关于基于规则方法的反思【连载2】-思考

 

 

原文地址：http://blog.sina.com.cn/s/blog_729574a0010134fj.html

原文内容：

 

【问3】基于规则方法的主流技术路线是什么？它的主要贡献是什么？

【答】追溯历史，可以发现：基于规则方法起源于结构主义语言学派，伴随生成语言学派在语言学界占据主导地位而在计算语言学界达到鼎盛，伴随因特网的兴起而被基于统计的方法逐渐趋于边缘化。因此，谈到基于规则方法的主流技术路线，特别是作为基于统计方法对立面的基于规则方法的主流技术路线，一定是生成语言学派的核心学术思想及其在计算语言学中的实践和发展。在总结基于规则方法的主流技术路线的得失的时候，我们必须不带偏见地肯定它对语言学和计算语言学的主要贡献。

如果以为生成语言学派的主要贡献是搞清楚了哪一门具体语言里有哪些具体规则，那就大错特错了。笔者认为，生成语言学派最大的贡献，在于以一种可证伪的方式告诉我们，表示规则的形式化框架应该是什么。通俗地说，就是告诉我们“规则应该长什么样”。一条具体的规则不好，你可以在这个框架之内废了它。一个具体的规则体系不好，你也可以在这个框架之内另起炉灶。只要在原有表示规则的形式化框架内做有限的改良有成功的希望，一般来说就不要去动这个框架。但是如果表示规则的形式化框架离开语言现实太远，局部的修修补补难以充分适应语言现实，我们就必须考虑废掉这个框架了。看看乔姆斯基的学术轨迹，可以发现，几十年来他一直在对“规则长什么样”进行着调整，在战略上不断用新我否定着旧我，但在战术上，他却很少就一门具体的语言到底该有哪些规则发表看法。即使关于英语说到了一些规则，那也是为了解释他的普适原则和理论而举的例子。

那么，在生成语言学派看来，规则究竟应该长什么样呢？在笔者看来，他们对规则有如下一些基础假设：

    1、  存在有限个基本的句法范畴作为规则表示的基本单位。它们既包括词类，也包括词组的类。同一句法范畴下的实例，在组句能力（分布）上必须有共性。

    2、  句法范畴从左到右的线性排列模式，决定对这个模式的“重写（rewrite）”结果。

    3、  语言的合法成分都是有限次匹配上述从左到右的线性模式、施用重写的产物，依照对重写的限定不同，分为不同的规则体系类型。比较常见的是上下文无关类型的语言及其规则体系。

    4、  句子是一个特殊的句法范畴，它的实例都是目标语言的合法语句，目标语言的合法语句都是它的实例（all and only）。

    很遗憾的是，有些人在用统计方法的优点来批评基于规则方法的缺点的时候，并没有分清楚他们批评的是生成语言学派的规则表示形式化框架本身，还是批评这个形式化框架下构建的某个具体的规则体系。比如，有人说“打扫卫生”不能解释为“把卫生给打扫了”，因此述宾结构不成立，因此规则方法不成立。这样的论证是可笑的。

    “规则长什么样”是基于规则方法的最核心问题。如果具体规则错了，可以替换以新的规则；如果关于规则长什么样的假设错了，要调整的则是这种形式化表示框架本身，同时也会连累到许多个基于这种形式化表示框架的具体规则体系。

    关于“规则长什么样”的一般性假设一旦确定下来，就有了对其在计算上予以实现的理论和实践。具体说就是相关的形式语言、自动机以及算法理论。这些理论是生成语言学派关于规则长什么样的一般性假设在计算领域的推论，对于基于规则的自然语言处理系统的实现有一定指导意义。

    但是，在计算语言学领域，对生成语言学派关于“规则长什么样”的一般性假设，也并非照单全收，你假设，我实现。实际上，为了更加贴近语言实际，在计算语言学领域发生了多次对“规则长什么样”的局部修正。词汇功能语法（LFG）、广义短语结构语法（GPSG）、中心词驱动的短语结构语法（HPSG）、依存语法（DG）、树嫁接语法（TAG）等等，都可以认为是对生成语言学派关于“规则长什么样”的假设的修正案。“次范畴”和“合一”的概念，已经成为基于规则阵营中人尽皆知的概念。“依存”的概念则在一定程度上突破了模式必须是句法范畴从左到右依次排列的假定，允许一定的不连续性。它们到底把生成语言学派关于“规则长什么样”的假设向前推进了多远，也许今天评价还为时尚早。但是，所有这样一些局部性的修正案并没有触动基于规则方法的根本缺陷，应该是许多仁人志士的共识

 

 

 

思考：

本文能发表的意见不多，毕竟是做这一行才不久，规则方法的流行也是20年前的事情了。最大的收获应该是：规则方法的贡献分为两个层次，一是规则长成什么样子-规则体系的定义  一是一条具体的规则应该是什么-属于底层

 

很有必要看一下：词汇功能语法（LFG）、广义短语结构语法（GPSG）、中心词驱动的短语结构语法（HPSG）、依存语法（DG）、树嫁接语法（TAG）的主要思想