程序员批注《语言学教程》——第三章 从语素到短语

本章前言：

跳过了第二章［语音］，语音识别方面较为独立，然而我的目标更偏自然语言理解 Natural Language Understanding (NLU) 。 这章主要讲英语的词语层面的知识，具体来说，从语素到短语，是这个表格（语法“级阶”(Rank)）的后三层：
句子
小句
短语／词组
词
语素
英文词级阶的诸多要点，可以迁移到汉语，但个人认为这些只是语言上的琐碎知识，增加知识底蕴用的；工程层面不必过分追求。汉语在这个层面上，分词方法（Chinese Segmentation）到是非常重要，这篇文章并未涉猎。
另外，6月4日，又一位伟大的战士离我们而去，
"

They (champions) have to have the skill, and the will. But the will must be stronger than the skill

"
纪念拳王阿里。

3.1 什么是语素

语素（Morpheme）,最小的语言学（一般指字母文字中，汉语中我认为也有，但远少于英文）单位。
（个人感觉这部分跟NLP关系不是很大）
a. 语素分类法：

自由语素(Free Morpheme)和黏着语素(Bound Morpheme)

dogs中：dog是自由语素，能自由出现，s是黏着语素。
另外复合词中，可能有多个自由语素出现，如：
moonwalk sunflower (汉语中复合词问题，大概是在分词或者POS tagging中处理)

词根（Root）、词缀（Affix）和词干（Stem）

词根：不能做进一步分析，否则会破坏意义。如internationalism中的nation
词缀：附着在词根或词干上的语素，para-graph,mini-shirt是前缀，revolut-ion colon-ize是后缀，也有中缀
词干：可以是词根，也可以是［词根+词缀］，但一定确定是跟了词缀

屈折词缀和派生词缀

b. 语素变体(Allomorph)
illogical imbalance irregular inactive 有共同语素 in-。il im ir in都是in-的便提。其他例子如名词复数中-s -es -en -ee等
c. 形态变化
古代英语中，尤其是屈折变化

3.2 什么是词

模糊定义：词是语素与词组之间的东东
特性：

稳定性（nothingness不能重新排列成nessnothing）

相对连续性（两个词之间可以插别的词）

最小的自由形式（单一词的句子）

词的分类法：

1. 可变化词和非变化词

可变化词，如英语中的动词时态变化，单复数变化。不可变化词，不一一列举。

2. 实义词（Content Word）和功能词（Function Word）

功能词（又叫语法词）是指参与词组、句子、语篇构建的一类词，大致包括：连词、介词、冠词等
实义词（又叫词汇词）是指指称物质、动作、性质的一类次，大致包括：名词、动词、形容词、副词等

3. 封闭类词和开放类词

封闭类词，数量有限，很难创造和衍生
开放类词，相反

4. 词类（word class）

最常见的分类方法，传统语法中part of speech的概念。
传统英语语法分析中，9类词类:
名词(noun)
代词(pronoun)
形容词(adj)
动词(verb)
副词(adv)
介词(preposition)
连词(conjuction)
感叹词(interjection)
冠词(article)_
以及4类新增补词汇：
助词(particle)
助动词(auxiliary)
代词形式（代词替代词汇，代词形式替代多个词）
限定词(determiner)

3.3 ＆ 3.4 词的形成

屈折变化(inflection)：通过附加屈折词缀，以表现语法关系。如［数］table/tables ［人称］open/opens/opening/opened ［格］ boy/boy's

派生类(derivation)和复合类(compound)：派生，如词类相互变换；复合，见之前讲过的复合词。

新词汇（科技领域，经济生活，政经领域，军务、文化）

3.5 词组和短语

这两个名词位于“级阶”(Rank)的同一层，是“词”和“小句”的承接。Halliday对两者的区别为：词组一组词，是词的扩展；短语是小句的压缩。
以下为词组的例子
名词词组（例： those two splendid old electric trains with pantographs）
动词词组（例： was going to have been working）
副词词组（例： much more quickly than I could count）
连词词组（例： not until）
介词词组（例： right behind the door）
相比之下，介词短语为：
the people on the burning deck
作者解释大概是on作半动词，为主动宾结构。个人认为，后面的修饰跟people的关系不是很大，所以列为短语。
但是个人看来，短语和词组的差别不是很大，NLP中没必要区分。



本章完，下章讲《从词语到篇章》，重头戏。