俄汉语信息处理的新策略和宝贵资源.PDF

2006 年第 1 期 俄语语言文学研究 2006, №1 总第 11 期 Russian Language and Literature Studies Serial №11 俄汉语信息处理的新策略和宝贵资源 —— 《面向信息处理的俄语语言知识库》简介 傅兴尚 （黑龙江大学，哈尔滨 150080） 摘 要：《面向信息处理的俄语语言知识库》是国家哲学社会科学十五规划项目。该项目由本文作者为课题 负责人主持承担, 最终成果主要体现为：1.人机通用多功能词汇知识库；2.形态分析规则库以及基于该库 的俄语形态自动分析及语料库标注系统；3.句法语义一体化自动分析规则库及其算法。本文就这一项目的 总体设计和取得的成果进行概要性阐释。我们认为，这一成果不仅体现了俄汉语信息处理的新策略，更为 两种语言的转换和契合对接处理提供了宝贵的资源和强有力的语言学保障。 关键词：俄汉语；词汇知识库；形态规则库；句法语义分析规则 中图分类号：H085 文献标识码：A 从不同研究目的出发，以不同的语言范式为指导，所建造的语言知识库也往往不一样。 目前俄罗斯建造的俄语语言知识库主要用于开发俄英、俄法、俄日、俄德等机译系统、支持 各种信息查询系统或应用于语言规则研究的监测和验证。但到目前为止，正如全俄翻译中心 主任 И.И.Убин （1992）所说，“还没有适于开发俄汉机译系统的中介语”。“即便是已有的可 参考的用于俄外对译的知识库，从商业考虑，一时也不会与其它国家资源共享。”（Ю.Н. Марчук教授——莫斯科大学计算语言学理论与实践专家）在我国，信息高科技产业正蓬勃 发展， 语言学家致力于英语、汉语等语言知识或规则的形式化定性描写，以实现自然语言 的自动化处理。然而，在俄语界，这方面显得非常薄弱。为了弥补这一空白，几年之前我们 着手规划和开发《面向信息处理的俄语语言知识库》，后来该课题被立为国家哲学社会科学 十五规划项目，由本文作者为课题负责人主持承担, 最终成果主要体现为：1. 人机通用多功 能词汇知识库；2. 形态分析规则库以及基于该库的俄语形态自动分析及语料库标注系统； 3. 句法语义一体化自动分析规则库及其算法。本文就这一项目的总体设计和取得的成果进 行总体阐释。我们认为，这一成果不仅体现了俄汉语信息处理的新策略，更为两种语言的转 换和契合对接处理提供了宝贵的资源和强有力的语言学保障。 1 人机通用多功能词汇知识库 词是最小的能够独立运用的语言单位。自然语言的自动化理解离不开对词“可计算性” 的处理。首要问题是以词为描述主题的信息标注问题，即给一个词汇单位加注哪些信息最为 科学、合理，以便更好地为语料（文本）的加工、理解、识别、表达、分类以及概率统计服 务。我们认为，应该注意以下几个方面：1）传统语法基于概念特征、形态特征以及句法功 能对词汇系统进行分类，其中最基本的是事物性称名单位和过程性（广义）的称名单位，两 种单位的契合，并附以其它词类单位构成句子，表达世界（包括可能世界）的种种事件。所 58 以事物性称名单位和过程性称名单位的信息标注应体现二者的契合性，保证二者的相互对 接。2 ）一般认为，语法和语义是语言的不同层次，因此常割裂地从两个层面观察语言单位 的种种表现，我们认为语义和语法是一体的，只是抽象程度不同而已，所以信息标注要有语 法信息，也要有语义信息。3 ）信息标注本着辩证地处理语言系统存在的各种矛盾（精确与 模糊，中心和边缘，动态与静态，历时与共时等），确定标注的原则和适宜度。 基于上述考虑，词汇库的建立应加注如下信息：1）名词：构词特征、释义、词性、词 汇—语法特征（具体/抽象、动物性/非动物性等）、形态变化规律、语义特征、语义次范畴化 特征（到一定程度为止）；2 ）动词：构词特征、释义、词性、词汇