论文部分内容阅读
《自然语言交流的计算机模型—数据库语义学下的语言理解、推理和生成》(简称《自然语言交流的计算机模型》)的中译本于2016年3月在商务印书馆出版了。这是一本有独创性的计算语言学专著,我作为本书的审校者,希望通过对本书的简单评介,有助于国内读者理解这本专著的内容、方法和意义。
本书作者罗兰德·豪塞尔(Roland Hausser)是德国爱尔兰根——纽伦堡大学计算语言学教授。他先后出版了《表面组成语法》《自然人机交流》《计算语言学基础——人机自然语言交流》和《自然语言交流的计算机模型》等多部专著,发表文章近百篇。豪塞尔是“左结合语法”(Left-Associative grammar,简称LA)的创始人,后来他又进一步提出了“数据库语义学”(Database Semantics,简称DBS)和完整的“语表组合线性内部匹配”理论(Surface compositional Linear Internal Matching,简称SLIM),在计算语言学界形成了自己独特的风格。
我与豪塞尔教授曾有一面之交。2002年联合国教科文组织(UNESCO)韩国委员会在韩国首尔(Seoul)举行了一次关于“信息时代的语言问题”的学术研讨会,我和豪塞尔都被邀请参加了这次会议。在会议期间的交谈中,我对于豪塞尔的理论有了初步的了解,回国之后,我又细读了他的《计算语言学基础——人机自然语言交流》(英文版)一书,对于他的理论有了进一步的认识。我认为豪塞尔教授是一位具有独创精神的计算语言学家。
豪塞尔认为,面向未来的计算语言学的中心任务就是研究一种人类可以用自己的语言与计算机进行自由交流的认知机器。因此,自然语言的人机交流应当是计算语言学的中心任务。计算语言学研究应当通过对说话人的语言生成过程与听话人解释语言的过程进行建模,在适宜的计算机上复制信息的自然传递过程,从而构建一种可与人用自然语言自由交流的、自治的认知机器,这样的认知机器也就是机器人(robot)。为了实现这一目标,必须对自然语言交流机制的功能模型有深刻的理解。
豪塞尔提出的“语表组合线性内部匹配”(SLIM)理论以人作为人机交流的主体,而不是以语言符号为主体,突出了人在人机交流中的主导作用。SLIM理论要求通过完全显化的机械步骤,使用逻辑和电子的方式来解释自然语言理解和自然语言生成的过程。因此,SLIM理论与现代语言学中的结构主义、行为主义、言语行为等理论是不同的,具有明显的创新特色。
SLIM理论强调“表层成分”(Surface),以语表组合性作为它的方法论原则;SLIM理论强调“线性”(Linear),以时间线性作为它的实证原则;SLIM理论强调语言的“内部因素”(Internal),以语言的内部因素作为它的本体论原则;SLIM理论强调“匹配”(Matching),以语言和语境信息之间的匹配作为它的功能原则。事实上,SLIM这个名字本身就来自于这四项原则的英文名称的首字母缩写。
SLIM理论的技术实现手段叫作“数据库语义学”(DBS)。DBS是把自然语言的理解和生成重新建构为“角色转换”(turn-taking)的规则体系。“角色转换”指的是从“说话人模式”(speaker mode)向“听话人模式”(hearer mode)的转换,或者从“听话人模式”向“说话人模式”的转换。
在自然语言的实际交流过程中,第1个过程是听话人模式中的自然主体从另一个主体或者语境那里获得信息,第2个过程是自然主体在自己的认知当中分析信息,第3个过程是自然主体思考如何作出反应,第4个过程是自然主体用语言或者行动做出反馈。
DBS的输入与第1个过程相似,要求计算机或者机器人具备外部界面。接下来匹配语境和认知的内容,采用左结合语法(LA)来模拟第2个过程,这个左结合语法是处于听话人模式中的,叫作LA-hear。左结合语法的第二个变体负责在内存词库中搜索合适的内容,叫作LA-think,这一部分操作对应于第3个过程。左结合语法的第三个变体的任务是语言生成,叫作LA-speak,模拟第4个过程。如下图所示:
在这个图中,听话人模式的LA-hear模拟第2个过程,说话人模式的LA-think模拟第3个过程,LA-speak模拟第4个过程。
DBS的分析结果用DBS图(DBS graph)来表示。DBS图是一种树结构,但是,DBS图的树结构与短语结构语法(phrase structure grammar)和依存语法(dependency grammar)的树结构有所不同。
数据库语义学(DBS)有两个基础:一个是左结合语法(LA-grammar),一个是单词数据库(word bank)。左结合语法和单词数据库在DBS中紧密结合在一起。豪塞尔把左结合语法比作火车头,把单词数据库比作火车运行必需的铁路系统。
单词数据库存储单词的内容,其存储形式是一种非递归的特征结构,叫作“命题因子”(proplets)①。英文 “proplet”取自“proposition droplet”,表示命题的构成部分。
一个命题因子是“属性——值偶对”的集合。每个单词或者句子元素的句法语义信息都体现为相应的属性——值矩阵(attribute-value matrix)。
左结合语法是按照自然语言的时间线性顺序自左向右结合进行分析与计算的方法。
具体来讲,每个句子的第一个词为整句分析过程中的第一个“句子起始部分”(sentence start),之后输入“下一个词”(next word),二者经过计算构成新的句子起始部分,再继续与下一个输入的单词进行组合计算。这样不断地进行分析,直到句子结束或者出现语法错误才终止。当出现句法歧义或者词汇歧义时,左结合语法允许按照不同的推导路径并行地继续运算。 豪塞尔将左结合语法与短语结构语法进行了对比分析。他指出,左结合语法与短语结构语法是同质的语言分析方法。它们之间的差异在于:短语结构语法依据的是“替换原则”(the principle of substitution),而左结合语法依据的则是“可接续性原则”(the principle of continuation)。
整个推导过程遵循“时间线性”(time linearity)的原则。所谓“时间线性”,就是“以时间为序,与时间同向”(linear like time and in the direction of time),也就是说,在推导时,要按照时间先后的顺序进行,要沿着时间的方向推进。
上面简要地介绍了豪塞尔的主要理论和研究方法,希望这些介绍能够帮助读者更好地理解这本《自然语言交流的计算机模型》。
本书共分三个部分。第一部分介绍了SLIM语言理论的基本框架,包括认知主体的外部界面、数据结构和算法。这一部分涉及很多对整个系统至关重要的问题,比如概念的本质、概念在识别和行动中的作用、不同符号的指代机制、语境层的形式结构,等等。
第二部分系统分析了自然语言的主要结构,以英语在听话人和说话人模式下的示意推导为例。听话人模式下的分析主要介绍如何严格按照时间线性顺序将函词——论元结构(hypotaxis)和并列结构(parataxis)编码为命题因子,并把共指(coreference)作为推理基础上的二级关系来分析。说话者模式下的分析主要介绍如何在词库内进行以提取内容为基础的自动导航,如何按照相应语言的语法要求输出正确的词形、语序,如何析出适当的功能词,等等。
第三部分介绍英语断片,作者构建了一个功能完整但覆盖面有限的英语小样本的交流体系。这部分详细介绍了如何理解和生成小样本的文本,对词汇、LA-hear、LA-think和LA-speak进行了明确定义。
本书为计算语言学的相关研究人员、学生和软件工程师等提供了一个对自然语言交流进行理论分析的功能框架,这个框架适用于任何自然语言的自动处理。
本书译者冯秋香是大连理工大学外国语言学及应用语言学硕士,计算机科学与技术方向在读博士,具备良好的语言学和计算机科学的跨学科背景,又有很扎实的英语功底。她从2009年10月开始,到德国爱尔兰根——纽伦堡大学学习,师从豪塞尔教授研究“左结合语法”,她熟悉豪塞尔教授的计算语言学理论,对“数据库语义学”和“语表组合线性内部匹配”理论有深入的了解。我觉得,冯秋香是本书最适合的中文译者,这个中文译本忠实于原文,译文准确精当,通顺流畅,可读性强。
商务印书馆蔡长虹是本书的责任编辑,她请我审校此书。我根据她的要求,对照本书的英文原著A Computational Model of Natural Language Communication——Interpretation, Inference and Production in Database Semantics,仔细地审校了冯秋香的中文译本,逐字逐句地通读了全部译稿,完成了本书的审校工作。在这里我愿参考国外有关的材料,进一步介绍一些与本书有关的背景知识,对这本重要的计算语言学著作做简要的评介,希望这个评介对读者理解本书有所帮助。
我相信,本书中译本的出版,一定会增进我国语言学界对于当前国外计算语言学独创性理论的了解,从而推进我国计算语言学研究的发展。
注释:
①译者冯秋香把“proplets”翻译为“命题粒”,我建议她改译为“命题子”或者“命题因子”,她接受了我的建议,改译为“命题因子”。
参考文献:
[1]罗兰德·豪塞尔.自然语言交流的计算机模型——数据库语义学下的语言理解、推理和生成[M].北京:商务印书馆,2016.
[2]冯志伟.R.Hausser的左结合语法[J].外语学刊,2014,(2):30-34.
(冯志伟 浙江杭州 杭州师范大学外国语学院 311121)
本书作者罗兰德·豪塞尔(Roland Hausser)是德国爱尔兰根——纽伦堡大学计算语言学教授。他先后出版了《表面组成语法》《自然人机交流》《计算语言学基础——人机自然语言交流》和《自然语言交流的计算机模型》等多部专著,发表文章近百篇。豪塞尔是“左结合语法”(Left-Associative grammar,简称LA)的创始人,后来他又进一步提出了“数据库语义学”(Database Semantics,简称DBS)和完整的“语表组合线性内部匹配”理论(Surface compositional Linear Internal Matching,简称SLIM),在计算语言学界形成了自己独特的风格。
我与豪塞尔教授曾有一面之交。2002年联合国教科文组织(UNESCO)韩国委员会在韩国首尔(Seoul)举行了一次关于“信息时代的语言问题”的学术研讨会,我和豪塞尔都被邀请参加了这次会议。在会议期间的交谈中,我对于豪塞尔的理论有了初步的了解,回国之后,我又细读了他的《计算语言学基础——人机自然语言交流》(英文版)一书,对于他的理论有了进一步的认识。我认为豪塞尔教授是一位具有独创精神的计算语言学家。
豪塞尔认为,面向未来的计算语言学的中心任务就是研究一种人类可以用自己的语言与计算机进行自由交流的认知机器。因此,自然语言的人机交流应当是计算语言学的中心任务。计算语言学研究应当通过对说话人的语言生成过程与听话人解释语言的过程进行建模,在适宜的计算机上复制信息的自然传递过程,从而构建一种可与人用自然语言自由交流的、自治的认知机器,这样的认知机器也就是机器人(robot)。为了实现这一目标,必须对自然语言交流机制的功能模型有深刻的理解。
豪塞尔提出的“语表组合线性内部匹配”(SLIM)理论以人作为人机交流的主体,而不是以语言符号为主体,突出了人在人机交流中的主导作用。SLIM理论要求通过完全显化的机械步骤,使用逻辑和电子的方式来解释自然语言理解和自然语言生成的过程。因此,SLIM理论与现代语言学中的结构主义、行为主义、言语行为等理论是不同的,具有明显的创新特色。
SLIM理论强调“表层成分”(Surface),以语表组合性作为它的方法论原则;SLIM理论强调“线性”(Linear),以时间线性作为它的实证原则;SLIM理论强调语言的“内部因素”(Internal),以语言的内部因素作为它的本体论原则;SLIM理论强调“匹配”(Matching),以语言和语境信息之间的匹配作为它的功能原则。事实上,SLIM这个名字本身就来自于这四项原则的英文名称的首字母缩写。
SLIM理论的技术实现手段叫作“数据库语义学”(DBS)。DBS是把自然语言的理解和生成重新建构为“角色转换”(turn-taking)的规则体系。“角色转换”指的是从“说话人模式”(speaker mode)向“听话人模式”(hearer mode)的转换,或者从“听话人模式”向“说话人模式”的转换。
在自然语言的实际交流过程中,第1个过程是听话人模式中的自然主体从另一个主体或者语境那里获得信息,第2个过程是自然主体在自己的认知当中分析信息,第3个过程是自然主体思考如何作出反应,第4个过程是自然主体用语言或者行动做出反馈。
DBS的输入与第1个过程相似,要求计算机或者机器人具备外部界面。接下来匹配语境和认知的内容,采用左结合语法(LA)来模拟第2个过程,这个左结合语法是处于听话人模式中的,叫作LA-hear。左结合语法的第二个变体负责在内存词库中搜索合适的内容,叫作LA-think,这一部分操作对应于第3个过程。左结合语法的第三个变体的任务是语言生成,叫作LA-speak,模拟第4个过程。如下图所示:
在这个图中,听话人模式的LA-hear模拟第2个过程,说话人模式的LA-think模拟第3个过程,LA-speak模拟第4个过程。
DBS的分析结果用DBS图(DBS graph)来表示。DBS图是一种树结构,但是,DBS图的树结构与短语结构语法(phrase structure grammar)和依存语法(dependency grammar)的树结构有所不同。
数据库语义学(DBS)有两个基础:一个是左结合语法(LA-grammar),一个是单词数据库(word bank)。左结合语法和单词数据库在DBS中紧密结合在一起。豪塞尔把左结合语法比作火车头,把单词数据库比作火车运行必需的铁路系统。
单词数据库存储单词的内容,其存储形式是一种非递归的特征结构,叫作“命题因子”(proplets)①。英文 “proplet”取自“proposition droplet”,表示命题的构成部分。
一个命题因子是“属性——值偶对”的集合。每个单词或者句子元素的句法语义信息都体现为相应的属性——值矩阵(attribute-value matrix)。
左结合语法是按照自然语言的时间线性顺序自左向右结合进行分析与计算的方法。
具体来讲,每个句子的第一个词为整句分析过程中的第一个“句子起始部分”(sentence start),之后输入“下一个词”(next word),二者经过计算构成新的句子起始部分,再继续与下一个输入的单词进行组合计算。这样不断地进行分析,直到句子结束或者出现语法错误才终止。当出现句法歧义或者词汇歧义时,左结合语法允许按照不同的推导路径并行地继续运算。 豪塞尔将左结合语法与短语结构语法进行了对比分析。他指出,左结合语法与短语结构语法是同质的语言分析方法。它们之间的差异在于:短语结构语法依据的是“替换原则”(the principle of substitution),而左结合语法依据的则是“可接续性原则”(the principle of continuation)。
整个推导过程遵循“时间线性”(time linearity)的原则。所谓“时间线性”,就是“以时间为序,与时间同向”(linear like time and in the direction of time),也就是说,在推导时,要按照时间先后的顺序进行,要沿着时间的方向推进。
上面简要地介绍了豪塞尔的主要理论和研究方法,希望这些介绍能够帮助读者更好地理解这本《自然语言交流的计算机模型》。
本书共分三个部分。第一部分介绍了SLIM语言理论的基本框架,包括认知主体的外部界面、数据结构和算法。这一部分涉及很多对整个系统至关重要的问题,比如概念的本质、概念在识别和行动中的作用、不同符号的指代机制、语境层的形式结构,等等。
第二部分系统分析了自然语言的主要结构,以英语在听话人和说话人模式下的示意推导为例。听话人模式下的分析主要介绍如何严格按照时间线性顺序将函词——论元结构(hypotaxis)和并列结构(parataxis)编码为命题因子,并把共指(coreference)作为推理基础上的二级关系来分析。说话者模式下的分析主要介绍如何在词库内进行以提取内容为基础的自动导航,如何按照相应语言的语法要求输出正确的词形、语序,如何析出适当的功能词,等等。
第三部分介绍英语断片,作者构建了一个功能完整但覆盖面有限的英语小样本的交流体系。这部分详细介绍了如何理解和生成小样本的文本,对词汇、LA-hear、LA-think和LA-speak进行了明确定义。
本书为计算语言学的相关研究人员、学生和软件工程师等提供了一个对自然语言交流进行理论分析的功能框架,这个框架适用于任何自然语言的自动处理。
本书译者冯秋香是大连理工大学外国语言学及应用语言学硕士,计算机科学与技术方向在读博士,具备良好的语言学和计算机科学的跨学科背景,又有很扎实的英语功底。她从2009年10月开始,到德国爱尔兰根——纽伦堡大学学习,师从豪塞尔教授研究“左结合语法”,她熟悉豪塞尔教授的计算语言学理论,对“数据库语义学”和“语表组合线性内部匹配”理论有深入的了解。我觉得,冯秋香是本书最适合的中文译者,这个中文译本忠实于原文,译文准确精当,通顺流畅,可读性强。
商务印书馆蔡长虹是本书的责任编辑,她请我审校此书。我根据她的要求,对照本书的英文原著A Computational Model of Natural Language Communication——Interpretation, Inference and Production in Database Semantics,仔细地审校了冯秋香的中文译本,逐字逐句地通读了全部译稿,完成了本书的审校工作。在这里我愿参考国外有关的材料,进一步介绍一些与本书有关的背景知识,对这本重要的计算语言学著作做简要的评介,希望这个评介对读者理解本书有所帮助。
我相信,本书中译本的出版,一定会增进我国语言学界对于当前国外计算语言学独创性理论的了解,从而推进我国计算语言学研究的发展。
注释:
①译者冯秋香把“proplets”翻译为“命题粒”,我建议她改译为“命题子”或者“命题因子”,她接受了我的建议,改译为“命题因子”。
参考文献:
[1]罗兰德·豪塞尔.自然语言交流的计算机模型——数据库语义学下的语言理解、推理和生成[M].北京:商务印书馆,2016.
[2]冯志伟.R.Hausser的左结合语法[J].外语学刊,2014,(2):30-34.
(冯志伟 浙江杭州 杭州师范大学外国语学院 311121)