包曉榮，華沙寶，達(dá)胡白乙拉

（內(nèi)蒙古大學(xué) 蒙古學(xué)學(xué)院，內(nèi)蒙古 呼和浩特010021）

1 引言

從語(yǔ)言信息處理整體的視角來(lái)看，語(yǔ)義角色標(biāo)注是對(duì)自然語(yǔ)言理解的一個(gè)有益的探索。在自然語(yǔ)言理解系統(tǒng)中，不但要識(shí)別文本中的實(shí)體，而且還需要做語(yǔ)義分析。語(yǔ)義分析是自然語(yǔ)言理解的根本性問(wèn)題，也是自然語(yǔ)言處理的難點(diǎn)和熱點(diǎn)問(wèn)題。語(yǔ)義分析包括淺層語(yǔ)義分析和深層語(yǔ)義分析。

語(yǔ)義角色標(biāo)注是淺層語(yǔ)義分析的一種簡(jiǎn)化形式的實(shí)現(xiàn)方式，具有定義清晰、評(píng)測(cè)容易等特點(diǎn)，它是目前的研究熱點(diǎn)。語(yǔ)義角色標(biāo)注綜合利用了分詞、詞性標(biāo)注等底層的語(yǔ)言信息，以及高層的句法分析，命名實(shí)體識(shí)別等信息，人們從這些信息中可以挖掘各種特征，再利用各種機(jī)器學(xué)習(xí)算法，做到自動(dòng)的語(yǔ)義角色標(biāo)注，因此，它會(huì)促進(jìn)機(jī)器學(xué)習(xí)研究的發(fā)展。在淺層語(yǔ)義分析的基礎(chǔ)上，進(jìn)行深層的語(yǔ)義分析將成為未來(lái)研究的重點(diǎn)。

蒙古文信息處理研究工作從20世紀(jì)80年代著手建立語(yǔ)料庫(kù)開(kāi)始，基本完成了字處理、詞處理階段的工作，現(xiàn)在全面開(kāi)展句子處理階段的工作。語(yǔ)義分析是句子處理階段的重要任務(wù)之一。

從蒙古語(yǔ)信息處理的實(shí)際需求出發(fā)，為蒙古語(yǔ)信息處理研究提供一個(gè)系統(tǒng)化、形式化的蒙古語(yǔ)語(yǔ)義標(biāo)注體系和一個(gè)規(guī)模相當(dāng)?shù)恼Z(yǔ)義角色標(biāo)注語(yǔ)料資源是蒙古語(yǔ)信息處理基礎(chǔ)研究和應(yīng)用研究的基礎(chǔ)之一。建立蒙古語(yǔ)語(yǔ)義角色標(biāo)注體系和蒙古語(yǔ)語(yǔ)義角色標(biāo)注語(yǔ)料資源是蒙古文信息處理事業(yè)走向自然語(yǔ)言理解最終目標(biāo)的必經(jīng)之路，無(wú)論從理論意義還是從應(yīng)用需求來(lái)講，它的研究?jī)r(jià)值都非常重要。

蒙古語(yǔ)淺層語(yǔ)義分析，是一項(xiàng)開(kāi)拓性的研究工作。本工作不會(huì)僅僅停留在基礎(chǔ)理論和方法論的抽象層面上，而由它產(chǎn)生的標(biāo)注語(yǔ)料資源和語(yǔ)義角色特征描述，將對(duì)多義詞的語(yǔ)義識(shí)別、確定短語(yǔ)結(jié)構(gòu)關(guān)系、指定詞語(yǔ)語(yǔ)義搭配提供有效的可操作信息，對(duì)開(kāi)發(fā)研制蒙古語(yǔ)信息檢索、指代消解、機(jī)器翻譯中的蒙古語(yǔ)語(yǔ)句自動(dòng)分析和自動(dòng)生成等應(yīng)用系統(tǒng)都有直接的應(yīng)用價(jià)值。

2 語(yǔ)義角色分類(lèi)及標(biāo)記相關(guān)研究

2.1 其他語(yǔ)言語(yǔ)義角色分類(lèi)及標(biāo)記

要進(jìn)行語(yǔ)義角色標(biāo)注，相應(yīng)的標(biāo)注體系是必需的。在國(guó)內(nèi)外眾多相關(guān)研究項(xiàng)目中，都分別制定了相應(yīng)語(yǔ)言的語(yǔ)義角色標(biāo)注體系。但是，由于各種語(yǔ)言的情況不同，各個(gè)標(biāo)注系統(tǒng)的出發(fā)點(diǎn)和著眼點(diǎn)不同，各個(gè)語(yǔ)義角色標(biāo)注系統(tǒng)所制定的標(biāo)注體系也可以互不相同。下面比較Prop Bank和北京大學(xué)中文網(wǎng)庫(kù)的語(yǔ)義角色分類(lèi)和標(biāo)記。

Prop Bank的語(yǔ)義角色是編了號(hào)的原型角色，是中觀層次上基于特定動(dòng)詞的角色。Prop Bank包括論元角色標(biāo)注集和標(biāo)注語(yǔ)料庫(kù)。在Prop Bank中出現(xiàn)的語(yǔ)義角色分為核心論元和非核心論元兩大類(lèi)。核心論元可分施事、受事、與事等多種論元，非核心論元又可以按照功能分出小類(lèi)。具體來(lái)看，主要有：ARG0，ARG1，ARG2，ARG3，ARG4，ARG5，ARGM－ASP，ARGM－BNF，ARGM－CND，ARGMCRD，ARGM－DGR，ARGM－DIR，ARGM－DIS，ARGMEXT，ARGM－FRQ，ARGM－LOC，ARGM－MNR，ARGM－PRD，ARGM－PRP，ARGM－TMP，ARGMTPC，ARGM－ADV，TBERR 等23個(gè)小類(lèi)。其中ARG0－ARG5是核心論元，其他都屬于非核心論元［1］。

北京大學(xué)中文網(wǎng)庫(kù)是漢語(yǔ)的真實(shí)文本上進(jìn)行多層次的語(yǔ)義關(guān)系標(biāo)注的語(yǔ)料庫(kù)［2］。中文網(wǎng)庫(kù)的語(yǔ)義角色是屬于所謂中觀層級(jí)的語(yǔ)義角色。北京大學(xué)中文網(wǎng)庫(kù)的語(yǔ)義角色分為必有論元和非必有論元兩大類(lèi)。必有論元再分A.主體論元：（1）施事A（2）感事Se（3）經(jīng)事Ex（4）致事Cau（5）主事Th；B.客體論元：（1）受事P（2）與事D（3）結(jié)果R（4）對(duì)象Ta（5）系事Re。非必有論元再分為 A.憑借論元：（1）工具I（2）材料 Ma（3）方式 M （4）原因 Rn（5）目的Ai。B.環(huán)境論元：（1）時(shí)間T（2）處所L（3）源點(diǎn)So（4）終點(diǎn)Go（5）路徑Pa（6）范圍Ra（7）量幅EXT 等22個(gè)小類(lèi)［3］。

語(yǔ)言都有共性，所以其他語(yǔ)言的語(yǔ)義角色分類(lèi)對(duì)我們制定基于依存于法的蒙古語(yǔ)語(yǔ)義角色分類(lèi)有很大的參考價(jià)值。

2.2 蒙古語(yǔ)語(yǔ)義角色分類(lèi)及標(biāo)記

蒙古語(yǔ)在傳統(tǒng)研究和信息處理研究中，也注意到了語(yǔ)義角色研究的必要性。蒙古語(yǔ)語(yǔ)義角色分類(lèi)及標(biāo)記方面的研究有：

蒙古語(yǔ)傳統(tǒng)研究進(jìn)行句子研究和語(yǔ)義研究當(dāng)中注意到了語(yǔ)義角色研究的重要性。具有代表性的有，寶·哈斯巴根［4］提出的施事、當(dāng)事等10個(gè)類(lèi)的分類(lèi)，德力格爾瑪［5］提出的施事、受事等10個(gè)分類(lèi)，特圖克［6］提出的主體、受體等6大類(lèi)42個(gè)小類(lèi)的分類(lèi)，其木格［7］提出的主題格、客體格、領(lǐng)體格、工具格等8大類(lèi)14個(gè)小類(lèi)。

蒙古文信息處理工作進(jìn)行句子分析和語(yǔ)義分析的時(shí)候注意到語(yǔ)義角色標(biāo)注的重要性。從蒙古語(yǔ)信息處理角度：額爾敦朝魯［8］根據(jù)內(nèi)蒙古大學(xué)編撰的《蒙漢詞典》，《蒙古語(yǔ)語(yǔ)法信息詞典》以及100萬(wàn)詞級(jí)現(xiàn)代蒙古語(yǔ)語(yǔ)料庫(kù)，對(duì)蒙古語(yǔ)動(dòng)詞做了語(yǔ)義分類(lèi)，劃分為5個(gè)大類(lèi)121個(gè)小類(lèi)。其中，根據(jù)動(dòng)詞的不同特點(diǎn)，有些類(lèi)細(xì)劃分為2層，有些劃分為3層，還有劃分為4層的。海銀花［9］根據(jù)《蒙古語(yǔ)語(yǔ)法信息詞典》的名詞分庫(kù)，對(duì)14 105條名詞做了語(yǔ)義分類(lèi)，大體上分7個(gè)大類(lèi)，根據(jù)不同情況再細(xì)分，細(xì)分層次最多有8層。德·薩日娜［10］根據(jù)對(duì)初中語(yǔ)文第一冊(cè)的分析，提出了一套蒙古語(yǔ)語(yǔ)義角色分類(lèi)，第一層分4個(gè)大類(lèi)，第二層分28個(gè)小類(lèi)，第三層再分39個(gè)細(xì)分類(lèi)。富濤［11］從26萬(wàn)詞規(guī)模的語(yǔ)料庫(kù)抽取2 602個(gè)例句，經(jīng)過(guò)實(shí)例分析，提出了一套針對(duì)蒙古語(yǔ)簡(jiǎn)單謂動(dòng)句的語(yǔ)義角色分類(lèi)，大體上分3個(gè)層次，只是對(duì)第三層次的用具類(lèi)和位置類(lèi)進(jìn)一步做了3個(gè)細(xì)分類(lèi)和4個(gè)細(xì)分類(lèi)。

蒙古語(yǔ)語(yǔ)義角色分類(lèi)和標(biāo)記研究在傳統(tǒng)語(yǔ)言學(xué)和信息處理研究方面進(jìn)行過(guò)，還取得一定的成果。但是，這些研究成果還存在一些問(wèn)題。因?yàn)椋械姆诸?lèi)只是針對(duì)詞的語(yǔ)義特征的而不是對(duì)句子語(yǔ)義單位之間的語(yǔ)義關(guān)系的；有的雖然是針對(duì)語(yǔ)義角色的，但依據(jù)的語(yǔ)料有一定的局限性或者針對(duì)的題材單一；語(yǔ)義角色的名稱(chēng)和種類(lèi)不統(tǒng)一，命名過(guò)于隨意；劃分顆粒度過(guò)分粗或者過(guò)分細(xì)，沒(méi)有經(jīng)過(guò)語(yǔ)義角色標(biāo)注實(shí)際操作檢驗(yàn)。關(guān)于蒙古語(yǔ)語(yǔ)義角色的研究成果是我們制定基于依存語(yǔ)法的語(yǔ)義角色分類(lèi)的著重參考點(diǎn)。

3 基于依存語(yǔ)法的蒙古語(yǔ)語(yǔ)義角色分類(lèi)及標(biāo)記

3.1 蒙古語(yǔ)依存句法分析樹(shù)庫(kù)

內(nèi)蒙古大學(xué)在國(guó)家自然科學(xué)基金資助下構(gòu)建了50萬(wàn)詞級(jí)的蒙古語(yǔ)依存句法分析樹(shù)庫(kù)。為建立該樹(shù)庫(kù)，借鑒了其他語(yǔ)言依存樹(shù)庫(kù)的成功經(jīng)驗(yàn)，并針對(duì)蒙古語(yǔ)自身特點(diǎn)，把蒙古語(yǔ)語(yǔ)義關(guān)系分為4大類(lèi)，設(shè)立了包含17種依存關(guān)系的蒙古語(yǔ)依存關(guān)系標(biāo)記集，用有向弧表示從屬詞和支配詞之間的依存關(guān)系，對(duì)句子的核心詞以及上述17種語(yǔ)義關(guān)系的標(biāo)注和插入句的處理都給出了詳細(xì)的標(biāo)注規(guī)范，用了括弧形式和樹(shù)形形式兩種標(biāo)注形式［12］。

蒙古語(yǔ)依存關(guān)系標(biāo)記集的規(guī)模和所包含的依存類(lèi)型是合理的，它覆蓋了蒙古語(yǔ)所有的依存現(xiàn)象，并且用該標(biāo)記集標(biāo)注的蒙古語(yǔ)依存句法分析樹(shù)庫(kù)包含了豐富的句法結(jié)構(gòu)信息?？偟膩?lái)說(shuō)，蒙古語(yǔ)依存句法分析樹(shù)庫(kù)的建立，對(duì)制定蒙古語(yǔ)語(yǔ)義角色標(biāo)注體系和標(biāo)注規(guī)范提供了重要參考依據(jù)，對(duì)建立蒙古語(yǔ)語(yǔ)義角色標(biāo)注語(yǔ)料資源提供了可操作的基礎(chǔ)條件。

基于依存語(yǔ)法的語(yǔ)義角色標(biāo)注方法是通過(guò)挖掘句子中單詞或短語(yǔ)之間存在的依存關(guān)系得出句子中成分的角色。蒙古語(yǔ)語(yǔ)義角色分類(lèi)基于依存句法樹(shù)的話，不但可以利用單詞之間的依存特征，而且也可以預(yù)測(cè)與目標(biāo)謂詞有依存關(guān)系的短語(yǔ)為某種語(yǔ)義角色。我們對(duì)一定數(shù)量的標(biāo)注依存關(guān)系的蒙古語(yǔ)語(yǔ)料進(jìn)行基于依存語(yǔ)法的蒙古語(yǔ)語(yǔ)義角色手工標(biāo)注，分析了依存關(guān)系和語(yǔ)義角色的對(duì)應(yīng)關(guān)系。例如，依存關(guān)系“SUBJ”對(duì)應(yīng)“施事”、“當(dāng)事”、“存在”、“主題”等語(yǔ)義角色，有些被動(dòng)句中對(duì)應(yīng)“使動(dòng)”的語(yǔ)義角色。

3.2 基于依存語(yǔ)法的蒙古語(yǔ)語(yǔ)義角色分類(lèi)及標(biāo)記

基于依存語(yǔ)法的蒙古語(yǔ)語(yǔ)義角色標(biāo)注研究中直接引用上述有關(guān)蒙古語(yǔ)語(yǔ)義的分類(lèi)和標(biāo)記仍然存在一定的問(wèn)題。

目前，我們對(duì)蒙古語(yǔ)依存句法分析樹(shù)庫(kù)的5 000個(gè)句子進(jìn)行語(yǔ)義角色手工標(biāo)注實(shí)驗(yàn)，考慮基于依存語(yǔ)法語(yǔ)義角色的手工標(biāo)注和自動(dòng)標(biāo)注，初步制定了包括主體、客體、領(lǐng)體、修飾4大類(lèi)，施事、當(dāng)事等24個(gè)細(xì)分類(lèi)的語(yǔ)義角色分類(lèi)及標(biāo)記。具體分類(lèi)及其標(biāo)記如表1所示。

表1 蒙古語(yǔ)語(yǔ)義角色分類(lèi)及其標(biāo)記

其中，標(biāo)記代碼采用了語(yǔ)義角色蒙古語(yǔ)名稱(chēng)的前三個(gè)字母，發(fā)生重復(fù)時(shí)從后續(xù)字母中選擇一個(gè)合適的字母，調(diào)整了代碼標(biāo)記的第三個(gè)位置。

經(jīng)過(guò)一定數(shù)量的蒙古語(yǔ)真實(shí)語(yǔ)料的驗(yàn)證，基于依存語(yǔ)法的蒙古語(yǔ)語(yǔ)義角色分類(lèi)基本覆蓋蒙古語(yǔ)語(yǔ)義角色現(xiàn)象。這表明基于依存語(yǔ)法的蒙古語(yǔ)語(yǔ)義角色分類(lèi)是合理的，科學(xué)的。

標(biāo)注依存關(guān)系的蒙古語(yǔ)語(yǔ)料庫(kù)是進(jìn)行語(yǔ)義角色標(biāo)注研究的語(yǔ)料資源，蒙古語(yǔ)依存句法分析樹(shù)庫(kù)有樹(shù)形形式和文本形式，同樣基于依存語(yǔ)法的蒙古語(yǔ)語(yǔ)義角色標(biāo)注也有樹(shù)形形式和文本形式。標(biāo)記依存關(guān)系的蒙古語(yǔ)句子語(yǔ)料上進(jìn)行語(yǔ)義角色手工標(biāo)注的句子實(shí)例如下。

文本形式：

注：括弧內(nèi)是蒙古語(yǔ)拉丁轉(zhuǎn)寫(xiě)和漢語(yǔ)翻譯。

單詞后面第一個(gè)括弧內(nèi)的標(biāo)記表示依存關(guān)系，第二個(gè)括弧內(nèi)的標(biāo)記表示語(yǔ)義角色。樹(shù)形形式：注：大寫(xiě)標(biāo)記表示依存關(guān)系，小寫(xiě)標(biāo)記表示語(yǔ)義角色。

圖1 蒙古語(yǔ)語(yǔ)義角色標(biāo)注實(shí)例

總括，本文從蒙古文信息處理的角度出發(fā)，對(duì)基于依存語(yǔ)法的5 000個(gè)蒙古語(yǔ)句子進(jìn)行語(yǔ)義角色手工標(biāo)注，制定了蒙古語(yǔ)語(yǔ)義角色分類(lèi)和標(biāo)注體系。我們將以手工標(biāo)注語(yǔ)料為基礎(chǔ)，通過(guò)機(jī)器學(xué)習(xí)的方法，研制一個(gè)蒙古語(yǔ)語(yǔ)義角色自動(dòng)標(biāo)注系統(tǒng)，建立蒙古語(yǔ)語(yǔ)義角色標(biāo)注的語(yǔ)料資源。

［1］Dowty D.Thematic Proto－Role and Argnment Selection［J］.Lauguage，1991，（3）：547－561.

［2］楊敏；常寶寶.基于北京大學(xué)中文網(wǎng)庫(kù)的語(yǔ)義角色分類(lèi)［J］.中文信息學(xué)報(bào)，2011，25（2）：3－8.

［3］袁毓林.語(yǔ)義角色的精細(xì)等級(jí)及其在信息處理中的應(yīng)用［J］.中文信息學(xué)報(bào)，2007，21（4）：10－20.

［4］寶哈斯巴根.現(xiàn)代蒙古語(yǔ)動(dòng)詞研究［M］.北京：民族出版社，1995.

［5］德力格爾瑪.蒙古語(yǔ)語(yǔ)義研究［M］.沈陽(yáng)：遼寧民族出版社，2001.

［6］特圖克.蒙古語(yǔ)句子語(yǔ)義學(xué)結(jié)構(gòu)［J］.中國(guó)蒙古學(xué)，2008，1：1－7.

［7］其木格.蒙漢語(yǔ)常用語(yǔ)義格對(duì)比研究［D］.中央民族大學(xué)：中央民族大學(xué)碩士學(xué)位論文，2008.

［8］額爾敦朝魯.面向信息處理的蒙古語(yǔ)動(dòng)詞語(yǔ)義研究［D］.內(nèi)蒙古大學(xué)：內(nèi)蒙古大學(xué)博士學(xué)位論文，2005.

［9］海銀華.面向信息處理的蒙古語(yǔ)名詞語(yǔ)義研究［D］.內(nèi)蒙古大學(xué)：內(nèi)蒙古大學(xué)博士學(xué)位論文，2010.

［10］薩日娜.蒙古語(yǔ)格框架的研究［D］.內(nèi)蒙古大學(xué)：內(nèi)蒙古大學(xué)博士學(xué)位論文，2006.

［10］王步康，王紅玲，袁曉虹，等.基于依存句法分析的語(yǔ)義角色標(biāo)注［J］.中文信息學(xué)報(bào)，2010，24（1）：25－29.

［11］富濤.面向信息處理的蒙古語(yǔ)簡(jiǎn)單句謂動(dòng)句句模研究［D］.內(nèi)蒙古大學(xué)：內(nèi)蒙古大學(xué)博士學(xué)位論文，2011.

［12］馮文賀；姬東鴻.命題庫(kù)：分析與展望［J］.外語(yǔ)電化教學(xué)，2010，6：25－32.

［13］斯·勞格勞.現(xiàn)代蒙古與依存句法自動(dòng)分析研究［D］.內(nèi)蒙古大學(xué)博士學(xué)位論文，2011.