博文
《泥沙龙笔记：parsing 的休眠反悔机制》
|||
Nick: 十几年前给两个台办主任送过美凤光盘。
我: 主语施事是侬？
这是一个疑问句。
迈: 这是给中纪委举报的分析图吗？
ISLA: nick还干过这件事
白: 为啥“主任”没当actor？under是“两个台办”，actor是“主任”多好，不用向外借context里的“尼克”了。“台办主任”难道进词典了？N+N结构难道比缺主语还优先？
我: 没进词典，“台办+主任”是rule合成的。为啥主任要做那个actor？“给” here 是个介词，是“送”的 subcat 要求的，作为 dative，不是逻辑主语，就是双宾语句式的 human 对象，光碟才是 undergoer。
白: 说错了，“两个台办”是介宾，“光碟”不变。“主任”单拎出来，做actor。
我: why？还只是理论上的可能性？有两个台办么？文革中的确有过两个司令部，但那是非常时代。
白: 我是好奇，为啥一个无主的选择会优于一个有主的选择。难道你是推理了没有两个台办才往后走的么？
我: 没有推理，I was kidding。合成词：台办+主任，优于被 determiner 直接修饰。汉语中合成词的构成优先于句法上的chunking；不仅汉语，这是语言学一般原则：合成词处于 morphology 和 syntax 之间。
白: 也就是说，局部的优先关系已经把别的可能性扼杀了？不把其他选择往外传？
我: 这个原则上是对的。
白: 比如“听说发文件的是台办主任吓坏了”，肯定分析不对了？
我: 这个...人理解也有歧义。
不怕献丑了:
白: 不太通
我: 的确不大通。这个 parse 是说，“是台办主任吓坏了”，“听说发文件”是一个诱因。不是完全不可能，但对里面的小词 “de” 和 “是”，parsing 有点走偏了。做这些小词，分寸很难掌握，稍不留心就过火。
白: “去了趟台办主任更神气了”如何？没有小词了。
我: 白老师不要逼人太甚 :=)
没有小词了，但你为啥不加逗号，不加标点也罢，给个 SPACE 也好。
白: 学意识流。
我: 存心难为 parser：
wrong，as expected
白: 意料之中，构词法一上，木已成舟。
我:
: 
see 你若规矩 便是晴天！
一个小小的 space 有那么难么？为啥意识流？ADD 了么？做系统的人都知道，没有没有软肋的。
白: 对。只是好奇。因为之前交流过能带着多种可能性往下跑的事情。
我: 只是分寸火候而已。原则上，合成词前置是合理的，好处远远大于副作用。理论上可以保留哪怕微小的其他可能性，待后处理。实践中，当断不断， 终于自乱。哪些带着往下跑，哪些当断则断，也是一个火候的掌控。PP-attachment 这类我们是往下带的。太低的模块，一路带着往下跑，瓶瓶罐罐的，非常难缠。
白: 所以，先休眠再有条件唤醒，也是一策。当然这就要允许逆行。
我: 带着往下跑本质上也是一个组合爆炸问题，除非一边往下跑，一边卸包袱。
休眠唤醒是一个好主意，对于某些现象。我也试验过，用得好是有效的。
白: 段子大都是休眠唤醒模式。
我: 譬如一个 NP，内部的关系难以全部穷尽可能性，那就保留部分关系，然后到最后，可以重新进入这个 NP，根据需要决定重建关系。在这种情形下，问题已经缩小了，重建不难。甚至 PP-attachment 也可以循此道。譬如，一律让 PP 挂最近的 XP，成为 deterministic parse，到了语用和抽取的时候，再去重建其他的 parses，这时候语用的条件进来了，先前被休眠的可能 parse 就可以复活。
白: 武断和文断的区别…… 武断是效率的保证，休眠唤醒是兜底的保证。
我：段子的休眠唤醒说明，人的大脑认知也是先入为主的，很多时候是武断的，不过是允许反悔罢了。这种反悔有类似以前的 backtracking 的地方，但是实践中并没有那么大的 costs。
白: 看是哪种实践了
我: 因为在语用层面做反悔，基本上是已经聚焦了以后的反悔。这种聚焦最经常的方式是词驱动，因此，需要反悔重建的现象大大缩小。
白: 不同商业模式下，价值取向有差异是正常的。
我: 如果大海一样全部来反悔运动，还不如一开始就全部保留。幸运的是，绝大部分应用，语用与语法是可以分清界限的。
白: 反悔是白名单驱动，武断是标配。
我: 标配就是统计可能性大的，或者是遵循普遍原则的，譬如合成词前于句法。
白: 对
我: 任何原则或 heuristics 都有例外，到了例外，如果有一个反悔机制最好。
白: 给一条反悔的通道，但是慎用。
我: 与此相对应，还有一个例外排除机制，就是先堵住例外，然后做标配。这个办法比反悔更费工。只有在具有类似 Expert Lexicon 的词驱动的例外机制的时候，才好用。
白: 提醒一下，词驱动是取决于双因素的，不仅要看trigger是啥，也要看休眠的是啥。另外休眠的东东即使不参与分析，也可以自己做弥漫式联想（不同进程或线程），类似认知心理学说的阈下啥啥啥。这样trigger就可以提高命中率
我: 弥漫联想再往下就是弗洛伊德了。
白: 对。
词驱动这种“相互性”我举个例子就明白了：我家门前的小河很难过。
“难过”具有长词优势，“难/过”休眠了。但是，“过”弥漫式联想，激活了“过河”，于是开始反悔。直到“难/过”翻案成功。
我: 好例。“过河”与“洗澡”一样是分离式合成词，属于动宾结构。凡是可以词典化的单位，休眠重启不难实现。因为词驱动的可能性都是有限的，而且可能性都可以预先确定。以前提的“睡过”的歧义也是如此。
白: trigger有外因有内因。外因就是更大整体的句法、或语义、或语用产生不匹配等，内因就是当事的成分自己或静态、或动态地展现出结合的可能性。休眠情况下，静态不可能。动态，相当于休眠的成分梦游了，在梦游中邂逅了。
那个“夏洛特烦恼”，也是上下文给了“夏洛”独立成词的某种强化，回过头来唤醒了“特”作为副词的已休眠选项。或许，作为副词的“特”正在梦游。
白: 说了半天，还不是为了尼克
我: 对了，忘了尼克究竟是不是actor了，丫保持缄默，怎么讲？贿赂完三X光碟，在一边偷着乐吗？
【相关】
【新智元：中文 parsing 在希望的田野上】https://blog.sciencenet.cn/blog-362400-952832.html
上一篇：【科普小品：伟哥的关键词故事】
下一篇：《新智元笔记：基本短语是浅层和深层parsing的重要接口》
