational Linguistics，ACL）將模糊限制語識(shí)別和模糊限制信息檢測(cè)定為CoNLL（Conference on Computational Natural Language Learning）共享任務(wù)［2］。其中模糊限制語識(shí)別包含生物醫(yī)學(xué)和維基百科兩個(gè)領(lǐng)域。生物醫(yī)學(xué)領(lǐng)域源語料源自BioScope［3］語料庫(kù)，該語料庫(kù)包括生物醫(yī)學(xué)論文摘要、全文及臨床診斷報(bào)告三類文獻(xiàn)；維基百科語料源自WikiWeasel［2］語料庫(kù)。

英文模糊限制語語料庫(kù)的研究與構(gòu)建取得了長(zhǎng)足的進(jìn)展，除上述兩個(gè)語料庫(kù)外，公開發(fā)表的語料庫(kù)還有Medlock和Briscoe［4］，Kim等［5］，Settles等［6］，Shatkay等［7］，Nawaz等［8］，和Uzuner等［9］構(gòu)建的生物醫(yī)學(xué)領(lǐng)域語料庫(kù)；Rubin等［10］，Wilson［11］，Saurí和Pustejovsky［12］，和Rubin［13］構(gòu)建的新聞?lì)I(lǐng)域語料庫(kù)。王舟［14］調(diào)查了中英文醫(yī)學(xué)論文摘要各80篇，中文論文中模糊限制語累計(jì)出現(xiàn)205次，英文論文中出現(xiàn)305次。中文醫(yī)學(xué)文獻(xiàn)中同樣包含大量模糊限制語［15－17］。除醫(yī)學(xué)文獻(xiàn)外，模糊限制語還廣泛地用于中文的各個(gè)領(lǐng)域。維基百科作為一個(gè)以開放和用戶協(xié)作編輯為特點(diǎn)的知識(shí)系統(tǒng)，其中蘊(yùn)涵了豐富的信息，成為目前研究人員進(jìn)行信息抽取的重要語料資源。但是當(dāng)撰寫者不能提供完全準(zhǔn)確、肯定的信息時(shí)，往往使用模糊限制語，使自己的陳述更客觀。

語言學(xué)界從語義、句法、詞性等方面對(duì)模糊限制語進(jìn)行了長(zhǎng)期的研究，中英文研究人員分別對(duì)中英文模糊限制語的表現(xiàn)形式和分類進(jìn)行了探討，將模糊限制語從語義、詞性、結(jié)構(gòu)和句法功能等方面進(jìn)行分類。英文模糊限制語的研究開始于20世紀(jì)70年代，Prince等［18］從語用功能上將英語模糊限制語劃分為變動(dòng)型（approximators）和緩和型（shields）。前者改變?cè)掝}的真值條件，對(duì)話題進(jìn)行某種程度或范圍的限制，如“a little bit”、“almost”等。而后者不能改變?cè)掝}的真值條件，但可以反映說話人對(duì)話題所持有的態(tài)度，緩和了話題的肯定語氣，如“think”、“perhaps”等。Szarvas等［19］根據(jù)話題在真實(shí)世界的真假性，將英文模糊限制語分為假設(shè)型（hypothetical）與認(rèn)知型（epistemic）兩類。兩者的主要區(qū)別是前者認(rèn)為話題在真實(shí)世界里可能為真、假或者不確定三種情況，如“He believes that the Earth is flat.”而后者則是就目前所知無法判斷話題在真實(shí)世界是正確的還是錯(cuò)誤的，如“It may be raining.”

我國(guó)英語界于本世紀(jì)80年代對(duì)模糊限制語進(jìn)行了初步探討，何自然［20］在Prince等［18］的研究基礎(chǔ)上，將變動(dòng)型模糊限制語細(xì)分為程度變動(dòng)型和范圍變動(dòng)型，將緩和型模糊限制語細(xì)分為直接緩和型和間接緩和型。認(rèn)為變動(dòng)型模糊限制語屬于語義范疇，緩和型模糊限制語屬于語用范疇。語言學(xué)家對(duì)中英文模糊限制語進(jìn)行了翻譯研究［21］，認(rèn)為中英文模糊限制語存在一定的差異，很少存在等值譯文。蘇遠(yuǎn)連［22］對(duì)中文模糊限制語進(jìn)行了對(duì)比研究，他贊同何自然的觀點(diǎn)，認(rèn)為中文模糊限制語也可以按照同樣的方法進(jìn)行分類，并將變動(dòng)型模糊限制語細(xì)分為程度變動(dòng)型，如“有點(diǎn)”、“相當(dāng)”等；范圍變動(dòng)型，如“上下”、“左右”等；和頻率變動(dòng)型，如“經(jīng)常”、“不時(shí)”等。緩和型模糊限制語仍然分為直接緩和型，如“我認(rèn)為”、“看來”等；和間接緩和型，如“聽說”、“據(jù)報(bào)道”等。

目前國(guó)內(nèi)模糊限制語呈現(xiàn)出多理論、多角度和多方面的研究［23］。模糊限制語語料庫(kù)的構(gòu)建是模糊限制語研究與模糊限制信息檢測(cè)的基礎(chǔ)，然而中文模糊限制語語料資源缺乏，至今尚未發(fā)現(xiàn)公開發(fā)表的模糊限制語語料庫(kù)。本文研究了中文模糊限制語的分類，設(shè)計(jì)并構(gòu)建了一個(gè)具有2.4萬句規(guī)模的中文模糊限制語語料庫(kù)。語料選自生物醫(yī)學(xué)和維基百科兩個(gè)領(lǐng)域，生物醫(yī)學(xué)文獻(xiàn)包括摘要、實(shí)驗(yàn)結(jié)果、討論、結(jié)論和全文五個(gè)部分，維基百科文獻(xiàn)選取了包含國(guó)家介紹、歷史人物介紹、事件介紹等242篇文章。實(shí)驗(yàn)分析了語料標(biāo)注的一致性，并統(tǒng)計(jì)了不同領(lǐng)域各類模糊限制語的使用比例。本文構(gòu)建的中文模糊限制語語料庫(kù)，涵蓋了豐富的中文模糊現(xiàn)象，為語言學(xué)家從語義、語法、語用等方面進(jìn)行模糊限制語的研究提供了強(qiáng)大的知識(shí)庫(kù)支持。語料庫(kù)中的醫(yī)學(xué)文獻(xiàn)和維基百科文獻(xiàn)分別包含9 946個(gè)和1 958個(gè)模糊限制語，在各自的領(lǐng)域足以訓(xùn)練出一個(gè)比較準(zhǔn)確的模糊限制語識(shí)別模型，用于模糊限制信息檢測(cè)研究。同時(shí)，還可以應(yīng)用兩個(gè)領(lǐng)域的語料庫(kù)進(jìn)行跨領(lǐng)域模糊限制語識(shí)別研究。

本文組織結(jié)構(gòu)如下：第二節(jié)提出了本文對(duì)中文模糊限制語分類方法；第三節(jié)闡述了語料庫(kù)的構(gòu)建過程；第四節(jié)統(tǒng)計(jì)分析了語料標(biāo)注的一致性，以及模糊限制語種類和語料領(lǐng)域之間的關(guān)系；第五節(jié)是結(jié)論與展望。

2 中文模糊限制語的分類

本文根據(jù)Prince等［18］和何自然［20］的分類方法，將模糊限制語分為變動(dòng)型和緩和型兩類。在此基礎(chǔ)上，根據(jù)模糊限制語的語義和語用功能，將這兩大類模糊限制語進(jìn)行了更細(xì)致的劃分，如圖1所示，各類模糊限制語的定義如下。

（1）變動(dòng)型模糊限制語

變動(dòng)型模糊限制語是對(duì)話題本身進(jìn)行某種程度的限制，它能修改話題原來的真值，當(dāng)說話人不能準(zhǔn)確說出某個(gè)話題的真值或有意模糊某個(gè)話題的真值時(shí)用到變動(dòng)型模糊限制語。根據(jù)變動(dòng)話題的類型，此類模糊限制語可細(xì)分為數(shù)量變動(dòng)、程度變動(dòng)、范圍變動(dòng)和頻率變動(dòng)四個(gè)類型。

圖1 中文模糊限制語的分類

數(shù)量變動(dòng)型 當(dāng)說話人不能明確地說出具體的數(shù)字，但是能估計(jì)出一個(gè)大概的數(shù)量時(shí)，常會(huì)用到數(shù)量變動(dòng)模糊限制語。如：“少數(shù)”，“大部分”等。

程度變動(dòng)型 把一些接近正確但不敢肯定完全正確的話題說得更得體些，與實(shí)際情況更接近些，避免過于武斷，表明話題與真實(shí)情況的接近程度。如：“有點(diǎn)”，“稍微”，“十分”等。

范圍變動(dòng)型 在話題中往往提供了具體數(shù)字，使用這類模糊限制語時(shí)，聽話人不必考慮具體情況與所說的話題的接近程度如何，而只考慮范圍大小，聽話人可以在一定的范圍內(nèi)去理解話題意義。如：“大約”，“在一定范圍內(nèi)”，“將近”等。

頻率變動(dòng)型 用于反映一個(gè)事件發(fā)生的頻率。如：“常?！保芭紶枴钡?。

（2）緩和型模糊限制語

當(dāng)說話人提出某一個(gè)論斷時(shí)，緩和型模糊限制語可以緩和說話人的語氣，為說話人留有余地，減輕說話人為此論斷所應(yīng)付的責(zé)任，這類模糊限制語不改變?cè)掝}原來的意思。根據(jù)緩和型模糊限制語的語用功能將其細(xì)分為主觀見解型、探知結(jié)論型、客觀依據(jù)型和條件假設(shè)型四類。

主觀見解型 用來表示說話人對(duì)某事的直接推測(cè)及所持的態(tài)度，其所闡述的話題只是個(gè)人的主觀見解。使用這類模糊限制語可以在一定程度上削弱說話人對(duì)話題所承擔(dān)的責(zé)任。如：“我認(rèn)為”，“就我所知”等。

客觀依據(jù)型 通過借助第三方或大家普遍認(rèn)同的觀點(diǎn)，間接地表達(dá)說話人對(duì)某事所持有的態(tài)度，說話人在一定程度上同意第三方的觀點(diǎn)，只是他對(duì)此依據(jù)究竟有多大程度的贊同，在話語中看不出來，只能另作推斷。例如，據(jù)說”，“有人說”等。

探知結(jié)論型 用來表示對(duì)某個(gè)結(jié)論的推測(cè)，根據(jù)存在的現(xiàn)象推知未來可能會(huì)發(fā)生的事情或待證明的結(jié)論。例如，“表明”，“可能”，“調(diào)查”，“仍不清楚”等。

條件假設(shè)型 通過給出假定的前提條件表明說話人的意愿，但現(xiàn)在事實(shí)是怎樣的并不知曉。例如，“如果”，“假定”等。

3 中文模糊限制語語料庫(kù)構(gòu)建

3.1 語料的選取與預(yù)處理

本文構(gòu)建的中文模糊限制語語料庫(kù)覆蓋了生物醫(yī)學(xué)與維基百科兩個(gè)領(lǐng)域。生物醫(yī)學(xué)領(lǐng)域語料選自《中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào)》、《中國(guó)生物化學(xué)與分子生物學(xué)報(bào)》和《生物醫(yī)學(xué)工程學(xué)雜志》等權(quán)威性中文生物醫(yī)學(xué)類期刊的2011～2013年間的科研論文。分別摘取部分文獻(xiàn)的摘要、實(shí)驗(yàn)結(jié)果、討論、結(jié)論并選取部分文獻(xiàn)的全文，分別標(biāo)注以便統(tǒng)計(jì)分析模糊限制語在文獻(xiàn)不同章節(jié)的使用頻率。

維基百科的組成單元稱為“概念”或“詞條”，每個(gè)詞條對(duì)應(yīng)一篇文章，由不同用戶一次次編輯形成。本文選取國(guó)家介紹、歷史人物介紹、事件介紹等方面的242篇詞條構(gòu)建維基百科語料庫(kù)。

從CNKI（中國(guó)知網(wǎng)）上下載的文獻(xiàn)需要轉(zhuǎn)化為文本格式。人工修正文本轉(zhuǎn)化產(chǎn)生的亂碼，并將其中的所有英文及數(shù)字統(tǒng)一為半角格式，去掉多余的空格。由于存在中英文標(biāo)點(diǎn)符號(hào)混合使用的情況，將所有標(biāo)點(diǎn)符號(hào)統(tǒng)一為中文格式。

3.2 結(jié)構(gòu)設(shè)計(jì)與一般標(biāo)注規(guī)則

標(biāo)注語料采用一種特定的XML格式，每一個(gè)句子顯示為一行，如圖2所示。首先，標(biāo)注句子號(hào)，如“S38.9”，其中“38”為文章號(hào)，“9”為該句在文章中的序號(hào)。然后，標(biāo)注該句的模糊限制類型，其中“certain”為確定性句子，“uncertain”為模糊限制性句子，當(dāng)一個(gè)句子包含有一個(gè)或一個(gè)以上的模糊限制語時(shí)，這個(gè)句子就是模糊限制性句子。對(duì)于模糊限制性句子，標(biāo)注模糊限制語。分別使用標(biāo)記“＜ccue＞”和“＜／ccue＞”標(biāo)注模糊限制語的起始和結(jié)尾，同時(shí)給出模糊限制語的標(biāo)號(hào)，如“S38.9.1”，和細(xì)分類，如“頻率變動(dòng)”。文章號(hào)、句子序號(hào)和模糊限制語標(biāo)號(hào)采用層次結(jié)構(gòu)，并有且僅有一個(gè)標(biāo)號(hào)。

圖2 模糊限制語標(biāo)注語料示例

模糊限制語的標(biāo)注遵循最小原則：標(biāo)注能表明模糊限制性的最小單元為模糊限制語，多個(gè)模糊限制語組合起來表示模糊限制性時(shí)，分別標(biāo)注每個(gè)模糊限制語，如圖2中，“總是”和“被定義”被分別標(biāo)記為模糊限制語，而不是將“總是被定義”作為一個(gè)模糊限制語。

3.3 特殊詞語標(biāo)注規(guī)則

除了一些明確具有模糊限制含義的詞語外，還有一些詞語需要根據(jù)上下文語境判斷其是否表模糊性，這是模糊限制語標(biāo)注的一個(gè)難點(diǎn)。判斷一個(gè)詞語是否是模糊限制語，主要是看它對(duì)所陳述的命題是否產(chǎn)生不確定的影響。為減少標(biāo)注錯(cuò)誤，提高標(biāo)注速度，增加標(biāo)注語料的一致性，我們研究制定了一些特殊詞語標(biāo)注規(guī)則，這些規(guī)則隨著標(biāo)注過程動(dòng)態(tài)更新。部分特殊詞語標(biāo)注規(guī)則如下。

1.詞語“根據(jù)”引用的是第三方的觀點(diǎn)或理論，間接地表達(dá)說話人對(duì)某事所持有的態(tài)度時(shí)，認(rèn)為是模糊限制語，如例句（1）中的“根據(jù)”是模糊限制語；當(dāng)命題中未表達(dá)個(gè)人觀點(diǎn)時(shí)，認(rèn)為不是模糊限制語，如例句（2）。

例句1 ＜ccue＞根據(jù)＜／ccue＞染色體分離機(jī)理，Cdc20的表達(dá)是PBEⅠ所必需的。

例句2 大部分代表是直接民選產(chǎn)生，100人則是根據(jù)政黨得票率按比例分配。

2.詞語“或者”是在每個(gè)領(lǐng)域都經(jīng)常出現(xiàn)的詞，通過研究我們認(rèn)為當(dāng)“或者”連接的同位詞只有一個(gè)正確的時(shí)候，是模糊限制語，如例句（3），不確定是“第三或者第四大”，但對(duì)的只能選擇其中的一個(gè)，所以是模糊限制語；而當(dāng)“或者”連接的同位語無論選哪個(gè)都正確的時(shí)候，認(rèn)為不是模糊限制語，如例句（4），選擇“tartuffolo”或“小松露”，命題都正確，所以認(rèn)為不是模糊限制語。

例句3 美國(guó)的國(guó)土面積是世界第三＜ccue＞或者＜／ccue＞第四大。

例句4 在十五世紀(jì)時(shí)，馬鈴薯在意大利被叫作“tartuffolo”或者“小松露”。

3.詞語“表明”在生物醫(yī)學(xué)文獻(xiàn)中常用于推測(cè)某個(gè)結(jié)論，當(dāng)根據(jù)某些現(xiàn)象或條件，推測(cè)出一個(gè)結(jié)論時(shí)，認(rèn)為是模糊限制語，如例句（5），“表明”連接的是一個(gè)推測(cè)性的結(jié)論，所以認(rèn)為是模糊限制語；當(dāng)只是客觀地描述了一個(gè)結(jié)果或現(xiàn)象時(shí)，認(rèn)為不是模糊限制語，如例句（6），只是客觀地陳述了一個(gè)實(shí)驗(yàn)的結(jié)果，所以認(rèn)為不是模糊限制語。

例句5 在晚期動(dòng)脈相因子圖中，腫瘤完全增強(qiáng)，并且周圍組織也增強(qiáng)，＜ccue＞表明＜／ccue＞有肝動(dòng)脈血流開始進(jìn)入周圍組織區(qū)域。

例句6 通過對(duì)30位受試者的對(duì)比實(shí)驗(yàn)，結(jié)果表明，本監(jiān)護(hù)儀的測(cè)量驗(yàn)證的平均準(zhǔn)確率達(dá)到92.2%。

4.詞語“證明”常出現(xiàn)在生物醫(yī)學(xué)文獻(xiàn)中，后面跟隨一個(gè)命題。我們規(guī)定，當(dāng)該命題需要加以證明時(shí)，“證明”是模糊限制語，如例句（7），“b和c兩條帶為Pil1磷酸化狀態(tài)”這一命題在此例句中是有待證明的命題，所以認(rèn)為是模糊限制語；而命題已得到證明了，則“證明”不是模糊限制語，如例句（8），“高糖可以通過線粒體凋亡途徑誘導(dǎo)成骨細(xì)胞凋亡”這一命題已經(jīng)通過實(shí)驗(yàn)得到了驗(yàn)證，所以認(rèn)為不是模糊限制語。

例句7 為了＜ccue＞證明＜／ccue＞這b和c兩條帶為Pil1磷酸化狀態(tài)，F(xiàn)ig.2C表示將蛋白提取物加入磷酸酶處理后作免疫印記檢測(cè)。

例句8 本研究證明，高糖可以通過線粒體凋亡途徑誘導(dǎo)成骨細(xì)胞凋亡。

3.4 語料庫(kù)的構(gòu)建

基于已有的英文模糊限制語語料，和中文待標(biāo)注語料，收集各類中文模糊限制語，整合成為一份完備的模糊限制語詞典。為了減輕標(biāo)注人員的負(fù)擔(dān)，采用正向最大匹配算法，標(biāo)注中文語料中的詞典詞，形成初始標(biāo)注語料。

本文參照英文生物醫(yī)學(xué)領(lǐng)域的BioScope［3］語料庫(kù)的標(biāo)注過程進(jìn)行標(biāo)注。首先，分別由兩名語言學(xué)專家按照標(biāo)注規(guī)則，判斷初始標(biāo)注語料中的詞典詞在句子中是否表示模糊性，人工修正初始標(biāo)注語料的錯(cuò)誤，形成兩份標(biāo)注結(jié)果。然后，規(guī)則的制定者對(duì)兩份標(biāo)注結(jié)果中不一致處進(jìn)行統(tǒng)一，形成最終語料。具體標(biāo)注過程如圖3所示。

圖3 語料標(biāo)注過程

4 語料庫(kù)的統(tǒng)計(jì)數(shù)據(jù)與分析

4.1 語料庫(kù)的統(tǒng)計(jì)數(shù)據(jù)

語料庫(kù)的統(tǒng)計(jì)信息如表1所示，生物醫(yī)學(xué)和維基百科兩個(gè)領(lǐng)域共標(biāo)注語料24 414句，約100萬詞。其中模糊限制性句子8 160句，模糊限制語11 904個(gè)。維基百科文章中，33.78%的句子包含模糊限制信息；生物醫(yī)學(xué)文獻(xiàn)中，摘要中25.28%的句子，全文中35.09%的句子包含模糊限制信息，可見中文模糊限制語廣泛地存在于中文文獻(xiàn)中。此規(guī)模的語料庫(kù)足夠用于模糊限制信息檢測(cè)的研究。

表1 語料庫(kù)的統(tǒng)計(jì)信息

4.2 不同領(lǐng)域模糊限制語的分布

圖4 語料中模糊限制語的類型分布

模糊限制語的分布具有領(lǐng)域性［19］，為了探究不同類型的模糊限制語在生物醫(yī)學(xué)和維基百科領(lǐng)域的分布，對(duì)語料庫(kù)中的各類模糊限制語進(jìn)行統(tǒng)計(jì)，結(jié)果如圖4所示。

由圖4可見，生物醫(yī)學(xué)文獻(xiàn)中緩和型模糊限制語的使用頻率較高，維基百科文章中變動(dòng)型模糊限制語的使用頻率較高。其中，在生物醫(yī)學(xué)領(lǐng)域，探知結(jié)論型模糊限制語較多。因?yàn)樵谏镝t(yī)學(xué)論文寫作中，當(dāng)作者根據(jù)實(shí)驗(yàn)現(xiàn)象推測(cè)結(jié)論時(shí)，常常使用探知結(jié)論型模糊限制語。在維基百科領(lǐng)域，客觀依據(jù)型模糊限制語所占比例明顯高于生物醫(yī)學(xué)領(lǐng)域。其主要原因是本文選取了國(guó)家介紹、歷史人物介紹、事件介紹的文章，所以往往借用別人的觀點(diǎn)來表述自己態(tài)度。一般而言，程度變動(dòng)型和數(shù)量變動(dòng)型模糊限制語在各個(gè)領(lǐng)域都比較常用，因此，這兩類模糊限制語在生物醫(yī)學(xué)和維基百科中都占有較大的比重。

4.3 一致性分析

標(biāo)注完成后，對(duì)標(biāo)注語料進(jìn)行一致性分析。先比較兩份獨(dú)立標(biāo)注的語料，將其中一份語料作為標(biāo)準(zhǔn)語料；再分別將兩份獨(dú)立標(biāo)注的語料（標(biāo)注結(jié)果1，標(biāo)注結(jié)果2）與最終語料進(jìn)行比較，最終語料作為標(biāo)準(zhǔn)語料。采用式（1）、式（2）和式（3）計(jì)算獲得F值作為一致率。

上式中，TP（True Positives）表示兩份語料中相同的模糊限制語的個(gè)數(shù)。FP（False Positives）表示評(píng)測(cè)語料中被標(biāo)注為模糊限制語，而標(biāo)準(zhǔn)語料中未被標(biāo)注為模糊限制語的個(gè)數(shù)。FN（False Negatives）表示評(píng)測(cè)語料中未被標(biāo)注為模糊限制語，而標(biāo)準(zhǔn)語料中被標(biāo)注為模糊限制語的個(gè)數(shù)。一致性分析結(jié)果如表2所示。

表2 一致性分析結(jié)果

模糊限制語級(jí)別的F值采用精確匹配，即左、右邊界完全匹配時(shí)認(rèn)為識(shí)別正確，而句子級(jí)別的F值只需句子的模糊性判斷正確即可。各列中的第一項(xiàng)表示兩份獨(dú)立標(biāo)注的語料間的一致率，第二項(xiàng)和第三項(xiàng)表示兩份獨(dú)立標(biāo)注語料與最終語料間的一致率。由表2可見，模糊限制語級(jí)別的一致性明顯低于句子級(jí)別的一致性，說明模糊限制語的識(shí)別比模糊限制性句子識(shí)別更具難度。同時(shí)，由于模糊限制語沒有明確的定義，有一些詞語需要根據(jù)上下文語境判斷其是否表模糊性，因此，模糊限制語的標(biāo)注具有一定的主觀性。但是，在語料的標(biāo)注過程中，規(guī)則的制定者與兩名語言學(xué)專家對(duì)前兩份獨(dú)立標(biāo)注語料的不一致處進(jìn)行了深入的探討，反復(fù)修改了標(biāo)注規(guī)則。兩名語言學(xué)專家又根據(jù)新的規(guī)則分別修改了各自的標(biāo)注語料。這也說明中文模糊限制語具有較大的歧義性，中文模糊限制信息檢測(cè)存在較大的難度。兩份獨(dú)立標(biāo)注的語料間的一致性低于它們分別與最終語料間的一致性，這是因?yàn)樽罱K語料是規(guī)則的制定者對(duì)兩份獨(dú)立標(biāo)注語料的不同之處再修改獲得的，所以有可能和二者之一相同。當(dāng)然，規(guī)則的制定者也對(duì)全部語料進(jìn)行了審查，修改了部分獨(dú)立標(biāo)注語料的相同標(biāo)記，最終語料具有較高的質(zhì)量。

5 總結(jié)與展望

本文根據(jù)中文模糊限制語的語義和語用功能，對(duì)其類型進(jìn)行了更細(xì)致的劃分。在生物醫(yī)學(xué)和維基百科兩個(gè)領(lǐng)域，設(shè)計(jì)構(gòu)建了中文模糊限制語語料庫(kù)。在語料庫(kù)構(gòu)建過程中，從語料收集、標(biāo)注規(guī)范制定和語料標(biāo)注等多方面提高語料庫(kù)的質(zhì)量。目前已標(biāo)注完成了一個(gè)具有2.4萬句規(guī)模的中文模糊限制語語料庫(kù)。統(tǒng)計(jì)表明，生物醫(yī)學(xué)文獻(xiàn)全文中35.09%的句子，維基百科中33.78%的句子包含模糊限制信息。兩個(gè)領(lǐng)域中，由于詞語的使用頻率不同，所以模糊限制語的類型分布具有較大的差異。實(shí)驗(yàn)檢測(cè)了語料標(biāo)注的一致率，其中模糊限制語的一致率不高，表明中文模糊限制語具有歧義性，中文模糊限制語識(shí)別存在較大的難度。語料庫(kù)的建設(shè)是一項(xiàng)長(zhǎng)期而艱巨的任務(wù)，下一步我們將繼續(xù)完善標(biāo)注規(guī)范，改進(jìn)標(biāo)注質(zhì)量，擴(kuò)大語料規(guī)模。此外，本文僅標(biāo)注了中文模糊限制語及其所屬類別，標(biāo)注模糊限制語的限制范圍也將是本文下一步的研究工作。最后，我們希望盡快推出一個(gè)語料庫(kù)的在線版本，為中文模糊限制語的研究提供共享資源。并基于中文模糊限制信息語料庫(kù)，進(jìn)行模糊限制信息檢測(cè)研究。

［1］ Lakoff G.Hedges：a study in meaning criteria and the logic of fuzzy concepts［J］.Journal of Philosophical Logic，1973，2（4）：458－508.

［2］ Farkas R，Vincze V，Móra G，et al.The CoNLL 2010 shared task：learning to detect hedges and their scope in natural language text［C］／／Proceedings of the CoNLL，Uppsala，Sweden，2010，1－12.

［3］ Szarvas G，Vincze V，F(xiàn)arkas R，et al.The BioScope corpus：biomedical texts annotated for uncertainty，negation and their scopes［J］.BMC Bioinformatics，2008，9（11）：S9.

［4］ Medlock B and Briscoe T.Weakly supervised learning for hedge classification in scientific literature［C］／／Proceedings of the ACL，2007：992－999.

［5］ Kim J D，Ohta T，Tsujii J.Corpus annotation for mining biomedical events from literature［J］.BMC Bioinformatics，2008，9（10）：1－25.

［6］ Settles B，Craven M，F(xiàn)riedland L.Active learning with real annotation costs［C］／／Proceedings of the NIPS Workshop on Cost－Sensitive Learning，Vancouver，Canada，2008：1－10.

［7］ Shatkay H，Pan F，Rzhetsky A，et al.Multi－dimensional classification of biomedical text：toward automated，practical provision of high－utility text to diverse users［J］，Bioinformatics，2008，24（18）：2086－2093.

［8］ Nawaz R，Thompson P，Ananiadou S.Evaluating a meta－knowledge annotation scheme for bioevents［C］／／Proceedings of the Workshop on Negation and Speculation in Natural language Proceeding，Uppsala，2010：69－77.

［9］ Uzuner O，Zhang X R，Sibanda T.Machine learning and rule－based approaches to assertion classification［J］.Journal of the American Medical Informatics Association，2009，16（1）：109－115.

［10］ Rubin V L，Liddy E D，Kando N.Certainty identification in texts：Categorization model and manual tagging results［J］.Computing Attitude and Affect in Text：Theory and Applications，2006，20：61－76.

［11］ Wilson T A.Fine－grained subjectivity and sentiment analysis：Recognizing the intensity，polarity，and attitudes of private states［D］.Ph.D.thesis，Univer－sity of Pittsburgh，PA.2008.

［12］ SauríR，Pustejovsky J.FactBank：A corpus annotated with event factuality［J］.Language Resources and Evaluation，2009，43（3）：227－268.

［13］ Rubin V L.Epistemic modality：From uncertainty to certainty in the context of information seeking as interactions with texts［J］.Information Processing and Management，2010，46（5）：533－540.

［14］ 王舟.英漢學(xué)術(shù)論文摘要中模糊限制語的對(duì)比研究－－一項(xiàng)基于語料庫(kù)的研究［J］.華中科技大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2008，22（6）：59－63.

［15］ 陳萍，蔣躍.中英醫(yī)學(xué)論文摘要中模糊限制語的對(duì)比研究［J］.外語藝術(shù)教育研究，2009，3（1）：15－20.

［16］ 范曉暉，李曉，李瑩.中英作者醫(yī)學(xué)論文英文摘要中模糊限制語的對(duì)比研究［J］.西北醫(yī)學(xué)教育，2010，18（5）：1019－1021.

［17］ 顧敏，周紅.英漢訪談節(jié)目中模糊限制語語用功能的對(duì)比研究［J］.嘉興學(xué)院學(xué)報(bào)，2013，25（1）：87－91.

［18］ Prince E F，F(xiàn)rader J，Bosk C.On hedging in physician－physician discourse［J］.Linguistics and the Professions，1982：83－97.

［19］ Szarvas G，Vincze V，F(xiàn)arkas R，et al.Cross－Genre and Cross－Domain Detection of Semantic Uncertainty［J］.Association for Computational Linguistics，2012，38（2）：335－367.

［20］ 何自然.模糊限制語與言語交際［J］.外國(guó)語（上海外國(guó)語學(xué)院學(xué)報(bào)），1985，（5）：27－31.

［21］ 文旭.語義模糊與翻譯［J］.中國(guó)翻譯，1996，（2）：5－8.

［22］ 蘇遠(yuǎn)連.英漢模糊限制語的分類和功能［J］.廣州大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2002，1（4）：29－32.

［23］ 蔣平.國(guó)內(nèi)模糊語言研究：現(xiàn)狀與目標(biāo)［J］.外國(guó)語（上海外國(guó)語大學(xué)學(xué)報(bào)），2013，36（5）：43－49.