博文
【新智元笔记：汉语分离词的自动分析】
|||
洪爷有诗道：伟哥强弩上大弓，先吃豆腐显轻松。 NLP parser天天弄，小菜十碟拌饭红。
我: 另一个 topic，汉语VN式合成动词是可分离的，以前说过，需要词典与句法的接口才好。这是汉语中非常普遍的语言现象，凸显了对传统的词典模块与句法模块完全分开的架构的挑战。
昨天的“吃豆腐”与“洗澡”同是此例。
“吃...豆腐”在句法中被 identify 以后，实际上还是有两个义项，这是由词典规定的，可以 keep ambiguity untouched：“吃豆腐”的成语义项（口语常用：轻度性骚扰）以及其字面义项“吃（食品）”。
白: 跨越模态词，伟哥再试试：小提琴我十年前就会拉拉。这种亏咱们可不能再吃了。
英语我十年前就会说了。
我: 这个现在不对，所以我把它叫做 tree250.png：
但是我可以做点工作弄对它，不难，因为没那么远，就是细活还没到位。第二句“亏”当动词了，没有有效利用“种”的量词条件，待会儿可以debug一下。
这两句似乎对了：
白: 拉拉，笔误。改过来再试试
我: 今天晚上有活了，加强 long distance，“拉小提琴”，没在合成词典里面，我得加上。
分离词的框架有了，测试还不够，还有活要做。“洗澡”在词典，“洗黑钱”不在，其实“洗钱”就好，包括了“洗黑钱”，“洗黑心钱”：
白: 他的棋十多年来一直没长进下得还是那么臭
我: 这个不用试，肯定不行。武功还没长进到那一步。
Wait，其实也不难，那个坑很明显。细磨一下应该可以的：
还好，不算太远，坑也明显。(当然这里说的远近是从parse tree来看，对于关键词的ngram序列，这个距离就是遥不可及了。)
【相关】
【新智元：中文 parsing 在希望的田野上】https://blog.sciencenet.cn/blog-362400-954328.html
上一篇：《新智元：通用的机器人都是闹着玩的，有用的都是 domain 的》
下一篇：有朋友的孩子要学天文、宇宙，镜某也是很矛盾
