博文
【李白对话录：从“把手”谈起】
|||
【立委按：以前提到过汉语切词中的 hidden ambiguity 一类词是个讨厌的东西，举的例子是“难过”：1 难过：“这个小孩很难过”，表示情绪的形容词（sad）；2. 难/过：“这条小河很难过”，这是形容词动词的组合（difficult to cross）。提出并实现了的应对方法是所谓休眠唤醒，即，在句法阶段不做歧义区分，等到了parsing完成以后，进入语用语义阶段的时候，如果需要再用词驱动的方式唤醒歧义区分。这个对“难过”没有问题，因为两个意义的句法功能相差不大，或者是做谓语，或者做定语。可是如果面对的hidden歧义对应两个不同的句法功能，休眠唤醒的实现就要费思量了。】
李： 见到一个讨厌的 hidden ambiguity “把手” vs “把/手”, 休眠了，怎么唤醒它？
它整个儿是名词；如果拆开，就是介词短语，以状语的形式填宾语的坑。NP 与 PP 句法上功能不同，因此休眠封装要费一点思量。
当然 把 NP 和 PP 混在一起的案例也不是没有，譬如时间词，就是名词的样子，常做状语，等价于PP，不得已了，才做主语宾语。
因此，句法上可以考虑把对 “把手”的处理，当成时间词的处理一样。这样可以保证，在多数句法结构中，它可以在封装的情形下，占到一个合适的句法节点的位置上，或者是状语，或者是主语宾语。等节点位置占据好了，然后可以唤醒它去填坑，这个用词驱动不难。现在是这么个思路。
白: 有点ad hoc……
李： 给个不 ad hoc 的法子。总不能打一开始就分叉，一路走下去吧。打一开始分叉，如果是单层的parsing，自然不是问题。如果有好多层的parsing，这么拖着拽着下来，还不累死？
本质上说，任何词驱动都是 ad hoc，理想的世界里没有词驱动。
譬如，世界语的parsing，需要用到词驱动的时候，比起任何自然语言，都少得多，已经很接近理想世界了。
世界上出了两个老柴（柴门霍夫和柴可夫斯基），在我看来，与世界上出了牛顿爱因斯坦一样，是上帝对苍生的垂怜。
白: 把字结构/被字结构做不做状语其实无关紧要，与普通名词只是填坑是否指名道姓的区别而已。就一个标签的事儿。而且，前置修饰成分只要有一个隔着锅台上炕，普通名词立马做实。指名道姓的坑如果被其他成分强占，普通名词也立马做实。
李： 把字结构被字结构本身做不做状语的确无关紧要，它最终是要做主语宾语的，即便做状语，也是拿状语当敲门砖。
白: 我就是这个意思
李： 如果有不做状语一步到位就去做主语宾语自然更好。问题是，它做了状语，就为其他成分的就位创造了条件。因为它长得太像状语了，不做状语，在那里挡路，每条规则经过它的时候，都要特别照顾它一下，这不是个法子。
白: 太拘泥语序了就容易这样。
李： 一步到位是部分可行的，subcat 就是干这个的。
白: 坑的filler直接找provider，就不需要那么拘泥语序。
李： 不过我们现在说的不是把字句，而是"疑似把字句"的 “把手”。即便数据结构上，可以从词典就把它标注为与 PP 同形，这样 subcat 的 filler 找 provider 就同样找到它，也还有一个如何协调它的另一个 NP 可能的问题。
白: 就是封住他，碰到宾语被强占或者被定语修饰，再解锁。先当两个词：
门把手夹了
门把手坏了
哈，涉及N+N来捣乱
李： 门PP坏了
白: 不及物动词，相当于宾语被强占，再解锁。
李： 这个 PP 肯定连上 “坏了”做状语。何时唤醒它？
门在这里坏了
门由此坏了
没有唤醒的理由。
白: 我这里处理把字结构，就是有特殊subcat的名词，和一般状语不同。
李： 门把手 可以做合成词，不论。
门的把手坏了
门的 PP 坏了
白: 抽屉把手
李： 这也是合成词，凡是合成词能解决的，一律无视。
抽屉的PP坏了
这个可以考虑唤醒。
白: 它受定语修饰就解锁，无定语，坚持到碰见谓语，看宾语坑是否free。强占或不及物，都不是free，应解锁。
这个被定语强制得太明显了？左侧唤醒应该不是问题。
李： 原则上有些道理，实践中操作还是有难度。
白: 右侧唤醒，你看我列出的条件
绿色把手，不加的，也可以唤醒。左侧都是“吸收”类型的操作，右侧才是“填坑”类型的操作。
李： 绿色PP？
白: 不通啊
李： 孤立看不通，到句子里通的时候居多：
绿色PP而改变：绿色由此而改变
白: 把字结构不当作PP，死不了人的。
李： 给把字结构另起一个名字，那也可以，就是俄语的一个格变而已：accusative
可是，这样做的前提是assume，Parser 可以完善处理 subcat 的填坑。如果 subcat 稍有差池，它就是一个拦路虎，造成 parser 丧失鲁棒性。
换句话说，把字结构本来是要被吸收掉的，吸收不掉的时候，不能让整个系统给它做变通。
如果 “把+手“ 这样处置，吸收不掉，基本上就是该唤醒它的另外的角色了。
白: 可以给parser做个宏定义开关，控制唤醒功能启用与否。
李： 更大的问题不在这个个案，而是 BA-Phrase 与 一般 PP 独立的话，增加了系统面对的不同种的 objects。挺乱的。
白: 对那些subcat控制不了的应用，不建议启用。我的处理是把字结构当名词，但有个特征注明填坑优选位置，唤醒时这个特征复位，变成普通名词。
李： 回问白老师一个问题：为什么您现在热衷于休眠唤醒的思路？
不是说统计界对 non-deterministic parsing 一直很热衷，不以为是问题么？曾经在研究界闹腾过相当一阵子的路数，只是到底可行否，接不接地气，我就不清楚了。
白: 我不喜欢不确定性无差别地到处乱飞。
李： 这里面有一个根本的架构负担。如果是教科书上的 chart parsing，一锅端，一层做parsing，non-deterministic 是自然的分叉,不过是加重了组合爆炸和伪歧义，效率暂且不论，算法上是天然可以的。如果parsing要走语言分层多层处置的道路，这个所谓带着分叉去做，是不堪负荷的。这个不堪负荷，主要还不是计算的开销，主要的是人对模块的维护负担。人在调试后面模块的时候，如果不想堕入迷宫，最好还是少分叉，多休眠。
白: “意识到”的是主线， “下意识”的是休眠。机制必须不同。哪怕梦游，也不能跟主线同等待遇。
关键是，chart里面还夹带大量伪歧义，都跟着走。
【相关博文】
https://blog.sciencenet.cn/blog-362400-958434.html
上一篇：【立委科普：语言学算法是 deep NLP 绕不过去的坎儿】
下一篇：《新智元笔记：再谈语言学手工编程与机器学习的自动编程》
