信息的理解与语言信息研究述评

自信息论诞生以来,信息成为当今社会的热门话题和学术界关注的热点。不同学科对信息的认识、理解与定义各有差异,并由此引发了关于信息本质的哲学思考。与语言学密切相关的信息研究包含三个方面:通信技术中的语言信息编码、语言信息处理以及语言的信息结构。如何将这三者在信息论的大框架下有机地结合起来,是当前语言信息研究亟待解决的问题。

语言羡余信息的性质、特点、分类及应用

语言的本质是信息传递的工具,信息传递包括主体信息、羡余信息、缺省信息等。"羡余"在古代只是一个普通名词,引进西方的信息论之后",羡余"(redundancy)成了信息编码术语,指多余的信息成分,借用到语言学领域,主要指语言形式和信息内容的羡余。因此,从信息传递的角度(而不仅仅是语法或约定俗成)出发,应把羡余信息区分为无效羡余和有效羡余,判断羡余的有效与无效要同时考虑结构、语义和语用这几点,但起决定作用的还是语用,即话语传递的信息。

论语言信息处理的四个层面

讨论和界定一门学科的内涵和外延是认识和定位学科的重要方法之一,为了给日益发展的语言信息处理学科一个比较符合目前情况的定位,本文用层面概念对其进行了描述,以期引起学界的关注和讨论。本文认为语言信息处理的内容可用以下四个层面来概括:1)语言运作技术层面,2)语言研究工具层面,3)语言教学手段层面,4)语言交际方式层面。每个层面的内容都涉及特点、主要技术、发展现状及面临的主要问题。

从概念基元空间到语义基元空间的映射--HNC联想脉络与词汇语义结构表述研究

从HNC理论的两个重要假设入手,将HNC概念表达式与"词群—词位变体"理论的词义基元结构式进行对接。这种延伸在工程上表现为面向语言信息处理技术的语义网建设,在理论上可概括为"概念基元空间到词汇语义基元空间的映射"。

信息处理的汉语语义资源建设现状分析与前景展望

本文将面向信息处理的主要汉语语义资源分为五种类型:系统方案型、基础词库型、知识本体型、语义关系型和语料库型。文章阐述每种类型的主要特征与应用价值,简要介绍每类资源中典型成果的概况,分析目前汉语语义资源建设中存在的主要问题,展望发展方向。

现代汉语“吗”问句的信息结构与功能类型

文章以“吗”问句为研究对象,探讨了以下几个问题:1.根据“吗”字的历时演变过程析离出了现代汉语“吗”问句的三种功能类型:询问求知句、猜度求证句和反诘质疑句;2.运用传息语法的有关理论分别考察了影响“吗”问句功能类型的几种信息结构;3.运用信息结构的分析方法对某些同形异义的“吗”问句进行了析离;4.在余论中,还提到了其他影响“吗”问句功能类型的因素。通过以上的分析,文章试图说明信息结构是制约人们理解问句功能类型的主要因素之一。

论博客语言问题及应对策略

作者考察了博客在语言上的道德失范问题及其表现,从渴望表达自由、张扬个性、博取名声、道德缺失等方面分析了问题成因,从加强博客网站监管力度、增进博客作者道德自律、提高博客读者鉴赏品味三方面提出了应对策略。

名词类指、个指的语息表达与名词次范畴(一)——名词类指信息与类别义名词

文章从现代汉语名词加数量词的角度,分析了名词进入句子层面以后所表达的指称信息变化,认为现代汉语里有一类不能直接加数量词的名词存在,它们直接以词汇形式出现来类指事物;这种指称手段的出现,形成了不同于通常所说的普通名词的一个新类别:类别义名词。表示对事物的类指与用于对事物的分类是它的原型意义。

名词类指、个指的语息表达与名词次范畴(二)——名词个指信息与“个体化事物”名词及名词指称分工

从现代汉语名词加数量词的角度,分析名词在进入句子层面以后所表达的指称信息变化,认为汉语的名词在个指事物方面,有一类总不能以光杆形式存在,而必加数量信息词语的名词,它们总是专门表达对事物的个体指称。这种指称形式的出现,形成了不同于通常所说的普通名词的一个新类别“个体化事物”名词,它们总表示“个体化”的事物意义,总指称个体化的事物。这样在名词内部,形成了对事物指称的三种分工;这种分工,形成了现代汉语名词的三大范畴:普通名词、类别义名词、个体化事物名词。其中类别义名词与个体化事物名词构成了现代汉语名词的一对对立的语义语法范畴,而普通名词居于其中。

信息结构对“X-neg-X”正反问问标的语法制约

本文以传息语法作为理论基础,对现代汉语"X-neg-X"问句结构进行了重新审视和考察,通过分别讨论正反问"问标"与句中VP和宾语的相互制约关系,展示了动态言语信息结构对语言形式结构的语法制约和重要影响,补充和深化了现有疑问句研究中的有关结论。

词位重构与平行语言资源的再生性建设

该文以大数据意识为背景,通过语言学范畴"词位"内涵、外延的重构,以自然和人工平行性语言资源为基础,提出和讨论语言资源的再生性建设命题。并以期"通过资源建构资源"的再生性模式,推动语言资源多类型、高覆盖、跨语言快速发展及语言应用理论建设。

中国语文现代化学会学术会议及LIIP2010在武汉召开

2010年10月23—25日，由中国语文现代化学会、新加坡中文与东方语文信息处理学会、武汉大学文学院、计算机学院、外语学院及武汉大学语言与信息研究中心主办，江汉大学和浙江师范大学协办的中国语文现代化第一届国际会议暨中国语文现代化学会第九次学术会议及语言研究与信息处理国际研讨会（LIIP2010）在武汉大学召开。参加本次会议的有来自法国、新加坡、蒙古国、中国大陆和中国香港等国家和地区的专家、学者及地方语委办大陆负责人共160人。会议共收到论文110多篇，内容涉及到语言现代化、汉语研究、语言教学、语言信息处理的理论和技术等各个方面。

面向中文信息处理的混合问句初探

本文从人机对话的视角,借鉴传息语法研究的思路,对"混合问句"从形式上和功能上进行了初步的梳理,展示了混合问句在形式和功能上具有相当复杂的错对性,并对计算机识别混合问句的策略提出了一些建议。

手持嵌入式系统应用中的自然语言处理关键技术

手持嵌入式系统是后PC时代IT技术发展的主流,3G时代的来临会进一步推动手持嵌入式设备的广泛应用。作为当今信息处理基础技术之一的自然语言处理技术,是手持嵌入式系统应用中必不可少的关键技术之一。其不可或缺和关键性是该嵌入式系统的特殊需求和系统局限决定的。本文在论述手持嵌入式系统"应用需求"和"局限性"的基础上,结合项目研究阐述了5项自然语言处理关键技术,展望了这些技术的灿烂前景。

一种基于演化算法进行句子抽取的多文档自动摘要系统SBGA

SBGA系统将多文档自动摘要过程视为一个从源文档集中抽取句子的组合优化过程,并用演化算法来求得近似最优解。与基于聚类的句子抽取方法相比,基于演化算法进行句子抽取的方法是面向摘要整体的,因此能获得更好的近似最优摘要。演化算法的评价函数中考虑了衡量摘要的4个标准:长度符合用户要求、信息覆盖率高、更多地保留原文传递的重要信息、无冗余。另外,为了提高词频计算的精度,SBGA采用了一种改进的词频计算方法TFS,将加权后词的同义词频率加到了原词频中。在DUC2004测试数据集上的实验结果表明,基于演化算法进行句子抽取的方法有很好的性能,其ROUGE-1分值比DUC2004最优参赛系统仅低0.55%。改进的词频计算方法TFS对提高文档质量也起到了良好的作用。

并列结构的依存分析与连词的控制语地位

从依存的角度看,连词是一种虚谓词,它支配着两个具有-N属性的论元。基于这一认识,不仅传统语法下的各种并列结构得到了统一的依存表示,复句及有关特殊句式也得到了统一的依存表示。并列结构的各种语法形式差异及有关语义问题均可根据依存结构上具体结点的异同及性质差异得到一定解释。对谓词控制更全面的论断是:单命题句中实义谓词是根控制语("中心");多命题句中,连词是根控制语("中心")。

Ontology的类型及汉语词网的Ontology结构

Ontology在不同领域有不同的理解,本文在阐述哲学和人工智能领域Ontology差异的基础上,揭示了它们间的联系,建构了哲学、技术和语言三足鼎立的Ontology系统,着重论述了语言Ontology及其结构。并认为Ontology是一种思维方式和方法,随着其应用领域的延伸,还会有新的不同类型的Ontology产生。

“相似”和“相近”——雅各布森的隐喻与借喻

隐喻(metaphor)和借喻(metonymy)作为对立概念始之于法国文学批评界,雅各布森(Jakobson)根据语言学研究成果把前者定义为相似,亦即纵聚合关系(paradigmatic),把后者定义为相近,亦即横组合关系(syntagmatic)。雅各布森认为,浪漫主义具有隐喻的特色,现实主义具有借喻的特色;甚至还说,诗歌之特征就是把聚合关系映射在组合关系上。相似涵盖音、形、义三个方面,相近包括时空距离的相近和(句法)结构上的相近。追踪比喻在文化与诗歌中的演变历程,我们发现,隐喻在逐渐地拉大本体和喻体的距离,最终走向借喻的革命;借喻似乎比隐喻更"客观"、更"科学",但其终点一定会向隐喻回归,并在心理上向隐喻提供启动机制。人类联想的途径不外乎相似与相近。