博文
【李白隔空对话录：关于词类活用】
精选
|||
白: 继续我们的POS讨论。我们来看苏芮的《牵手》歌词，里面涉及到大量词类的活用。什么“悲伤着你的悲伤，幸福着你的幸福”。
追逐着你的追逐。大家怎么看？第一个“追逐”是动词，第二个“追逐”是名词，意思是“追逐的东西”。
第一个悲伤和第一个幸福，是动词化的形容词，意为“体验”。这个“体验”是怎么来的？
背后实际上存在着一个小小的推导：以“悲伤”为对象的行为，导致同样“悲伤”的结果状态，这个行为是什么？弥漫式联想，先中标的就是“体验”。
最后一个“你的追逐”，其实和“你的幸福”并不严格平行。“你的幸福”就是幸福的状态，是“自指”；“你的追逐”是追逐的对象，是“转指”。
为什么这个情况下转指优先于自指？
因为“追逐”释放了两个坑，“你”占掉一个，还有一个被“的”提取出来。如果是“你的离去”，只有一个坑，被“你”占掉就没有坑了，所以只好自指。“的”没得可提。
所以名词化动词化，这都是概念性的，换个说法说他们就是一个新的词类，从规则体系构建的角度也未尝不可。但是，核心问题是提取、自指、转指，因为这关系到哪个萝卜填哪个坑，也就是角色指派（role assignment）。
这些，一错全错，翻盘机会都没有。不是玩概念那么轻松。
最近中央文件里经常提到“基本遵循”，这个“遵循”也是转指。意思是“所遵循的内容”。
我发现，不理会中心词的词性，只看坑，规律反而简单明了。中心词的词性在这个场景下只会添乱。
李： 昨晚的笔记鼓捣完了，可以说一下白老师提到的词类活用了：幸福着你的幸福，路过你的路。
首先，活用的东西都有点“出格”，如果是小学生，就判他错，打回去重做。
如果是权威（譬如鲁迅），就惊叹他是语言大师。
如果是诗人（包括歌词作者），就给他特别的 license，算是容忍性质的欣赏，所谓 poetic license。这些人不可与常人同论。
当然，实质是，即便活用显得离谱了，信息还是传达了，交流的目的还是达到了，那么 NLP 就得有个对策。
那个 “路过你的路” 第一次听就觉得很离谱，可能的原因是，“路过” 也是一个口语常用词，可词作者这里却不是用的这个常用动词（V+particle）的意思，而是硬在排比的句式中，把它强力（by brute force）拉到了“路”的名词上，然后通过活用再拉回到动词的理解上来。你说别扭不别扭。明明是 “走过了你的路”，她硬是不会好好说话，要说“路过你的路”：真地仅仅是路过么？（小声说：神经病！）
可是，汉语有一个很有意思的特色，就是排比对仗句式的运用，远远多于其他语言，而且这种排比对仗的形式，有强大的功效：它可以把本来是罕见甚至不可能的解读，在排比对仗中，翻出来，压倒常用的或缺省的解读。这个特点有悠久的传统，是汉语研究的好课题。我们读没有标点的古汉语文字的时候，搞不清句读的时候，往往也是靠排比对仗，帮助断句断词。这个传承在每年的春联以及文人骚客的吟诗唱和中，也不断出现，保持和强化汉语共同体对于这种句式的敏感度。
下面的问题就是，如何使用这个汉语的特点，来帮助parsing和理解汉语，这是一个可以做一批很好的博士论文的大课题。到目前为止，还没有听说哪个汉语 parser 系统地使用了这个排比对仗的帮助，对于汉语理解起了多大的作用。大体的想法是，这个课题既难又易，是一个可以下功夫，而且下了功夫可以出成果的地方：说它难，是因为排比对仗通常是在小句之间进行的，跳出了传统 parsing 原则上不跨小句（clause）的 scope，要想有机融入 parsing，需要在 NLP 设计上有创新。说它容易是因为排比对仗都用了明显的显性形式，非常有迹可循：音节数（or 汉字数）是一个显性形式，patterns (譬如 SVO) 也很工整，这些都可以形式化，仔细钻研的话，very tractable。先说到这里，这只是一个设想。做教授的可以传达给学生，这的确是很好的中文 NLP 研究方向，发愁找不到好的论文题目的研究生不妨往这个方向多想想。
最后说一点对付活用的有效而简单的 tricks，特别是常见的词类活用。这类话用人一看就明白，那是因为有形式痕迹，否则这些词典里面本来不具有的句法可能性也不会被人理解。既然如此，在 parsing 中动态应对其结构是很容易的，不会影响parsing的合理进行。至于活用以后的语义求解，那是非常个性的、与各个词可能的语义空间有关，比较难，可以先放着（硬骨头留给白老师），等到语用场景需要解读的时候再看有没有好的应对。
譬如“着”这种形式就可以动态地把它前面的任何词动词化和谓语化: X+着 --》 Verb Group，幸福着你的幸福，就可以顺利 parse 了，至于parse tree 建立以后，那个谓语节点（node）怎样解读，怎样得出“体验” 的 sense 出来，那是另一个层面的问题，除了词典化的强盗捆绑以外，不大可能有很好的具有概括性的解决方案（理论上利用常识等推理应该可以把这种联想的语义挖出来，实践上很难形式化实现）。
词典捆绑是可行的，但需要事先捆绑那些即兴的活用，有点防不胜防。如果允许系统亡羊补牢，一失足再不犯，算是“可以教育好的系统”，那么词典捆绑可以很有效，就是见一个就往词典垃圾箱扔一个，第一次活用就任它是 unknown 词义。词典捆绑语义的 pseudo-code 如下（这是词典个性规则）： 幸福+着 --》体验+着。这是人根据自己的理解，强加到词典的，是强盗捆绑，不需要理由，也不需要把背后的联想智能过程展示出来，只要有结果就行。
这算对昨晚缺席议题的回应。
【相关】
【新智元笔记：中文处理中的POS、搭配和句法】 2015-12-01
https://blog.sciencenet.cn/blog-362400-940365.html
上一篇：【新智元笔记：中文处理中的POS、搭配和句法】
下一篇：衙门文化（后续）
