这两天翻开我20年前关于汉语短语结构文法的博士论文，重读一遍，有些感慨。

我的博士做得比较辛苦，其中的曲折和坎坷，不足道也。总之是，做实验做了很多现象，舍不得放弃，可博士论文要求有一条主线，讲究的是点入。不知道草稿了多少提纲，一律被导师忽视或枪毙，最后是不断舍弃，不断聚焦，千锤百炼，才打造出这么个棱角全部被磨圆了所谓博士论文。感觉上，多数的博士论文都是这种过分打磨，读起来了无趣味的文字，在下的更是如此。但里面包含多少不眠之夜的挣扎、艰辛和血泪，天知地知也。

其实，所谓PhD哲学博士是一个历史遗留下来的错误称号，当代的博士基本都是专才，一点也不“博”，很少通才。很多年的辛苦研究基本是掘地三尺的劲头，重精不重广，除了自己的一亩三分地，其他领域无知得很，哲学就更谈不上了。北美的博士制度耗费了人一生中最有创造力的时期，长达5-8年，感觉是太超过了。见过很多博士磨圆了锐气，了无成就，面对真实市场手足失措的案例。难怪俗话有说，傻得像博士。这里的得失留给教育学家研究点评吧。

话说我终于一边工作，一边完成了定稿，导师也首肯了。那时甜甜刚四岁。

I should thank my four-year-old daughter, Tian Tian. I feel sorry for not being able to spend more time with her. What has supported me all these years is the idea that some day she will understand that as a first-generation immigrant, her dad has managed to overcome various challenges in order to create a better environment for her to grow.
PhD Thesis Dedication
To my daughter Tian Tian
whose babbling accompanied and inspired the writing of this work

I still remember I was in tears when writing this to give a final touch on this degree thesis

现如在正在做中文 deep parser，已经很有规模了。正好回顾一下，看 20 年前的思路与20年后做法，有何不同。离校后开始工业开发至今，我毫不犹豫就抛弃了博士的自动分析的路线，虽然做博士时说得头头是道。实际是扬弃吧。有抛弃有继承。抛弃的是单层的CFG，继承的是词法句法的无缝连接。这个转变反映的是理论和实践的距离以及学术与工业的关系。

做博士的时候，正是 unification systems 最被热捧的时候。于是跟随导师，在 Prolog 平台上用 HPSG 做了一个汉语文法的MT双向实验（同一个汉语文法被用来同时做分析与生成，支持汉语英语的双向机器翻译），做了个 toy。需要写论文了，不得不把做过的各种现象不断缩小，最后集中到汉语的词法（包括切词）和句法的接口上做文章。整篇论文论述的就是一个思想，切词、词法与句法必须一体化，用的是单层 CFG parsing，说得头头是道。

一体化理论上当然是成立的，因为语言现象中的相互依赖，只有在一体化的框架下才好对付。哪怕 90% 的现象不是相互依赖的，是可以摘开的，你总可以用 10% 的现象证明一体化的正确性（理论上不妨碍那 90%）。

20年后呢，去球吧。早抛弃了单层一体化的思路，那是一个死胡同，做 toy 可以，很难 scale up，也做不深入，做不了真实世界的系统。继承的是一体化的通信管道和休眠唤醒似的patching机制。但宁肯修修补补，也不追求语法体系的完美。

对 HPSG 好奇，或感兴趣汉语怎么用HPSG的同学可以看看我整理出来的博士论文，虽然是过气了的 formalism，记得半年前冯志伟老师还系列编译介绍了 HPSG 讲座。有读者问，怎么用到中文呢？其实对于这种涉及一系列理论assumptions和技术细节的所谓 theoretical formalism，不做一遍基本是雾里看花。Unification 和 typed 数据结构逻辑上看上去很美，做起来也觉得好玩，做过后就洗手不干了。玩过 Prolog 的人也许有类似的体会。

决定把当年在博士论文中列举的具有句法分析难点的例子，当作 unit test 都  parse  一遍，看变了设计思想的系统是不是还可以抓住这些语言现象。

“头羊”（类似案例还有“个人”、“难过”）带有所谓切词的 hidden ambiguity，因为直接违反 longest principle，是中文切词的痛点，也是一体化的有力证据。理论上，任何的切词 ambiguity （不仅仅是 hidden ambiguity）都需要带入整个句子才能最后确认，local context 永远有漏洞，你永远可以营造出一个 context 使得你的 local 决策失效。但实践中还是可以大体把 local 与 全局分开，没必要带着切词的 ambiguity 一路跑到终点。hidden ambiguity 不影响大局者可以休眠，如上例。必要的时候可以用 word-driven 的句法后模块再唤醒它 。

【相关篇什】

PhD Thesis: Morpho-syntactic Interface in CPSG (cover page)
《泥沙龙笔记：parsing 的休眠反悔机制》
【立委科普：歧义parsing的休眠唤醒机制初探】
【泥沙龙笔记：NLP hard 的歧义突破】
【立委科普：结构歧义的休眠唤醒演义】
【新智元笔记：李白对话录 – 从“把手”谈起】
《新智元笔记：跨层次结构歧义的识别表达痛点》
【离皇冠上的明珠只有一步之遥的感觉】

【关于 parsing】
【关于中文NLP】
【置顶：立委NLP博文一览】
《朝华午拾》总目录