史金生 李靜文

[摘?要]文章通過比較各種語義知識庫的特點，重點討論了基于生成詞庫和論元結(jié)構(gòu)理論的句法語義知識體系研究及資源庫構(gòu)建的內(nèi)容、特色，并從句法-語義接口的透明性和自然性、名詞中心論建模方法的實用性、解決復(fù)雜語法問題的便捷性、情感評價色彩描述的突破性等四個方面分析了其價值，并提出了關(guān)于未來句法語義知識體系研究的幾點思考。

[關(guān)鍵詞]生成詞庫;論元結(jié)構(gòu);物性結(jié)構(gòu);句法語義知識庫;情感評價

[中圖分類號]H08?[文獻(xiàn)標(biāo)志碼]A?[文章編號]2095-0292（2021）02-0001-09

[作者簡介] 史金生，首都師范大學(xué)文學(xué)院教授，博士研究生導(dǎo)師，國家語委科研基地中國語言智能研究中心副主任，中國語文現(xiàn)代化學(xué)會語義功能語法專委會理事長，研究方向：句法語義、漢語國際教育、語言知能;李靜文，首都師范大學(xué)文學(xué)院博士研究生，研究方向：句法語義。

一、引言

自然語言處理就是研究計算機處理自然語言的過程和方法，包括形式化、算法化、程序化、實用化等步驟，其中建立語言的形式化模型，使之能以一定的數(shù)學(xué)形式表示出來，是自然語言處理的核心。自然語言處理經(jīng)歷了從知識驅(qū)動到數(shù)據(jù)驅(qū)動的不同發(fā)展階段：語言知識的獲取最早是基于語言學(xué)家的規(guī)則描寫，即根據(jù)語言學(xué)規(guī)則來編寫程序，然后發(fā)展到基于統(tǒng)計，即從大規(guī)模真實語料庫中獲取語言知識，近些年發(fā)展到基于神經(jīng)網(wǎng)絡(luò)，通過深度學(xué)習(xí)，讓計算機自動獲取自然語言的特征。人工智能現(xiàn)在已經(jīng)發(fā)展到第三代，已經(jīng)來到了一個重要的拐點，其路徑是融合第一代知識驅(qū)動和第二代數(shù)據(jù)驅(qū)動，自然語言語義的精準(zhǔn)理解因而成為人工智能皇冠上的明珠。

計算機要能實現(xiàn)準(zhǔn)確的分析，就要具備相應(yīng)的語義以及語法等知識，以及相應(yīng)的常識知識和推理能力。建立句法、語義知識庫之類的語言知識資源，并且映射到知識圖譜之類通用的形式化的語義表示框架，可以幫助計算機理解自然語言的意義，并且在一定程度上進(jìn)行常識性知識推理;相反，如果同相關(guān)的知識沒有牽扯，僅僅是統(tǒng)計方法、機器學(xué)習(xí)，計算機就不能達(dá)到對相關(guān)語言、概念的深刻理解。面向自然語言處理的知識庫可服務(wù)于自動分詞、詞性標(biāo)注、句法分析、語義分析、機器翻譯、信息提取、情感分析、文本摘要和問答系統(tǒng)等多個領(lǐng)域。構(gòu)建相應(yīng)的句法語義知識庫成為當(dāng)前自然語言處理的重要任務(wù)，而缺乏形態(tài)標(biāo)記的漢語，建立相關(guān)的知識庫顯得更加迫切。

本文主要分析漢語句法語義知識庫構(gòu)建的理論基礎(chǔ)、具體內(nèi)容、特色優(yōu)勢，并提出未來句法語義知識體系研究方面的幾點思考。

二、國內(nèi)外基于不同理論框架的知識庫構(gòu)建

現(xiàn)階段，語言知識庫主要包括現(xiàn)代漢語語法信息詞典、大規(guī)?，F(xiàn)代漢語基本標(biāo)注語料庫、平行語料庫、英漢和日漢對照雙語語料庫、多語言概念詞典、現(xiàn)代漢語短語結(jié)構(gòu)規(guī)則庫等，此外，還有為上述語言知識庫服務(wù)的不同種類的工具軟件，這些最終構(gòu)成了綜合型的語言知識庫。

如果要展示詞匯概念，并且描述概念和概念之間，以及概念和屬性間關(guān)系，就需要文本語義了，也就是需要重新構(gòu)建語義知識庫。近年來，國內(nèi)外比較流行的語義知識庫在設(shè)計方面各具特點，但都是依據(jù)一定的語言學(xué)理論構(gòu)建起來的。例如，美國普林斯頓大學(xué)WordNet知識庫，將語義上緊密聯(lián)系的相關(guān)詞匯聚合成同義詞集;美國科洛大學(xué)的VerbNet知識庫，以Levin的動詞分類作為理論基礎(chǔ)，描述不同類別動詞的論元結(jié)構(gòu);賓西法尼亞大學(xué)的Chinese PropBank知識庫，借鑒了PropBank的理論和描述框架;紐約大學(xué)的NomBank知識庫，借鑒了PropBank，Nomlex項目及支撐動詞有關(guān)研究;Chinese NomBank知識庫就是將英語命題庫以及英語NomBank常規(guī)架構(gòu)，用到了中文名詞化謂詞標(biāo)注當(dāng)中;我國臺灣地區(qū)詞庫小組的Sinica TreeBank知識庫，運用了中心語主導(dǎo)原則和依存語法理論;上海師范大學(xué)與山西大學(xué)聯(lián)合構(gòu)建的Chinese FrameNet，運用了框架語義學(xué)的理論;北京大學(xué)中文網(wǎng)庫是在配價語法基礎(chǔ)上提出了論元結(jié)構(gòu)理論，并將這一理論運用于知識庫構(gòu)建;清華大學(xué)、北京大學(xué)、魯東大學(xué)的事件描述塊句法語義標(biāo)注庫，運用了格語法和配價語法理論。

以上語義知識詞庫為計算機實現(xiàn)自然語言的語義理解提供了可能性，但是也存在一些缺陷。比如，WordNet往往會將詞語之間的組合關(guān)系以及語句段落里面共現(xiàn)的關(guān)系忽視掉，VerbNet知識庫將動詞當(dāng)作核心，這樣就不能夠妥善地處理和解決情景式事物指稱的問題，F(xiàn)rameNet無法準(zhǔn)確地掌握相關(guān)詞匯概念在具體語句段落里面的最常見的共現(xiàn)關(guān)系;ConceptNet雖然被計算機賦予常識經(jīng)驗，但缺少句子和語篇間的組合推斷。那么，如何解決像“網(wǎng)球問題”等事物間情景聯(lián)想的有關(guān)問題？計算機如何模仿人類進(jìn)行常識推理和句法組合？一些語言學(xué)家作出了積極深入的探索。

三、基于生成詞庫和論元結(jié)構(gòu)理論的漢語句法語義知識庫

最近，北京大學(xué)袁毓林教授團(tuán)隊基于生成詞庫論和論元結(jié)構(gòu)理論，對漢語實詞進(jìn)行了句法語義知識挖掘構(gòu)建，編寫了《現(xiàn)代漢語實詞語法語義功能信息詞典》（以下簡稱《實詞信息詞典》）。

1.主要內(nèi)容

《實詞信息詞典》不僅充分地描寫了動詞和形容詞的論元角色及其句法配置，還描寫了名詞的物性角色及其句法配置，把漢語有關(guān)的句法、語義及相關(guān)的常識知識納入詞項的句法、語義描述中，從而在體詞和謂詞之間形成了具有鏈接性的語義網(wǎng)絡(luò)和句型體系。

《實詞信息詞典》是一個綜合型的語義知識庫，可以服務(wù)于自然語言處理。詞典的主要內(nèi)容有現(xiàn)代漢語常用實詞的語義角色、主要句型、經(jīng)典例句等。同時，還有一個配套信息檢索系統(tǒng)，可以快速、準(zhǔn)確地檢索到所需要的信息內(nèi)容。該詞典由“漢語動詞句法語義功能信息詞典暨檢索系統(tǒng)”“漢語形容詞句法語義功能信息詞典暨檢索系統(tǒng)”“漢語名詞句法語義功能信息詞典暨檢索系統(tǒng)”這三個子系統(tǒng)構(gòu)成。該詞典為實詞設(shè)計了一套前后一致、互相照應(yīng)的語義表示框架，揭示它們之間語義角色關(guān)系;加入情感評價色彩的描寫，由此形成了相對完善的漢語語義知識體系。這一體系具有很大的優(yōu)勢，基于該體系，可以形成相應(yīng)的語義知識庫，其中具備了面向?qū)ο?、可擴展的特點。特別重視語義角色，即詞語之間的搭配關(guān)系和選擇限制，并配有相關(guān)句型和習(xí)慣搭配。將語言知識納入到知識圖譜當(dāng)中的方式，可以讓人們更加容易也更加深刻地理解AI的含義。

知識庫里面的每個實詞的構(gòu)成都是有兩個部分，一個部分是語義角色，也被稱作物性角色，另一個部分則是句法格式。詞庫生成需要有四種不同的物性結(jié)構(gòu)，語義知識庫則是在這四種不同的物性結(jié)構(gòu)上進(jìn)行了擴增，變成了10種不同的物性結(jié)構(gòu)，分別是形式、構(gòu)成、單位、評價、施成、材料、功用、行為、處置以及定位。這10種不同的物性結(jié)構(gòu)一起組建成名詞物性結(jié)構(gòu)框架。這項研究針對動詞、形容詞等，建立了論元結(jié)構(gòu)描寫框架。在這個框架里面的內(nèi)容主要有施事、經(jīng)事、主事、與事、對象、工具、方法、原因、目標(biāo)、時段、場合、起點、終點、途徑等，共計22種動詞語義角色。此外，還包括感事、與事、系事等合計9種形容詞語義角色。利用句法格式就能夠?qū)崿F(xiàn)描寫名詞的物性結(jié)構(gòu)與動詞、形容詞的論元結(jié)構(gòu)的連接;并且還可以形成完整的句法語義接口知識，實現(xiàn)了在動態(tài)語境下意義浮現(xiàn)的解釋和說明。這一知識庫比其他語義知識庫更加注重組合性、語義劃分的精細(xì)化及語義結(jié)構(gòu)，有利于計算機進(jìn)行自動文本的常識性推理。

2.多層聯(lián)動推導(dǎo)特征

《實詞信息詞典》是在調(diào)查大規(guī)模真實文本語料的基礎(chǔ)上，通過對名詞、動詞和形容詞等實詞的物性結(jié)構(gòu)和論元結(jié)構(gòu)的精心設(shè)計和合理描述，把事物和跟事物相關(guān)的事件的有關(guān)世界知識及其語言表達(dá)形式表示出來，再輔之以指針鏈接和知識圖譜（knowledge graph）等數(shù)據(jù)表示技術(shù)和拉近—推遠(yuǎn)（zoom-in and zoom-out）等便捷的呈現(xiàn)手段，有效地把相關(guān)的名詞、動詞和形容詞的語義關(guān)聯(lián)起來，形成了以名詞（實體）為檢索核心的、面向?qū)ο螅╫bject orientation）的語義知識庫。

比如“豬—喝—湯”的語義角色關(guān)系及句法配置的構(gòu)建：

名詞“豬”的行為角色是動詞“喝”，這是從名詞出發(fā)看名詞和動詞的語義關(guān)聯(lián);反過來，從動詞出發(fā)看動詞和名詞的語義關(guān)聯(lián)，動詞“喝”的施事角色是名詞“豬”，同時受事角色是名詞“湯”。而“湯”作為“豬”施成的條件與句子保持了句法結(jié)構(gòu)的關(guān)聯(lián)。“湯”功用語義角色促發(fā)了與動詞“喝”進(jìn)行關(guān)聯(lián)。因此我們看到“豬—喝—湯”構(gòu)成了一個知識網(wǎng)絡(luò)，在知識網(wǎng)絡(luò)中每一個節(jié)點都因語義角色的關(guān)系而相互關(guān)聯(lián)，最終形成句法結(jié)構(gòu)。通過對動詞的論元結(jié)構(gòu)和名詞的物性結(jié)構(gòu)的刻畫，為計算機理解名詞—動詞之間的語義關(guān)系，提供了一種有效的知識表示。

我們再看一下名詞與其他詞的關(guān)聯(lián)問題，《實詞信息詞典》解決了“饅頭問題”，圍繞名詞進(jìn)行物性角色的構(gòu)建也符合沈家煊（2019）“大名詞”觀的思路，如：

圍繞名詞“饅頭”可以組構(gòu)成多種事件，如構(gòu)成中可以與其他名詞形成偏正和聯(lián)合結(jié)構(gòu)“雜糧饅頭”“主食饅頭”，處置語義角色在句法中表現(xiàn)為動詞的賓語，如“吃—饅頭”“買—饅頭”，作賓語也可以是施成角色，如“蒸饅頭”，“饅頭”的動作行為角色也可以賦予“饅頭”話題的身份，如“饅頭霉變”?！梆z頭”的評價角色，使得饅頭可以作為被修飾的成分，如“熱氣騰騰的饅頭”“硬邦邦的饅頭”“松軟可口的饅頭”等?？梢?，圍繞“名詞”可以關(guān)聯(lián)動詞“吃”“蒸”等，也可以關(guān)聯(lián)名詞“主食”“雜糧”等，甚至還可以關(guān)聯(lián)形容詞“松軟可口”“硬邦邦”等。以名詞為中心輻射構(gòu)成了知識圖譜。

另外，計算機在處理情感評價系統(tǒng)的時候存在輸出的困難，如何識別句子的隱藏特征成為需要解決的問題。我們在考察《實詞信息詞典》的形容詞部分找到了相關(guān)的證據(jù)。

比如：

我們可以看到“好”是對主事和范圍的評價，比如“這把傘的質(zhì)量好”，也可以用于比較結(jié)構(gòu)“這把傘的質(zhì)量比那把傘的質(zhì)量好”，但是我們發(fā)現(xiàn)，事件結(jié)構(gòu)也可以用“好”進(jìn)行主觀評價，比如“豬喝湯好”，“好”評價了前面的“豬喝湯”這一事件結(jié)構(gòu)。如果借用化學(xué)上原子化合和配價的說法，那么形容詞就是語句組合的核心，像主體、方面等伴隨成分就是配價成分。不同的形容詞有不同的配價功能，支配不同數(shù)量和不同性質(zhì)的配價成分，構(gòu)成不同形式的短語和句子。袁毓林、曹宏（2019）“形容詞信息詞典”就是從這樣一種“情境語義學(xué)”（ situation semantics） 和“配價語法”（ valence grammar） 的角度，通過對大規(guī)模真實文本語料的調(diào)查和分析，全面、準(zhǔn)確、簡明地描寫形容詞在情境意義和搭配用法上的關(guān)鍵性特點，使讀者“觀其伴，會其意; 明其價，知其用”，即讓讀者在查閱到一個形容詞條目以后，可以了解該形容詞通常與哪些伴隨成分一起出現(xiàn)，從而從搭配關(guān)系上理解該形容詞的意義、明白其配價組合方面的特點，并掌握其基本的常用句式，進(jìn)而根據(jù)這些句式，模仿相關(guān)實例，理解相關(guān)的其他句子。

形容詞在修辭上生動優(yōu)美、意蘊豐富，但是它的意義又顯得空靈朦朧，使用起來不太好把握火候。那么，怎樣才能比較切實地了解形容詞的意義、掌握形容詞復(fù)雜多變的用法呢？其實，了解一個詞和了解一個人有相似之處。通常，我們看一個人跟什么人來往，就可以知道他大概是一個什么樣的人。同樣，要了解一個詞的意義和用法，最好的辦法莫過于觀察它跟什么樣的詞語搭配。

另外，如“很+NP”類評價構(gòu)式中的NP的語義角色關(guān)聯(lián)還需要繼續(xù)考慮，這就與詞典中“藝術(shù)”不能受到“很”“不”等副詞修飾相沖突，那么計算機如何識別“整體大于部分之和”的構(gòu)式性問題還需要進(jìn)一步思考。如：

四、句法語義知識庫構(gòu)建的意義和價值

Halvorsen（1988）特別提出計算語言學(xué)其實是模擬了人類社會的語言接受和處理的能力。這種能力其實就是典型的人工智能方法，其最大優(yōu)勢是實現(xiàn)了計算機同人類之間的轉(zhuǎn)化。即將人類思維成功轉(zhuǎn)化為相應(yīng)的模型，使得人類的整個認(rèn)知過程通過所建立的計算機模型進(jìn)行實現(xiàn)。他曾經(jīng)試圖使用計算范式去模擬人類學(xué)習(xí)、獲取、儲存、使用知識的全部流程。

通過運用語言知識資源，讓機器更加準(zhǔn)確地理解語義，并進(jìn)行一些常規(guī)的推理和推斷，這正是眾多計算機專家、語言學(xué)家們普遍關(guān)注和想要探究明白的問題。如何解決自然語言處理中的語義表示和理解技術(shù)，逐漸提上日程?？傮w而言，基于認(rèn)知的《實詞信息詞典》，創(chuàng)建了具有鏈接性的語義網(wǎng)絡(luò)，把語義知識加入知識圖譜，利用計算機信息技術(shù)和語言知識資源建構(gòu)了基于情感計算和常識計算的語義知識庫，解決了像“網(wǎng)球問題”“他是老狐貍”等需要人類常識經(jīng)驗參與的語義知識問題，具有語言知識與常識推理互動溝通的創(chuàng)新性和信息技術(shù)開發(fā)的前沿性。

1.實現(xiàn)了句法-語義的自然對接

為計算機研究語言，主要以自然語言為對象，并對其具體的結(jié)構(gòu)、意義規(guī)律進(jìn)行不斷的深入挖掘，從中得到相應(yīng)的規(guī)則，包括語法以及句法等。同時這些規(guī)則具有一定的特點，即相對容易實現(xiàn)形式化、算法化?；谏鲜隼砟罱⒌南鄳?yīng)的理論模型，主要作用就是更好地組織各種規(guī)則?！秾嵲~信息詞典》里面實詞語義結(jié)構(gòu)的構(gòu)成有兩大部分，一個部分是語義角色，也叫作物性角色，另外一個構(gòu)成部分就是句法格式。語義角色可以表述事物語義特點;后面句法格式則是表示實詞和語義角色句法結(jié)合的特征。語義結(jié)構(gòu)網(wǎng)絡(luò)在與常識性知識建立聚合聯(lián)系的同時，也關(guān)注句法結(jié)構(gòu)、語境浮現(xiàn)和篇章鏈接的組合性關(guān)系和配置模式。這個知識庫構(gòu)建了一個新的動作指針鏈接，最終就成為一個“謂詞—論元”式的語義關(guān)系圖式?；谏稍~庫理論，整合了VerbNet、FrameNet、ConceptNet等知識庫的優(yōu)點，形成了動詞、形容詞論元結(jié)構(gòu)知識庫和名詞物性結(jié)構(gòu)知識庫互動的模式。

2.突出了名詞中心論建模方法的實用性

基于生成詞庫和論元結(jié)構(gòu)形成的句法語義知識庫具備一定的優(yōu)點，具體來講就是對相關(guān)詞語所反映的知識進(jìn)行突出表現(xiàn)，不但包括常識知識，而且有百科知識，特別是名詞的描寫，是在“物性角色”基礎(chǔ)上，實現(xiàn)對相關(guān)的百科知識、語義結(jié)構(gòu)進(jìn)行詳細(xì)的描述，從而解決了對“圍棋是什么？”等相關(guān)問題的解釋。更重要的是，該語義資源還可以和計算機視覺技術(shù)相結(jié)合，讓計算機進(jìn)行常識推理。例如，可以實現(xiàn)“如何選用某種工具（鏟子）來完成鏟土之類工作？”等等相關(guān)的判斷和推理。

從另一方面來說，該知識庫通過描寫事物間的關(guān)系，構(gòu)建了名詞的框架結(jié)構(gòu);又基于論元結(jié)構(gòu)建立了動詞和形容詞框架結(jié)構(gòu)，并從句法角度刻畫了名詞與動詞和形容詞論元結(jié)構(gòu)的選擇限制和搭配關(guān)系，演化為語義關(guān)聯(lián)、互動推導(dǎo)，而且都是以名詞作為核心，包括動詞、形容詞以及名詞，構(gòu)建了屬性、動作和事物間的語義網(wǎng)絡(luò)。比如，名詞“網(wǎng)球”的施成角色是動詞“制作”等，這是從名詞的角度來對名詞、動詞之間的語義關(guān)聯(lián)進(jìn)行分析;同理，從動詞的角度，網(wǎng)球這一名詞實際上就是動詞“打”等的受事角色。因此，這種以名詞為中心的語言建模和概念建模具有較強的實用性。

3.解釋了一些復(fù)雜的語法現(xiàn)象

構(gòu)建有足夠精細(xì)度的句法語義知識庫，有利于為計算機處理復(fù)雜的語法現(xiàn)象提供資源和解釋。例如，漢語里有“名詞+的+名詞”歧義的問題，像“魯迅的書”就可以理解為“魯迅擁有的書”以及“魯迅寫的書”兩種意思。針對自然語言處理，可以給計算機一個指令規(guī)則，即當(dāng)NP1表示人或機構(gòu)、NP2表示物品時，其中NP1和NP2之間隱含獲得義，但是“魯迅的書”卻沒辦法用規(guī)則來說明，而利用語義知識圖譜恰好能夠消解這種隱含動詞的歧義現(xiàn)象。在《實詞信息詞典》中檢索“魯迅”的百科知識，查到其身份是作家，再調(diào)用“作家”的物性角色，查到其功能角色是“寫”，從而消解了歧義。其次，可以通過物性角色去給有價名詞構(gòu)建模型。比如“小明對小紅的意見”中“意見”作為二價名詞，可以在“物性角色”中的“構(gòu)成”中，展現(xiàn)其降級“施事”和降級“受事”，解決有價名詞的句法語義問題。再如，有些結(jié)構(gòu)是動詞中心論無法解決的問題，如“自行車騎起來很輕松?！比绻覀冝D(zhuǎn)換視角，用名詞中心論就更容易解釋，如把“騎”看成是名詞“自行車”的功用角色，后面的形容詞是名詞的直接評價角色，或者把“形容詞”看成名詞直接是從功用角色承繼下來的評價角色（ [騎自行車]輕松）。另外，針對無根話題，如“大象，鼻子長”，通過在《實用信息詞典》中檢索“大象”，其構(gòu)成角色為“鼻子”，這樣就找到了與前面的無根話題的聯(lián)系。最后，像“他打籃球打得好”轉(zhuǎn)變?yōu)椤八幕@球打得好”的限制條件可以用語義知識圖譜解釋為，形容詞“好”是修飾“他打籃球”整個事件的，事件內(nèi)“打”是后面賓語“籃球”的施成角色?？梢姡衙~的物性角色與動詞、形容詞的論元角色整合起來，能夠為解決復(fù)雜的語法現(xiàn)象提供方便。

4.突破了情感評價色彩描述的難題

人類日常語言中的感情色彩表達(dá)常常是通過褒貶詞實現(xiàn)的，反過來說詞語的情感色彩表達(dá)了人類對相關(guān)事物的情感評價?！秾嵲~信息詞典》對于漢語的實詞采用五級標(biāo)度的方式表示其感情色彩。具體就是褒義（+2）、積極（+1）、中性（0）、消極（-1）、貶義（-2）。五級標(biāo)度的方式避免了對情感色彩區(qū)分顆粒度過大或者過小的毛病，且有一定的階梯性。除此之外，還加入了副詞的考慮，如“很”“非?！钡仍~在與情感色彩詞搭配時，感情色彩將增強和減弱的情況。

另外，語義知識庫還結(jié)合通俗的“七情”分類和心理實驗，將情緒詞分為快樂、喜好、悲哀、驚恐、憤怒、厭惡等六類，讓計算機處理自然語言時具有了情感分析能力。所以，這種帶有情感評價色彩的描述，在自然語言處理當(dāng)中是有很大的突破意義的。

五、結(jié)語

當(dāng)前，語義計算已經(jīng)從詞匯經(jīng)句法轉(zhuǎn)向篇章，出現(xiàn)繁榮發(fā)展的趨勢。要準(zhǔn)確地進(jìn)行語義關(guān)系標(biāo)注，不僅要描述論元結(jié)構(gòu)，還要更加完整地把握命題結(jié)構(gòu)甚至命題之外的時體、情態(tài)、篇章特征。如何標(biāo)注清楚事件論元關(guān)系？如何在“謂詞—論元”結(jié)構(gòu)中整合“時體—情態(tài)”結(jié)構(gòu)？特別是“事件”已成知識圖譜新制高點的當(dāng)下，怎樣讓靜態(tài)性語義知識庫和動態(tài)性事件框架更好地融合起來？這些問題都是需要更深入地探討的內(nèi)容。

從語言本體而言，加強語言理論研究，逐步完善語義描述體系和詞典構(gòu)架，使語義資源建設(shè)能夠更好地為知識圖譜和語義計算服務(wù)。要深入地聯(lián)合人格心理研究實驗，探索人格評價詞語所具有的情感傾向，并將這種傾向展開進(jìn)一步細(xì)化。要重視語義角色的精細(xì)化等級，從數(shù)量和分類方面，尋找適合的語義角色顆粒度?？傊?，要想把語義資源與計算機技術(shù)推向深入，使得多層神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)技術(shù)突出重圍，幫助計算機真正“智能”起來，“弄懂”人類語言，還需要更進(jìn)一步的探索。

[參?考?文?獻(xiàn)]

[1]Chomsky & G. A. Miller.Introduction to the formal analysis of natural languages[M].Wiley， New York，1963.

[2]Chomsky.?Formal properties of grammar[M].Wiley， New York，1963.

[3]Daniel Jurafsky & James H. Martin. Speech and Language Processing： An Introduction to Natural Language Processing， Computational Linguistics and Speech Recognition [M].Upper Saddle River， New Jersey， Prentice Hall， 2000. 中文譯本：馮志偉， 孫樂翻譯.自然語言處理綜論[M].北京：電子工業(yè)出版社，2005.

[4]Grishman， Ralph .Computational Linguistics：An Introduction[M]. Cambridge University Press，1986.

[5]Halvorsen， Per-Kristian .Computer applications oflinguistic theory， in F. J. Newmeyer （ed.） Linguistics： The Cambridge Survey， Vol. II， Linguistic Theory： Extentions and Implications[M]. Cambridge University Press，1988.

[6]Manaris.?Natural language processing in the view of man-machine interchange[J].Advances in Computer， Volume，1999（47）.

[7]白碩.語言學(xué)知識的計算機輔助發(fā)現(xiàn)[M].北京：科學(xué)出版社，1995.

[8]馮志偉.計算語言學(xué)對理論語言學(xué)的挑戰(zhàn)[J].語言文字應(yīng)用，1992（1）.

[9]馮志偉.自然語言的計算機處理[M].上海：上海外語教育出版社，1996.

[10]沈家煊.超越主謂結(jié)構(gòu)[M].北京：商務(wù)印書館，2019.

[11]袁毓林.信息抽取的語義知識資源建設(shè)[J].中文信息學(xué)報，2002（5）：8-14.

[12]袁毓林.語義資源建設(shè)的最新趨勢和長遠(yuǎn)目標(biāo)——通過影射對比、走向統(tǒng)一聯(lián)合、實現(xiàn)自動推理[J].中文信息學(xué)報，2008（3）：3-15.

[13]袁毓林.面向信息檢索系統(tǒng)的語義資源規(guī)劃[J].語言科學(xué)，2008（1）：1-11.

[14]袁毓林.漢語配價語法研究[M].北京：商務(wù)印書館，2010.

[15]袁毓林.基于生成詞庫論和論元結(jié)構(gòu)理論的語義知識體系研究[J].中文信息學(xué)報，2013（6）：23-30.

[16]袁毓林.漢語名詞物性結(jié)構(gòu)的描寫體系和運用案例[J].當(dāng)代語言學(xué)，2014（1）：31-48.

[17]袁毓林，李強.怎樣用物性結(jié)構(gòu)知識解決“網(wǎng)球問題”[J].中文信息學(xué)報，2014（5）.

[18]袁毓林.怎樣利用語言知識資源進(jìn)行語義理解和常識推理[J].中文信息學(xué)報，2018（12）.

[19]袁毓林，曹宏.“漢語形容詞句法語義功能信息詞典暨檢索系統(tǒng)”知識內(nèi)容說明書[J].辭書研究，2019（2）.

[責(zé)任編輯?薄?剛]