汉语逻辑补足义标注框架研究

张坤丽，韩英杰，贾玉祥，穆玲玲，穗志方，昝红英

(1. 郑州大学 信息工程学院，河南 郑州450001； 2. 北京大学 计算语言学教育部重点实验室，北京 100871)

0 引言

自然语言理解基于语义理解，尤其是汉语，挖掘有形式依据的深层次的语义理解是未来自然语言理解的突破口。通常认为，句子是相对完整的自然语言的基本意义表达单位，要理解自然语言的语义，首先就需要理解句子的语义。汉语句子的命题成分、时体成分、情态成分、语气成分和口气成分，按所表达主观性依次增强可抽象为如图1所示的形式。其中，命题成分和时体成分可以看作是句子语义的客观表述系统，而情态成分、语气成分及口气成分可看作是句子的意念系统，其中以谓词为中心的句子的基本命题义及附着在其上的否定成分构成句子的命题成分，对论元施加限制的程度成分也是命题成分的有效补充，否定、程度、时体、情态(也称模态)以及语气和口气所表达的语义是句子深度语义理解的重要层次。

图1 句子抽象语义结构层次

通过例1～例7说明汉语句子抽象语义结构的基本成分。例1中所描述的“他去北京参加会议”是基本命题义；例2中“没有”表达对基本命题义的否定，词语“没有”承担否定算子角色；例3中“已经”“了”表明基本命题义中的事实为完成时，词语“已经”、“了”承担时体算子角色；例4中增加了“可能”，表达了对命题是否为真的不确定判断，是说话人的主观态度，词语“可能”所表达的语义，称之为情态义，或模态义；而“可能”则承担模态算子角色；例5中用语气词“吗”及语调“？”作为语气成分的表现手法，表明该句是疑问句，“吗”是承担语气算子任务的词语；例6中的“呀”作为对韵律特征的加工，是口气成分；例7中的程度副词“很”是对“可能”程度的增强，词语“很”担当程度算子角色。

例1他去北京参加会议。

例2他没有去北京参加会议。

例3他已经去北京参加会议了。

例4他可能去北京参加会议。

例5他去北京参加会议了吗？

例6他呀，去北京参加会议了。

例7他很可能到北京参加会议了。

本文中将基本命题义之外的否定、程度、时体、模态、语气、口气等统称为逻辑补足义，即对基本命题义的补充。其中，模态义的标注框架在文献[1]中已经详细描述，本文中不再复述；口气成分将另作他文讨论。因此，本文从语义理解的角度出发，重点针对否定、程度、时体和语气成分这四部分，建立了逻辑补足义标注框架，在汉语句子语义角色标注基础之上进行逻辑补足义标注，且本文对能够与算子标记相匹配的显式特征成分进行标注，即标出算子类型，而否定成分和程度则标明所限定的范围，并对标注结果进行分析。

本文结构组织如下：第1节介绍相关研究，第2节介绍汉语逻辑补足义分类体系；第3节介绍相应算子词典的构建过程；第4节是逻辑补足义标注及分析；最后一节是结语。

1 相关研究

众多学者对汉语句子的语义结构进行了研究，有学者以命题成分的“主体表现”作为切入点分析汉语助动词的构成功能[2]，也有学者提出了涵盖功能语气和口气的抽象语义结构[3-4]，在抽象语义结构中对命题成分、时体成分、情态成分、语气成分和口气成分从不同的角度进行分析和阐述，从句子客观表述到针对交际对象的主观表述都有所体现[5]。在句子语义标注体系及语料库构建方面，Pustejovsky J等[6-7]以英语为研究对象，提出了以事件及事件关系为核心的语义标注体系，所构建的TIMEBANK语料库标注了事件之间以及事件和时间的关系，还将模态、否定、时体等成分以主从连接(subordination link，SLINK)和体连接(aspectual link，ALINK)的方式与事件建立联系。Banarescu L等[8]提出一种新的抽象语义表示(abstract meaning representation, AMR)方式，使用单根有向无环图表示一个句子的语义，以保持句子属性主干、论元共享以及还原完整句子语义等优点吸引了众多学者的关注，同时，AMR配套发布了包括《小王子》在内的两万多句英文语料库。李斌等[9-10]针对汉语的特点，以AMR标注规范为基础，制定了中文AMR标注规范，并完成了中文版《小王子》和CTB中部分语料的标注[10]，对AMR在汉语句子表示及跨语言对比方面进行了探讨。这些研究从不同的层面对英语及汉语的句子语义表示进行了研究，TIMEBANK侧重于事件的时间关系描述，AMR则侧重实词表达的语义，忽略虚词及形态变化，体现较虚的语义[11]。对于汉语来讲，逻辑补足义对时间关系和面向交际对象的主观描述都有所涉及，且逻辑补足成分多由虚词充当相应的算子角色，是基本命题义的补充。同时，袁毓林指出，相较于宏观层次的篇章知识，中观层次的论元结构知识，微观层次的逻辑结构知识对语义理解及信息抽取的作用也至关重要[12]。因此，从逻辑结构关系入手，构建包含以虚词为主的逻辑补足义的精炼语料库，是信息抽取等自然语言处理所需语义知识的重要资源。

本文在973子课题“融合三元空间的中文语言知识与世界知识获取和组织”语料库谓词语义角色标注工作基础上，通过附着于句子基本命题成分基础上的否定成分、程度成分，以及时体成分、模态成分、语气成分，对句子的逻辑补足义进行了系统的研究与标注。文献[1]对模态义与语气的区分以及其标注框架进行了研究，为句子抽象语义结构的其他部分建立标注体系提供了依据和标准。

2 逻辑补足义分类体系

逻辑补足义的标注拟在现有逻辑补足义研究的基础上制定一个分类体系，构建能够承担相应算子任务的词典，并建立标注规范进行标注。逻辑补足义分类体系如表1所示，共包含五大类27小类算子，可以担当相应算子角色的621个词语(短语)，分别给出相应的典型词语(短语)、标记类别及词语(短语)数，模态的相关类别划分及标注在文献[1]中已进行了详细说明，模态的算子不仅包含词语，如表1所示还包含诸如“不好不”等短语，以“gs”作为标记。以下将主要讨论否定、程度、时体及语气四大类的标注框架。

表1 逻辑补足义分类体系

续表

2.1 否定

句子的否定义通常通过句子中的否定词来实现，否定词会对其辖域内成分的语义进行否定，使其逻辑真值取反，否定义是逻辑语义关系中的重要组成部分。否定义的标注包括否定词的标注及其否定辖域的标注。句子中多由否定副词承担否定算子(negative operator，neg)的任务，典型词语有“不、不必、没、没有、未、未曾”等，算子词表的构建在第3节进行描述，在此重点对否定词的辖域进行讨论。

语言学上否定的辖域，指一个否定成分的作用范围。也就是说，在一个包含否定词的表达中，所有可能被这个否定词否定的项目构成了否定的辖域。事实上，处于否定辖域之中的几个成分通常只有一个是真正被否定的，这个被否定的项目叫做否定的焦点。袁毓林[13-14]认为否定词有自己独立的辖域，否定中心可以与句子的焦点分离。在无标记的情况下，否定词的辖域一定是否定词后面的成分。在有标记的情况下，否定的辖域可以回溯到否定词之前的成分。Lee等[15]也认为否定词有自己的辖域，即否定词只否定其右侧的成分。李宝伦等[16]进一步指出，否定词的辖域是其m-统制的局部区域，否定词在没有焦点的情况下否定靠近否定词右侧的成分，形成毗邻否定，但如果否定词后面有焦点存在，否定词否定焦点。沈家煊[17]讨论了毗邻否定，当动词前还有其他副词性成分与否定词毗邻时，否定词在常规情况下并不否定动词，而是否定与否定词毗邻的副词性成分。本文中根据深层语义理解的需求，将否定的辖域定为否定词语及其后面的动词短语VP或形容词，即已经标注核心谓词的语义角色，在某些特殊情况下，可以回溯到否定词之前的成分。标注语料中，在否定词后面一律加上“neg”做标志，并用“{ }”标明其辖域。如例8、例9所示。

例8刘 校长 说 他 {<不>neg 批准 这 项 计划} 。

例9生活 常常 是 {<不>neg 公平} 的 。

在“V+不+补语”这类特殊情况中，为了保证否定辖域中语言成分的完整性，辖域包括否定算子前面的动词。如例10所示。

例10没有 我们 {克服 <不>neg 了} 的 困难 。

某些构式或固定搭配中的否定词不标注，比如“V不V”，如例11中“吃不吃”则不进行标注。

例11刘 教授 吃 不 吃 馒头 ？

否定词出现在疑问句的句末，作为疑问句的标识时，也不予标注，如例12中的“没有”则不予标注。

例12你们 签订 合同 没有 ？

2.2 程度

程度义是指对其修饰词语施加程度上的限制，在句中承担程度算子角色的多为程度副词。程度副词是一个封闭的集合，多位语言学家对程度副词进行了探讨。张谊生[18]将89个程度副词分为两类六级，分别是绝对程度副词和相对程度副词两类，相对程度副词又分为最高级、较高级和较低级，绝对程度副词又分为超量级、高量级和低量级。蔺璜等[19]对85个程度副词按照程度从高到低划分为极量、高量、中量和低量四类。这些类别及分级划分虽有一定的差异，但从粗粒度上来看，都可以分为两大类，即程度义都可分成“增强”“削弱”两大类。本文从标注可行性的角度考虑，把文献[19]四类的“极量”“高量”合并为“增强”，“中量”“低量”合并为“削弱”，作为程度的分类。

程度副词的辖域较容易确定。程度副词具有定位性强的特点，除“很、极”等极少成员能作补语外，余者永远处于状中结构的前直接成分状语的位置，而且十分固定。程度副词与其他副词连用时，始终紧贴中心语，处于最内层，如在句子“我一向很敬佩他”中，副词“一向”与程度副词“很”连用，“很”紧贴中心语“敬佩”。只有与“不”连用时，如在句子“这个人有点不老实”中，程度副词才离开最内层，不紧贴中心语。

程度算子(degree operator，dgr)主要由副词“很、非常、特别、蛮、过分、最、不大、稍微、稍许、有点儿”等担当相应的角色，对于修饰的中心词进行程度上的限制，按照程度高低分为“增强程度”(high degree)和“削弱程度”(low degree)两类。标记规范如表1所示。标注语料中，在承担相应算子任务的词语后一律加上“dgr_high”或“dgr_low”做标志，并用“{ }”标志其辖域。辖域定为程度算子后的动词短语VP、形容词、副词等。如例13、例14所示。

例13考试 期间 她 {<非常>dgr_high 用功} 。

例14大家 对于 工资 问题 一般 都 {<比较>dgr_low 关心} 。

在一类特殊情况下，由“得”构成程度词后置，此时辖域包含程度词前面的谓词，如例15中的辖域。

例15病人 的 妻子 {伤心 得 <很>dgr_high} 。

2.3 时体

“时”“体”是加在命题之上的有客观依据的语义成分。“时”用来称呼具体的时态；“体”是用来描写动作行为进行状况。每一种语言都会借助某种手段来表达，常见的手段有形态、词缀、词汇等。在语法中，时或时态表示行为发生的时间和说话时的关系，一般分为过去时、现在时、将来时等。汉语中没有时态的使用，但仍有时间副词及时态助词的辅助。针对汉语的“体”，石毓智[20]认为其标记系统主要由3个动词后缀“了”“着”“过”构成,分工明确地表示一个完整动作的不同发展阶段：“了”表示动作的从无到有阶段, 称为“实现体”；“着”表示动作的持续进行阶段，称为“持续体”；“过”则表示动作行为的完结，称为“终结体”。汉语的现在时特征并不明显，因此本文从逻辑补足义标注的需求出发，只包含两个时：将来时和过去时；实现体和终结体都可认为动作的完成，因此包含两个体：进行体(持续体)和完成体(实现体和终结体)。时体算子类别标记如表1所示。时体义的标注是将时体算子类型标记在担任此角色的词语上。

(1) 将来时(future tense)

将来时表示将来某一时刻的动作或状态，或将来某一段时间内经常的动作或状态。常常和表示将来的时间状语连用，如“明天、下周、将来”等。承担算子任务的典型词语有副词“到时、赶明儿、将”等，如例16、例17所示。

例16对于 那 件 事 <到时>tense_fut 再 辩论 吧。

例17竞赛 <将>tense_fut 分区 同时 进行。

(2) 过去时(past tense)

过去时表示过去某个时间里发生的非持续性动作或存在的状态，也表示经常或反复发生的动作，常和表示过去的时间状语连用，如“昨天、昨晚、两天前”等；也表示过去主语所具备的能力和性格。承担算子任务的典型词语有副词“刚刚、才”等。如例18所示。

例18我 <才>tense_past 从 上海 回来 不久。

(3) 进行体(progressive aspect)

进行体表示说话时正在进行或者现阶段一直在进行的动作或正在持续的状态。典型词语有助词“着”及副词“正、在、正在”等，如例19、例20所示。

例19那个 外国人 <正>tense_prog 慢慢 地 走 <着>tense_prog。

例20红旗 <在>tense_prog 飘扬。

(4) 完成体(perfect aspect)

完成体表示动作或者状态已经完成。当一个动作和过程发生在说话之前，现在那个动作和过程已经完成了，或指过去某事件或动作发生在另一事或动作之前，有很明显的时间对比。按Comrie[21]的定义，完成体表示将一先行“场面”(situation)与某一“基准时间”(reference time)相关联。它既叙述该先行场面的内在时间结构(即动貌)，同时也表示该场面与基准时间之间的外在时间关系(即时式)。完成体典型算子有助词“了、过”等，副词“已、已经、曾、曾经、一度”等，语气词“来着、来的、了”等，如例21～例23所示。

例21西红柿 <已>tense_perf 熟 透 了。

例22我 整整 干 <了>tense_perf 八 个 钟头。

例23我 <曾>tense_perf 见 <过>tense_perf 许许多多 像 他 这样 志大才疏 的 人。

2.4 语气

语气表示说话人对某一行为或事情的看法和态度，是思想感情运动状态支配下语句的声音形式。从文本角度说，一个句子的感情色彩几乎完全依赖语气词来体现。因此，对于语气的研究非常重要。孙汝建[22]认为广义的语气包括语气和口气，狭义的语气只有陈述、疑问、祈使和感叹四种。本文的语气部分仅讨论狭义的功能语气，按表达的语气分为陈述语气、疑问语气、祈使语气、感叹语气等四小类。标注标记规范如表1所示。

(1) 陈述语气(indicative intonation)

陈述语气表示客观陈述事实,包括肯定语气和否定语气，不包含强烈情感。形式标志为语气词“了”和助词“的”。肯定语气词与结构助词的区别在于结构助词若去掉便会影响句子的结构，而语气词去掉则无伤大雅。否定语气则是语气词“了”和助词“的”与否定词“没有”“不”搭配。承担陈述语气算子任务的有助词“的”以及语气词“了、嘛、呢、罢了、也、而已”等，如例24、例25所示。

例24要 干 好 这 项 工作，不 懂 外语 是 不 行 <的>intonation_indicative。

例25孔子 ，鲁人 <也>intonation_indicative。

(2) 疑问语气(interrogative intonation)

疑问语气按其所传语气将句子分为传信、传疑两大类。传疑助词有三种不同作用“一则有疑而用以设问者”、“一则无疑而用以拟议者”和“一则不疑而用以咏叹者”。通常可以表达疑问、推测答案、要求证实或征求意见等的意思。不同的疑问语气词，表示的疑问程度不尽相同，“吗”的疑问程度最高，“呢”和“吧”疑问语气较“吗”来得要小，“么、啊、哇、啦、哪、呐、呀”等语气词有舒缓语气的作用。担当疑问语气算子角色的词语有语气词“吗、么、吧、呢、也、乎”等，如例26、例27所示。其中例26疑问语气由疑问代词“哪儿”来体现，有没有“啊”都可以，有“啊”语气更和缓。

例26你 在 哪儿 <啊> intonation_interrogative？

例27明天 你 来 <吗>intonation_interrogative？

还有一些疑问语气不含有语气词，是依靠疑问代词、“V 不(没)V”、“是……还是”等来体现，如例28～例30所示，这种无显式语气算子的疑问语气在本文的标注体系中暂不考虑。

例28现在 几 点 钟 了？ (疑问语气由疑问代词“几”来体现)

例29你 是 学 英语，还 是 学 日语？ (疑问语气由“是……还是”来体现)

例30你 能 不 能 等 五 分钟。 (疑问语气由“V 不V”体现)

(3) 祈使语气(imperative intonation)

祈使语气用于表达直接命令或请求的语气，如提出命令、要求、请求、邀请、督促等，它还用来表示禁止、许可或任何其他类的劝告或建议等。典型词语有语气词“吧、嘛、喽、罢、呀、啊”等，如例31～例33所示。

例31老姜 ，汽车 开 慢 一点 <嘛> intonation_imperative！

例32你 帮 我 把 窗 关<喽> intonation_imperative，风太大。

例33别 再 说话 <啦>intonation_imperative！

还有一些祈使语气不含语气词，如例34和例35，这种无显式语气算子的祈使语气在本文的标注体系中暂不考虑。

例34请 打开 灯。 (要求语气，无语气词)

例35不 许 胡说！ (禁止语气，无语气词)

(4) 感叹语气(exclamation intonation)

感叹语气表示输出主观的感情色彩。从语气上明显表现出内心的喜、怒、哀、乐、爱、恶、欲等强烈情绪，强调赞叹、惊讶、伤感、愤怒、讥嘲、鄙斥、恐惧或希望等各种情感反应。感叹语气词和叹词不同，叹词通常用于句首，而感叹语气词一般用于句末，且不能独立使用。典型词语有语气词“啊、呀、哇、哪、矣、乎、哉、与”等，如例36、例37所示。

例36多 好 的 天<啊>intonation_exclamation！

例37快 <哉>intonation_exclamation此 风！

3 逻辑补足义算子词典构建

逻辑补足义算子词典中的词语(短语)主要来源于专题研究及个例研究文献，并在收入词典时进行了辨析与筛选。考虑标注逻辑补足义的需要，从ID、词语、词性、来源、释义、例句、用法、类别、标记、全拼音等属性对承担各类算子任务的词语(短语)进行描述。从词性上来看，承担否定和程度算子角色的词语绝大多数为副词，承担时体和语气算子任务的词语大多数为助词和语气词，也涉及部分副词，而已构建的现代汉语虚词用法知识库(CFKB)[23-24]包含副词、连词、介词、语气词、方位词、助词等用法词典，并且在副词用法词典中将副词划分为小类，包含否定副词和程度副词这两类，因此以CFKB为基础，从副词用法词典中抽取担当否定算子及程度算子的词语，从助词用法词典及语气用法词典中抽取担当时体算子及语气算子角色的词语，并加以整理，其他以《现代汉语词典》(h)、《现代汉语语法信息词典详解》[25](y)及其他(z)内容为补充，构建相应的算子词典。在CFKB中以用法为粒度对词语进行描述，为了在后续逻辑补足义自动识别和标记中便于继承性地利用其用法自动识别的方法与成果，在各算子词典中来源于CFKB的词语保留以用法为分割粒度，词典中ID按CFKB的编码规则[23-24]进行编码。逻辑补足义各算子词典样例如图2所示。

图2 逻辑补足义算子词典样例

在词典中，有同一个词多个语义或用法属于同一类别的，也有同一词的不同用法属于不同类别的，如图2(c)中“过”就表示用法1、2、3都是担当完成体算子角色的词语，“着”用法1、3和用法2分属“进行体”和“祈使语气”算子类词语。在算子词典中，除了收录有副词之外，还有助动词、动词、短语等，来源于CFKB的算子约占62.4%，而本文所讨论的否定、程度、时体及语气在算子词表中收录了副词(d)、助词(u)及语气词(y)，全部来源于CFKB。在CFKB中已经对这三类词语从用法粒度方面做了较为全面的描述，区分不同用法归入不同的类别中。目前已完成的四大类算子词典共包含词语323个，所收录词语个数如表1所示，统计时不区分用法，仅按用法进行统计，如图2(b)程度类中的“大”则按一个词语计入。

4 逻辑补足义标注及分析

本文语料来源于北京大学中文树库[26]，根据汉语语法点抽取了树库55 742句子中的10 634句作为标注语料。所抽取的句子已经进行分词和语义角色标注，本文对其中的逻辑补足义进行标注，主要是对附加在论元结构上担任相应算子任务的词语标注算子类别，并对否定和程度标注所限定的辖域。算子用“< >”标定，词语后面一律加上类别标签(表1中“标注标记”所示)作标志，对否定和程度用"{ }"标明其辖域。这样，对否定和程度而言标明了其所支配的副词性成分或动词性成分的范围。为明晰起见，仅将逻辑补足义标注结果呈现出来，略去语义角色标注，标注如例38所示。

例38词典 {<太>dgr_high 旧} <了>intonation_indicative ， 再 买 一 本 新 的 <吧>intonation_imperative ， { <好在>mod_comment_3 也 {<不>neg {<太>dgr_high 贵}} } 。

文献[1]中已对模态义的标注进行了总结，否定、程度、时体、语气在语料中所出现的词语数、标注频次及相应类的前五位高频词在表2中列出。在语料中共出现相应词语125个，占总词语数的38.7%，而前五名高频词占总标注频次的86.7%，虽然也符合常用词出现频率较高的规律，但从对词语的覆盖率而言，语料还有进一步补充的必要。

在标注中，对几类特殊情况予以不同的标注处理。

表2 标注结果统计

(1) 否定算子与其他算子共现

否定算子有辖域，除了限定焦点为命题中心语之外，也可以限定其他成分，如否定算子和模态算子共现时，“不可能”是必然模态，而单独的“可能”是或然模态；“不一定”是或然模态，“一定”是必然模态。在标注时，若同时出现承担否定算子任务的词语(如“不”)与承担模态算子任务的词语时，将模态与否定两者分开标注，后期通过逻辑计算，确定相应的模态，如例39中，其中“不”为否定，“可能”为或然模态，“不可能”合起来表示必然模态，则“不”和“可能”分别标注，标注结果如例39所示。

例39他 {<不>neg {<可能>mod_possibility在六点钟回到家}}。

(2) “没有”作为核心动词及否定算子的区分

在本文中，所标注的否定义是对基本逻辑义的语义的补充，而“没有”在基本语义角色中可以作为核心动词出现，如在例40中，“没有”尽管可以认为是表示否定的“没”与动词“有”的结合，也有否定的意味，但在语义角色标注时已将其作为核心动词，因此在本文的语料标注过程中，例40中的“没有”将不再作为否定标注，而这一类核心动词与逻辑补足义重叠的情况也将作为下一步研究的内容。

例40你 的 钢笔 没有 墨水 了 。

(3) 兼类的区分

在逻辑补足义标注过程中，除了要区分类似“没有”作为算子和核心动词，还要区分同一词语属于哪一类算子，如“着”，可作为动词“着”(zhao2)，也可以作为助词，在不同的语境下分属于时体及语气类。从图2(c)和图2(d)中可看到，根据CFKB中的描述，用法1、3表示动作或状态的持续，归入时体中的进行时，如例41所示；用法2用于祈使句，时间上表未然，加强命令或嘱咐的语气，属于祈使语气，如例42所示。在确定算子时根据CFKB中的描述确定其相应类别，标注时则可以利用CFKB的用法自动识别[24]对其用法进行标注，并以此为基础确定对应逻辑补足义类别。

例41小 猫 追逐 <着>tense_prog 蝴蝶 。

例42快 把 门 关 <着> intonation_imperative！

逻辑补足义的标注是在已经标注动词论元结构的基础上进行的，论元之间的论旨角色可在一定程度上反映事件元素及关系，而逻辑补足义则对命题所表示的时间类型及其真实性做出约束，所标注的语料可为机器学习和自动识别句子各成分之间的语义关系提供十分精炼的训练语料。

5 结语

针对深层语义理解的需求，本文以抽象语义结构中的逻辑补足义标注为目标，综合了已有研究成果，建立了逻辑补足义标注分类体系，在CFKB虚词用法词典基础上构建了相应的算子词典，制订了逻辑补足义标注规范，并针对抽取10 634句中的否定、程度、时体及语气算子及其辖域进行了标注。

目前只是对逻辑补足义标注框架初步探讨，所标注的语料中出现的词只占总词数的38.7%，下一步的工作尝试补充更多具有代表性的句子进行逻辑补足义标注，并基于标注语料对兼具多种逻辑补足义的算子进行消歧，自动识别与标注逻辑补足义；此外，目前仅考虑与标记词语相匹配的显式标记逻辑补足义的标注，对于与核心动词有交叉的逻辑补足义以及隐式逻辑补足义的探讨也是下一步需要考虑的工作。期待根据抽象语义结构，在显式与隐式逻辑义标注基础之上，进行深层语义理解研究。