我: 有用，但对于中文parsing不是必要的，词典里的分类是必需的，pos tagging 模块不是。词典里的分类标注可以是 pos 或 pos related 的大类，也可以是更细化的语义类别： 人 家具 电器 等，后者对汉语分析更有用。

白：有些语言有形态变化，形态对POS是敏感的。汉语呢？形态不发达是不是POS就失去了一大依托？另外一大依托来源于“分布”，也就是说用POS写CFG规则，恰好同词类的相互替换都满足同样的规则，可进入同样的句法结构。这个就有点扯了。大部分伪歧义都这么来的。

我: 对，就是扯，成了鸡-蛋的问题了，需要句法 context 来定 POS，然后需要 POS 来简化句法。

聚类总是有用的，它是隐性形式，没有聚类，就没有规则的抽象度。一切靠直接量（显性形式），规则会组合爆炸，除了特别狭窄的领域和用场，是不可能 work 的。功能词可以靠直接量，实词是开放集，一般不能靠直接量，而是要靠聚类标注这种隐性形式（implicit form）。但这并不是说 POS 作为一个模块是必要的，因为聚类可以直接来自词典的标注，歧义的就标注歧义好了（keep ambiguity untouched），反正到了句法阶段，有上下文。

如果细说，词典里面标注的 POS 应该是逻辑POS，而不必是句法 POS。举例来说，工作、学习这些词就是逻辑动词，没有歧义，标在词典就好了，可是以前的POS大都是从句法来考量，于是认为这些词POS有动词和名词的歧义，需要增加一个POS模块在上下文中去消歧，然后再送给句法模块，其结果就产生了鸡和蛋的相互依赖问题，反而捉襟见肘扯不清，容易导致错误放大（error propagation，前面 POS 消歧错了引致句法parse错，所谓POS消歧很多时候是强人所难，因为 POS 在浅层，上下文条件通常不如 parsing 的时候成熟，硬逼迫 POS 去消歧，而不是 keep it as is，其结果是句法擦不完的屁股）。

这些逻辑POS（如逻辑名词、逻辑动词、逻辑形容词）是语义（lexical semantics）分类的最上层，沿着taxonomy （借助类似知网、WordNet等 hierarchy），可以一路往下走，大概走到1000左右的类别数，就可以收了，因为再多，无论人用还是机器用，都有点受不了了，而且过细的分类，对分析理解也没多大用处。

WordNet 的 synsets 数目与词条量相当，都是万这个级别，HowNet 也类似，在万这个级别上。这些语义大师们追求的是自身语义概念系统的自足，不约而同的一路细化到底。

白: 小类多了也麻烦，不敏感的地方好好的一个规则非要分裂成好多个。

我: 但是实际上对 NLP，只有飘在上面的 1/3 或 1/4 的前 1000 个才真正有价值。

白: 这应该可以量化，究竟到哪里就不那么敏感了。

我: 另外，有些词 WordNet 标注有 5  个义项，对应 5 个 synsets，可是砍掉过细分类后，会发现，其实只有两个大的义项区别。譬如，头两个标注的义项其实差别只在 nuance，另三个也是大同小异。对于这种“人为制造”出来的过多歧义，是不用理它的，除非应用场景需要做这种区分（譬如恰好要机器翻译到一个没有亲属关系的目标语言，其翻译对等物不同；而在亲属关系近的语言之间做机器翻译，往往粗线条的义项区分就足矣了）。对于分析，这种细分是没有价值的，只会添乱。

白: 比如，打电话的打，和打酱油的打，对搭配敏感，对句式不敏感。搭配属于波动性，句式属于粒子性。但是义项把他们搅和在一块了。因为搭配敏感性造成的差异，应该从句法规则中剔除。

我: 那是，这就是个性与共性的关系，表现在个性语义搭配与共性动宾关系。说到底就是搭配词典与抽象句法的接口。完全可以既分开又连接。分开的时候只考虑句法，连接的时候解决语义。this is a solved problem for long，在实践中有好几种很漂亮的解决途径。

白: 搭配是个统计现象，不决定合语法性。

我: 关于 POS，以前详细论过，与白老师和王伟等都有相当共识，应该是站得住脚的：见【中文处理的迷思之二：词类标注是句法分析的前提】

还有这篇讨论记录也很相关： 泥沙龙笔记：句法语义，粗细不同，POS 靠边。

搭配是强盗逻辑，可以从大数据的用法统计上找到依据，本质上还是属于词典的特性。属于成语或半成语的固定搭配、黑箱子或半透明的语义组合，不具有纯粹的 semantic compositionality。人是在语言应用过程中死记的，机器当然应该词典化。为什么说“打酱油”不说“击酱油”，没有道理，就是词典绑架。虽然语义是词典绑架的，句法却不是，它完全符合句法的自由特性，可以遵从所有的动宾相关 patterns 的变换：打了酱油；酱油打了；把酱油打了；酱油不值得打；酱油没法去打；无酱油可打 。。。。。。只有在需要语义区分的时候，才需要做这种词典绑架与自由结构的连接（接口）。

白: 打了电话；电话打了；把电话打了；电话不值得打；电话没法去打；无电话可打。。。。。。

我: exactly，所以句法该怎么做还是怎么做，该怎么抽象还是怎么抽象，不能被搭配绑架。

马: “把酱油打了”我理解就是酱油瓶子打碎了

白: 不是啊，让人路过的时候捎带脚做个打酱油的事情，也这么说的。

马: 在这个语境下确实这个意思。

我: 顺带把酱油也打了。

马: 有“顺带”就没有问题了

白: 命令式也没有问题

我: 当然，把字结构的确与 动补合成词（e.g.打碎） 用在一起的概率，高于与 单音节动词的。与此议题相关的隔壁沙龙的讨论反映在 ： 《立委科普：固定成语的不固定用法及其机器对策》： http://blog.sciencenet.cn/blog-362400-934716.html

白: 搭配是和句式正交的一种东西，体现波粒二象性。

湖: 1句法:打酱油，把酱油打了;

2语义:打酱油，打电话

3语用:把酱油打了，一指打酱油，一指把酱油瓶打了。

各位老师把语法、语义、语用都说全了

研究容易在三个层面间串

我: 语用不好串，可以搁置（通常语用相关的东西处于信息抽取模块里面，信息抽取放在 parsing 模块后面做比较合理，可以以一当百，以不变应万变，大幅度增强系统的移植性，以前反复论过这种 parser+IE 的系统架构的优越性），先把句法语义接口做好，其实是句法和搭配词典的接口。

困了，撤了。明早起来看各位的讨论。

白: 伟哥好把式

wang: 看了今天的讨论，收益匪浅！真是一个很好的学习机会！谈的都是干货，抓的都是硬骨头。