句法网与语义网的对比研究

马 丹,赵怿怡

(厦门大学 人文学院,福建 厦门 361005)

0 引言

语义分析指运用各种方法，学习与理解一段文本所表示的语义内容，任何对语言的理解都可以归为语义分析的范畴。语义分析又可进一步分解为词汇级语义分析、句子级语义分析及篇章级语义分析[1]。本文主要关注句子级语义分析，句子级语义分析目标是分析整个句子所表达的语义内容和语义关系。研究发现，以往的语义分析主要关注句子中的实词之间的关系，“针对动态语料的语义依存分析若只考虑论元关系[2]，并不能充分实现句法分析到语义分析的转化，导致句法网络与语义网络产生不可解释的参数差异。”[3]因此，本文把虚词纳入语义处理框架，从而实现从句法依存到语义依存的完全转换，进一步推动句法网络与语义网络的对比研究。本文基于同一文本，以词为单位构建了句法网和语义网，试图从网络的整体数据和网络的局部节点讨论两者之间的差异。

1 语言网络构建

句法网络是基于句法理论构建的语言网络。句法网络的构建是句法分析结果的直观反映。句法分析又可以分为短语结构句法分析和依存句法分析[4]。本文的句法分析依赖于依存关系[5]理论。刘海涛等[6]认为依存句法分析比短语结构句法分析更容易发现句子中两词之间的关系。依存句法分析的前提是建立能够输入的依存句法树库。本文所用的树库是小型百科语料树库，采用表格的形式展示(参见表1)。

表1 依存句法树库示例

表中每一行代表的都是一个依存关系，本文采用的文本，共有1 000个词，475个依存关系。我们以词为节点、依存关系为边构建语言网络。

语义网络是介于句法和概念网络的中间层[7]，对于语义网络的特征研究有助于句法和语义之间的转换研究。语义网络的研究也是以依存理论为基础，本文所探讨的语义依存理论基于句法依存分析，是句法依存分析朝深度语义理解的进一步发展，并为构建语义网络提供理论支撑。不同的是，语义分析一般只对实词进行分析，不包含虚词。语义依存分析常常建立在句法依存分析的基础上，从句法分析到语义分析，虚词是否应该被保留呢？我们知道虚词在句子中起着经络的作用[8]。陈芯莹、刘海涛[9]曾以新闻联播和实话实说为语料资源，探究虚词“的”“了”“在p”在句法网络中的特征，发现“的”是网络的中心节点；“了”和“在p”是局部网络节点去掉三个节点后，网络的平均度、网络密度、最大范围均有所降低，平均路径及直径增加。虚词在句法网络中作为中心节点或者局部中心节点存在，那么在语义网络中的作用呢？赵怿怡等[3]在进行语义分析的时候，考虑到副词“不”会影响语义的表达，进行了保留。可见虚词会对语义分析产生影响，把虚词纳入语义分析的范畴，分析虚词在语义网络中的地位。

语义分析离不开词的分类问题，这里我们主要讨论动词的分类问题。在句法分析中，动词按形式分为助动词、系动词、趋向动词、不及物动词、小句宾语、双宾动词等。为了满足语义分析的需要，我们参考陈昌来[10]对动词的分类及《汉语动词概述》[11]对动词进行了语义分类，分别为动作动词、存在动词、使令动词、趋向动词、心理动词、能愿动词、关系动词、先导动词。虚词等的标记参照刘海涛[6]的句法标注体系，因为其与句法分析中的词类标记保持一致，可以更直观地分析虚词在句法网络和在语义网络中的地位。语义标注的方法很多，这里不多赘述，本文主要参考陈昌来对语义角色的标注[12-16]、HowNet[17-18]的动态角色及哈工大LTP[19]的语义角色标注。

依存关系转换成语言网络的方法，本文采用的是软件Cytoscape[注]http://www.cytoscape.org,它是一个专注于开源网络可视化分析的平台，核心是提供基础的功能分布和网络查询，并依靠基本的数据形成可视化网络。它最先应用于生物学领域，显示分子之间的相互作用[20]。这里我们应用于依存网络的构建，展现各个语言单位之间的关系。Cytoscape是以两个节点(source node,taget node)以及一个关系(interaction)为基础进行的网络构建[21]，这里支配词作为源节点(source node)，被支配词作为(target node)来处理，关系就是两个词之间的支配关系。用表1中的支配词、被支配词、支配关系，可以转换成这样的语义网络(如图1 (b)所示)。本文句法关系的确定主要采用刘海涛[6]关于汉语依存关系的描述，利用Cytoscape同样可以构建如图1所示的网络。

图1是由12个节点构成的语义网和句法网，箭头表示各个节点之间的支配关系，箭头上标注的是各个节点之间的依存关系。对比图1(a)和图1(b)，虽然节点完全一致，但是由于构造方式的不同，结构存在较大差异，那么网络的参数是否也有较大的差异呢？

图1 句法网络和语义网络

2 分析结果对比

我们以依存关系为边、词为节点，用Cytoscape软件构建了句法网和语义网。根据Cytoscape的数据对网络进行整体分析。这里，为了更清晰地看到节点之间的依存关系， 我们采 用的是有向网络的分析方法。语言网络的对比主要从聚集系数[7]、最短路径[22]、平均相邻节点数、网络的层级性[23]等方面进行考察，结果如表2所示。

表2 网络整体数据对比分析

聚集系数C(clustering coefficient)是一种用来衡量网络聚类倾向或小集群形态的指标，设网络节点i有k条边和其他节点相连，那么该节点与这Ki个节点构成了一个子网络(集群)。而K条边连接的节点(k个)之间最多可能存在的边的条数为k(k-1)/2。如果将Ei看作是ki个节点之间实际存在的边数，那么Ei和Ki最多可有的边数之比就是节点i的聚集系数Ci，如式(1)所示。

那么整个网络的聚集系数C就是所有节点聚集系数Ci的平均值，如式(2)所示。

聚集系数是衡量网络集团化程度的标准，聚集系数越高说明各个节点之间的联系越紧密。由表2我们可以知道： 句法网的聚集系数比语义网高，直径比语义网的直径小。

最短路径d指的是网络中任意两点的最短路径，这里Cytoscape给出的是任意两个节点之间的最短路径数和最短路径在总路径中的百分比。句法网的最短路径数占35%，语义网的最短路径数占27%。

特征路径长度(平均路径长度)cpl指任意两个节点的距离的平均值。设两个任意节点分别是i、j，这两个任意节点之间的距离为dij,网络的节点数为N，则：

特征路径的长度与节点之间的距离有关系，无向网络节点之间的距离就是两点之间最短路径所包含的连线数，有向网络节点之间的距离是一个节点指向另外一个节点之间的距离，并且在相反方向上距离不同。若把网络看作有向网络，那我们发现语义网的特征路径长度远大于句法网。

“网络的层级结构，可以用网络的聚集系数和节点度的相关性来表示，这种相关性C(k)表示的是度为k的所有节点的平均聚集系数”[7]，计算如式(4)所示。

其中Nk为节点度为k的所有节点总数，δki,kj为克罗内克符号(Kronecker)，当ki=kj的时候，即任意两个节点i，j的节点度相同，那么克罗内克符号的值就是1，当ki≠kj时，即两个节点的节点度不同的时候，那么符号的值就是0(不执行求和)。在许多真实的网络中，如果节点度k变大，节点聚集系数C(k)按照幂率衰减，那就说明网络的层级性比较明显，即低节点度节点，其邻节点互联的概率较大，而高节点度的节点，其邻节点互联概率较小，如图2所示。下面我们通过数据的计算对比句法网和语义网层级性明显程度的差异。

图2 句法网与语义网节点度与聚集系数的相关性

图中，横轴表示节点的度(k)，句法网中节点最高的度为94，语义网中节点最高的度也是94，我们把最大节点度设为100。纵轴表示平均聚集系数，计算方法为节点度相同的节点聚集系数的和/这些节点的个数。图中的拟合线表示图表的整体趋势，即是节点度k与节点度为k的平均聚集系数的相关性。

句法网和语义网点度与聚集系数之间的相关性都不是特别明显，但是两者的相关性一致。刘海涛[7]曾在统计语义网中节点度与聚集系数的相关性时发现，节点度为1的节点可能是导致网络层级性差的原因。虚词进入语义网络以后，语义网和句法网的层级性保持一致，可能是因为虚词的存在增强了语义网络的层级性。

节点的相关性表示一个节点的度与其相邻的节点度之间的相关性，我们可以用平均相邻节点度(K-Nearest Neighbor,KNN)来衡量网络节点之间的相关性。一般来说，如果在一个网络中，节点度数大(小)的节点常常与节点度数大(小)的节点连接，那么我们认为这个网络是正相关(assortativity)。相反，如果节点度大(小)的节点常常与节点度数小(大)的节点连接，那么这个网络就是负相关(disassortativity)[20]。

我们可以选择一个节点度为k的节点，然后统计这个节点与其相邻节点之间的相关性，如果随着k的变大，相邻的节点度也变大，则表明这个网络是正相关的；如果随着k的变大，相邻的节点度变小，则表明这个网络是负相关的；如果拟合线的斜率倾向于0，则表示网络的节点间缺乏相关性。为了统计的方便，我们以节点度k为横轴，邻居节点的联通度为纵轴。邻居节点的联通度可以用Cytoscape中对节点的邻居节点的平均度(neighborhood connectivity)进行统计，图中标记为NC，如图3所示。

图3 句法网和语义网节点度相关性

句法网中拟合线的斜率为-0.13，这说明句法网中的节点与相邻节点的联通度成负相关的关系，语义网拟合线的斜率接近于0，节点之间的相关性并不明显。在句法网中，实词和虚词之间的关系紧密，节点与节点之间反映的是实词与虚词之间的关系。语义网中，虚词只能充当被支配词，节点与邻居节点的相关性不强。我们有理由推断虚词是造成网络相关性差异的原因。

通过对网络整体性参数的对比分析，我们发现语义网和句法网在聚集系数、最短路径长度、节点度的相关性都存在着差异，这说明网络构造方法的不同会对参数产生影响。

节点度是一个节点所拥有的连线(依存关系)的数量，如果把网络看作是一个简单无向图，那么节点的度就是与其相邻的节点的数量。一个节点的度就是对其领域的规模的大小的一种测量。高节点度的节点往往位于网络的中心或者局部网络的中心。陈芯莹、刘海涛[9]发现虚词“的”“了”“过”等虚词可能是句法网络的中心节点，那么这些虚词在语义网中是否也可能是中心节点呢？

节点的聚集系数(云集系数)表示在该节点的邻点中，直接相连的邻点对占所有邻点对的比例。它是衡量该节点与相邻节点之间的连通程度、反映节点之间关系的紧密度的参数。中介中心度(betweenness centrality)指在网络中所有节点之间的测地线[注]无向网络中，两个节点之间的距离，就是两点之间最短路径所含的连线数。平均最短路径又称测地线。中，经过该节点的测地线所占的比例。一个节点在网络中起到多大的“中间”的作用就代表着这个节点在网络中占着多中心的位置。一个节点度不高的节点也可能因为起着中介作用而成为网络中心或者局部中心。中介中心度和接近中心度都是用来测算节点在网络中的整体中心度。接近中心度(closeness centrality)指的是其他节点数除以该节点与其他节点的距离之和。总距离越大，接近度的值就越小。

在表3 中，句法网中 “的”的聚集系数、中介中心度均比语义网高，说明“的”的中心地位在句法网中更为明显。但值得一提的是 “的”在语义网中虽然不起“中间”作用，但是接近中心度与句法网基本持平，平均路径也很短，我们有理由认为“的”在语义网中的中心地位比较突出。

“和”作为连词出现在两个网络中，节点度、接近中心度较高，平均路径长比较短，这说明“和”很有可能作为局部中心节点存在。“和”在两个网络中的参数基本保持一致性， 这说明“和”在网络中的地位并不受网络构建方式的影响。

表3 句法网和语义网中高节点度节点参数分析

量词“个”在语义网和在句法网中，地位大体相同。在句法网中中介中心度比较高，这说明在句法网络中，“个”的“中间”作用更为突出。从平均路径上看，两个网络中“个”的平均路径都很短，这说明“个”可能是处在网络中心附近的节点。

“是”在两个网络中都具有很高的点度、入度和出度，聚集系数也较高，这说明“是”在两个网络中的地位重要，并且与邻居节点的连通性很好。但是两个网络中“是”的接近中心度都很小，平均路径也很长，这说明“是”不可能处于网络的中心节点，可能作为局部中心节点存在。

为了验证节点在网络中的地位，我们统计了观察剔除节点以后网络特征的变化。这里主要从平均度(average degree)、网络的中心度(network centralization)、特征路径长度(characteristic path length)、孤立节点数(isolated nodes)几个方面讨论。

平均度指的是每个节点平均具有的节点度数。计算方法是各个节点的度数之和与节点数之比。

网络中心度指整个网络的中心化程度，中心度在各个节点之间的差异越大，网络就越中心化，也就是说节点中心度的差异越大，网络的中心化程度就越高。

特征路径长度又叫平均路径长度，指任意两点之间的平均最短路径，计算方法见式(3)。

孤立节点指的是节点度为0的节点。这里是去节点之后产生的孤立节点。去节点之后的网络参数如表4所示。

表4 显示，去掉“的”之后的，句法网和语义网的平均度、 中心度明显下降， 特征路径长度变长，产生了8个孤立节点。去“的”之后，语义网络的中心度变小了，但是变化程度远远低于句法网去“的”之后。原因是“的”在句法网中接近中心度更高，去掉之后，各个节点之间的差异性会变小，但是在语义网中，“的”的接近中心度不高，对各个节点之间的差异影响不大。“的”去掉之后，语义网的特征路径变长，中心度降低，这说明“的”在语义网中虽然不占据中心位置，但仍然与其他节点保持着联系。去掉虚词“的”导致语义网的参数发生了变化，这说明“的”在语义网中的重要作用。

表4 去节点之后网络参数分析

去掉“是”之后，两个网络的平均度、中心度和密度均降低了，平均路径都增加了，网络直径都保持不变，孤立节点数都是5。节点“是”在句法网中的中心度降低了0.4%，语义网中降低了1%，这说明去掉“是”以后，语义网中节点之间的差异在语义网中变得更小，“是”在语义关系连接中具有更强的中心节点功能，这很可能说明节点“是”在语义网中比在句法网中更占据中心的位置。当然，这需要用更大的数据库来验证。

剔除节点“和”之后，两个网络的中心度都变大，句法网中增大幅度为0.4%，语义网增大了1%，网络的中心度变大，说明“和”在两个网络中都不处于中心节点的位置，但是节点“和”在语义网中的重要性要弱于句法网。

去“个”之后，两个网络的平均度下降，中心度和特征路径长度均变大，产生了两个孤立节点。网络的中心度表示的是网络中各个节点之间的差异程度，差异越大，中心度越高。去掉“个”之后中心度变大，说明网络节点之间的差异变大，网络的集中度变高，也就是“个”在两个网络中的存在影响了网络的集中度。

3 总结

把虚词纳入语义分析的范畴，用同一文本构建语言网络，是从句法依存分析到语义理解的进一步发展。虚词只具有功能性意义，但是却会对语义分析产生影响。通过对语义网和句法网的参数分析发现，虚词“的”“个”“和”在语义网中具有同样重要的地位。本文研究的意义在于讨论虚词在语义网中的地位，初步研究句法到语义完全转换。接下来本研究还会在此基础上进一步扩大语料，探究更多虚词在语义网中的作用。本文在建立包含虚词的语义处理框架之后，对网络进行了对比分析，以求进一步推动从句法到语义之间的完全转换研究。