白：“这首歌听过的都说好听”“这首歌听过的都说过瘾”

——什么好听？

——谁过瘾？

李："过瘾" 这类词对人对物均可：我听这首歌过瘾；这首歌过瘾。

这就好比 -ed/-ing 混合了：exciting/excited。类似于 自动/他动 的零形式转变，“好听” 不同，只能对物。

白：“这首歌过瘾”可以看成，过瘾的正主儿没出现，但是使动的角色已经在那儿了。句法上鸠占鹊巢，本体上主客分明。

李：正主儿不重要，默认是 （令人）过瘾，这个“人”等于没说。

白：本体里“人”是出席的。linked data，首要任务就是不能掉链子。

李：本体是逻辑体系，不要掉链子。语言理解和表示，有所不同。本体等于是个认知背景，理解时候随时调用，也可以不调用。

“这首歌听过的都说过瘾 / 听过的都说过瘾 / 听过这首歌的都说过瘾 / 听过的都说这首歌过瘾 / ......”

白：句法上，不相谐并不一票否决，而只是减分。没有更好的选择，减分的选择也会顶上去的。但是在回答问题的时候，低分的选择会提示某种降低自信的折扣。

在c-command位置有多个置换候选，用哪一个自然会精挑细选；如果只有一个，横竖就是他了；如果坑已经被占满，c-command位置上无论有多少候选也是干瞪眼。

李：终于弄妥了。

就是这图越来越不像树了，倒是更像那种叫四不像的动物。Topic 可以抹去的，不过感觉留下有益无害。真要逻辑较真的话，“的字结构” 与 “过瘾” 还可以连上 S 或 S2。痕迹都在，本体也支持，但懒得做了。连来连去，也还就是个 “的”字，连个名儿都没有。谁过瘾了？哦，听过的人过瘾了。 感觉没人这么问的。信息不具有情报价值，更像是从常识推导来的。常识常识，就是那种理应熟视无睹的不具备情报价值的知识。

白：推理，张三是听过的人，张三过瘾。

李：三段论是如此。就是不大容易想到啥场景会用上的，怀疑其解析价值。另外就是，语言表达中的确有清晰的情报与边缘的信息的区分，也的确有重要与不重要的区分。所以，单从语言角度看，也有一个什么一定要抓，什么可以放过的问题。所以，单从语言角度看，也有一个什么一定要抓，什么可以放过的问题。从情报性角度看，其实是不应该让常识过多介入的。常识之所以为常识，就是它不具备情报性。如果语言表达方面有意无意的漏洞或含糊之处都被常识“脑补”了，信息单元的情报性就被抹平了，主次容易混淆。

白：脑补的东西，一定有单独的标记。怎么可能允许一锅煮。“营业额超过了联想”也是需要脑补的。

李：人的表达和理解，都有很大的偷懒成分在。这一方面为了节能，节省带宽和脑力，另一方面也可能有个聚焦因素在。解析作为一个为表达通向理解所搭建的桥梁，也许也应该模拟逼近人的表达和理解中的聚焦和节能。所以 一直以来 句法以后做那些逻辑语义的 hidden links，总觉得是锦上添花 适可而止的工作。要做可以做得很深很全，特别是不断引入常识“脑补”，就有很多的 hidden links 可以挖掘。隐隐觉得这不是目标和应该着力的点。

白：不脑补，那张图摆在那里也是摆设。地球人都知道不可比，关键是，轻量级的脑补还是重量级的脑补。

李：这类例子很难说是需要解析的脑补。更大可能是在语用场景，是在领域落地的阶段，根据领域词汇和领域知识去补。这里有个区别：深度解析利用常识脑补，基本是不分领域和场景的，算是 boil the ocean。而到了领域场景，那是下一个阶段了，那里已经有场景聚焦和领域聚焦的考量了。

白：只做解析的立场和做场景的立场是截然不同的。下一阶段，未必是时间的先后，可能只是工序的先后。一个抓总的人需要同时考虑。

知网的设计者，除了翻译是直达场景的，其他很难说有多少场景驱动的东西触达了知网的架构和方法论层面。这也导致二次适配的工作量巨大。时代呼唤一个从方法论层面直接对接场景的新一代知网，or whatever 网

李：撇开MT，NLU 两大应用是：

1. 知识挖掘 这更多是后台，离线，大数据。

2. 对话，这更多是前台，在线，小数据。

当然，一个完整的交互系统，是两端都需要有的。现在看这两大应用，迄今为止，对于深度解析，需求不大，不明显，也许更多是因为还没找到可以利用的巨大潜力。

白：层次残缺。

需要解析器、本体、领域适配包协同工作，不能各行其是。

李：端到端的系统不去说它了，即便是想努力使用NLU的，在这两大应用中，凭实际经验看，对于 shallow parsing 的需求，远远大于对于深度解析的需求。shallow parsing 主要就是 NE 和一些 XP 抱团，这方面做好了，可以立竿见影。超越 shallow 的部分，用起来感觉不在痛点上。

也许是还没到那个火候。

白：现在的需求不是真正的需求，因为没有把各环节的潜力展现给最终用户。还是没做好。

李：总之，日常的开发实践和场景，不断把我们拉向 shallow 的工作。这些都是非常琐碎的，基本是资源堆积的领域性工作。也没有那么大挑战性，只要有人力 有资源，总是可以大兵团作战，以资源取胜。而具有挑战性 让我们着迷的深度解析，却发现性价比很差。做了白做的时候居多。

全世界都做对话系统，问题于是简化为 intent/slots，说白了，都是既浅层又领域的目标定义。intent 根本就没有语言学定义，不具备任何普遍语义。intent 完全就是根据目标应用所需要的 actions 来定义的语用意义上的“语义”，是典型的端到端的反映，没有可移植性。就是对于输入问题的一个针对具体应用（skill）的classification，1000个skills 有 1000 种不同的定义。这些是当前的“范式”，浅得不能再浅，但证明是可以 scale up 和有效的，前提是有资源去做。

“听过这首歌的都说好听”：

“都说听过的这首歌好听”：

【相关】

《一日一析系列》

【语义计算：李白对话录系列】

【置顶：立委NLP博文一览】

《朝华午拾》总目录