第３２卷总第８３期 西北民族大学学报（自然科学版） Ｖｏ１．３２．Ｎｏ．３ ２ ０ １ １年９月 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ ｆｏｒ Ｎａｔｉｏｎａｌｉｔｉｅｓ（Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） Ｓｅｐ，２０１１ 信息处理用藏语语法模型知识库研究 多 拉 ，才让三智２ （西北民族大学中国民族信，息技术研究院，甘肃兰州７３００３０） ［摘要］语言模型是对自然语言的一种描述，构造语言模型是研究计算语言学、自然语言理解的核心内容之一，好 的语言模型将有助于自然语言处理的准确性．由于藏文是属于有形态的语言，既有曲折的特点，也有黏着的特征，并有 丰富的格标记．深入研究其格语法体系，使之规范化，建立和完善语言模型知识库．这对于进一步开展机器识别的句法 研究以及文本理解、汉藏智能翻译、自动分词、文本自动校对、句法树库建设、信息检索等方面将会起到基础支撑作用． ［关键词］语言模型；藏语语法；藏语虚词；知识库 ［中图分类号】ＴＰ３９１；Ｈ２１４ 【文献标识码］Ａ ［文章编号］１００９—２１０２（２０１１｝０３—００１３—０６ Ｏ弓ｌ言 语言模型是对自然语言的一种描述，构造语言模型是研究计算语言学、自然语言理解的核心内容之 一，好的语言模型将有助于自然语言处理的准确性．语言信息处理的高新科技已成为一个国家、一个 民族发展进步的重要标志．语言及其所负载的信息是信息处理的主要对象，而面向信息处理的语言面 临着新的挑战，从适应人的语法深入或转变为方便计算机理解或习得的语法是必然趋势． １藏语自然语言处理研究现状 目前，国内外对于藏语语法的研究是基于《三十颂》和《音势论》．相对而言，对这两部典籍进行注疏 的较多，用现代语言学的方法研究的较少，大部分都是基于《三十颂》和《音势论》的思路对其进行进一步 的阐释和说明，而用费尔摩的格语法等现代语言学理论方法分析的相对较少．然而在信息处理领域，特 别是词汇研究方面，近年来出现了喜人的局面．如，中国社会科学院江荻老师在以藏文动词为主作知识 库的工作，青海师范大学的藏文分词也有了初步的成果．同时，民族大学中国少数民族语言资源检 测中心也做了基于统计的藏文分词系统，正在进一步完善语言知识方面的信息；西北民族大学的卢亚军 教授主持的藏文大型语料库建设研究正在进行中，并且已经出版了《现代藏文频率词典》．这些都为藏 文信息处理的不断推进做出了很大的贡献． ． 自然语言处理能力的逐步推进是一个必然的过程．随着藏文信息处理能力的不断提高，需要我们 继续不断地从多角度、多层次和更广的领域探索各种可行的方法．藏文丰富的虚词结构和功能，不管从 深度还是广度，研究的空间都较大． ［收稿日期］２０１１—０７—２８ ［基金项目］教育部人文社科规划项目（０９ＹＪＡ７４００８９）；国家社会科学基金项目（１０ＸＺＷ０３６） ［作者简介】多拉（１９６７一），男（藏族）ｉ青海贵南人，教授，硕士生导师，在读博士，主要从事藏文信息处理方面的研究． ２藏语语法建模的可能性 中文信息处理包含少数民族语言信息处理，藏文信息处理从字符到音节的研究已经有了一定的基 础，但词和句法研究是个薄弱环节．解决这一薄弱环节对于缩小中西部数字鸿沟，少数民族语言智能翻 译等方面有着非常重要的意义． 藏文是有形态的语言文字，既有独特的形态特征，又有较丰富的格标记基础．深入研究其格语法体 系，包括语法深层的格体系，使之规则化、算法化，建立和完善藏语言模型知识库，对于进一步开展机器 识别的句法研究以至文本理解、汉藏智能翻译、自动分词、文本自动校对、句法树库建设以及信息检索等 方面将会起到基础支撑作用． ３藏语语法建模的基本思路和方法 ３．１基本思路 由于藏语是属于形态很丰富的语言，要建立藏语语法模型，应该以规则为主辅之统计的方法，才能 完成一个相对完善的藏语语法模型知识库．那么，建立基于以规则为主的藏语语法模型，离不开藏语语 法的纲领性典籍《三十颂》和《字性组织论》． 《三十颂》和（－７性组织论》是现代藏文语法的基础理论典籍，成书于公元七世纪中叶，由图弥桑布扎 所著．这两部典籍虽经历了１ ３００多年的历史却仍然在传统语法领域发挥着纲领性的作用，成为藏语 语法的标准理论，直到目前，在传统语言教学领域发挥着不可替代的作用． 藏文系印度梵文的语法体系，分八种格１９个格标记，即体格、业格、具格、为格、从格、属格、依格、呼 格；１９个格标记为：ｇｉ／ｋｙｉ／ｇｙｉ／ｖｉ／ｙｉ／，ｇｉｓ／ｋｙｉｓ／ｇｙｉｓ／ｖｉｓ／ｙｉｓ／，ｓｕ／ｒｕ／ｒａ／ｌａ／ｔｕ／ｄｕ／ｎａ／ｎａｓ／ｌａｓ．格标记分三 大类，除体格和呼格外，每格都有其相应的数量不等的格作标记，对此可定义为藏文的形式意义上的格 （其中为格具有语义格的特征）．这六种格举例如下： 业格句子：ｄｇｅ ｒｇａｎ ｇｙｉｓ ｓｌｏｂ ｍａｒ ｄｐｅ ｋｈｒｉｄ ｇｎａｎｇ（老师给学生上课）． 这是一个具格和业格并存的句子，如果主语ｄｇｅ ｒｇａｎ去掉，就是一个典型的业格句子，其中业格标 记ｒ（带下划线）黏着于ｒｉｌｅ，和学生一词融为一体，容易与后缀ＩＴＩａ的后加字ｒ混淆，在自动分词时出现歧 义，断词错误．所以，在这种情况下从功能的角度去分析句子才能得出正确的结论．Ｒ格标记在此处的 功能意义为指向，语义结构为ＮＰ＋Ｒ＋ＶＰ，形式结构为单词后缀的后加字为ａ’时黏着于其，ａ’＋ｒ，与其 容易混淆或出现歧义的单词后缀有ｍａｒ／ｎａｔ／ｂａｒ／等，其中我们用语料库检索软件在５０万字符的语料中检 索了ｂａｒ的频率，共出现１ ０７８次．Ｂａｒ和２个音节分割符共４个字符在总语料中占０．８６％，如图１和图２。 … ～ …… ……… “ ……… 一ｗⅫ擀 帮 槲 … 辖熏黪 ’誊面黼 纯 泣静釜小菇媳馘 产 ｉ 藉口 毫 ｊ ｛凰ｊ ｌ！ 一‘目气‘‘Ｊ‘气‘１９棚 ≈‘ １‘‘Ｉ 。掌 鼋ｆ ｑ掰 ｒｑ‘喜 《。１ ‘国气‘‘，‘ ’埘 。净 。，瞄气’ ‘嗣 ｑ‘ ‘鸯‘ｑ 奢 ’ ｑ驾 ‘ｑ黯‘《 ｒ孽啊‘ ｑ。 ｑ１ 自 ’ ｑ最‘９ ’薯 一‘嗣 ‘＾峨 ｌ ｑ，ＩＩ刖‘ｑ‘毒气’《。 ‘ ｑ１‘旮Ｉ嘲‘ｑ葛 。ｑ怠 《埘‘毫Ｎ‘ｑ霉 ’ｑ。日期嘲’巷 嘲ｑ‘ 气喇’ｑａ‘塑 嘲’１ 自气 ｑ 。螂 ‘毫 ｑ。两气。‘Ｉ ＾ｑ‘３‘ ‘ｑ冀Ｉ冉。ｑ‘霉 ｑ‘氨 ‘‘Ｉ’譬 卅。气嘲。８ｑ’ ’穹 啊‘嗣气。ｒ，ｌ’５ ‘ｑ。 曩１‘唧嘲 ０ 鼍ｑ’葛ｑ‘ｑ 譬 ’ １ ｑ一＾ｒｑ 霉 ＿ 翱 ｑ‘鞫 硼 ｑ’２嘲‘ ‘瞄１母摹Ｉ’一 棚‘ｑ茸ｑ‘譬 １ ‘，｜ｑ‘粕‘口气‘母１ ・ｒ‘Ｉ‘弩， ｊ气ｇ．｜‘ｑ‘薯・ｒ 气・ｒ鲁 Ｉ掌 ‘专ｑ 蝴ｑ‘ ｑ怠‘气ｑ ‘焉。 ’ｑ孽 ｑ。棚。 ｌ１嘲 ｑ ｑ ‘舀１ｑ 雩 ＿ｒ萄 母嗣‘ 最捌‘ ‘ 。 ‘曩１毽 ｑ１雹ｑ‘秘母Ａ‘ ‘嗣 ‘ １氅 ｑ’ 气‘咎 鼍‘１ 。 ！暑琏’自鞫嘲 童气’罨 州‘ 州‘ｑ。 啊‘Ｒ 气 ｑ 。嚏瓮１ 角 ｑ ’葛最‘ １ ’蕾１’ ＾’自 ‘１母 州‘‘｜ 节 ‘ 气。亏１自１‘ｑ ｑ’．｜｜ｑ１ 葺 ’气 聋气’ｑ跫’孽ｑ。ｒ ’１１ ‘ｑ＿， ‘‘’气‘ａｔ￣－ｑ‘岛 ｌ ３ ‘嚣ｑ‘两目ｑ‘ ‘’且‘雹 竹蓟气’呵ｌ母埘１ １口 ’ 《嗣。‘Ｉ 嗣《 ｑ‘岛 １ 气 １气ａ 自删 ｑ １ ｑ驾 ‘芍‘ 。 ‘ｑ‘曹１ ＿ｑ‘ｑ‘气嘲１两 ‘ 气 毽 鹅 ‘８ｑ‘善１‘‘Ｉ ‘蜀‘ Ｉ ‘｜‘ 嘲’ｑ每鞠ｑ’亏‘鐾 ｑ‘ １≈。ｒｑ《鞠嘲 《１ １ ａ 。日１宅 ｑ ｌ｜ａ‘９ 叫 ’ｑ毫 孽 嘎自州‘童 删ｑＩ雹 ｑ‘ 气 ｑ’气 ‘ 。酋ｉ‘誉ｑ１鹄‘薯 ’ ｑ‘ｑ霉斟ｑ。毋‘啊 ’焉鱼 ｑ气‘ 誓１ｑ‘‘Ｉ ‘嚏譬 ’ １ １’９ｑ’ｑｑ ‘ 两气 ａ 唧‘气嘲 ｑｓ 穹哪‘ 气’ ａ 目 ｆ ｉ １母訇‘ｑｑ‘ 。野１哥ｑ 气ｑ 畸毫 ’气ｑ ｑ ｑ‘霉ｑ 譬ｑａ‘ｑ气‘ ｆ ｌ ｑ‘ ‘ｌ州暮。１‘＾蝈ｊ ｑ舟 。ｑ 雹 ｑ‘自 ｑ‘ ‘焉ｑ‘气 誉１ｑ‘譬棚粕‘气ｑ。ｑ｛ 嘲ｑ ‘ｑ‘ ‘ 《口１ｑ。黔ｑ弋 ｌ ｑ 呻１罔‘嘲气‘ｑ ｑ’￥ｑ‘寺‘誉噶 凡 ‘ ，ｌｉ ’《埘 ｌ 鞫专气‘嘲目 ‘ 吾 ‘ ｑ１ 气‘ ‘刍州１ ‘＾粕ｑ甬 ．， ’葛‘ｑ 胡州 净 ‘ 可ｑ ‘８ ‘ ‘ 馨 Ｉ嗣‘ｑ 气。ｑ‘等 ’哪 ｑ霉ｑ 。１毽 ｑ ’ ｑ’哥ｑ‘ 气‘《‘暑最’ ｑ‘ ‘窖１’暑 弋 嗣 ‘删１ ｑ ‘ｑａ 羽目 ‘ 薯 ‘日 气 气 童１ ｑ‘ ‘ ｑ 硼删１季 ‘ ｑ‘嘲’９‘ ‘ ｑ’ 蕃 １雨。 ｑ ．， 啊 嘲‘霉蚂’ ａ‘ ｑ。ｑ 毽 。亏’ ４１。ｑ１ｑ ‘ｑ 日 啊 ‘１９ｑ’ ｑ。９ 岛 ’删ｌ昏 ‘翻ｑｑ‘ｑ露 ‘ｒ４ １ ｑ‘气 醑 ’ 醑 ‘ 。ｑ 哪 霉ｑ‘‘｜’轴’嚏局气。ｑ ‘ 点ｌ １ ｑ’ ’ ‘ 黾１ ｑ ｑ ‘露ｑ ｑ。 ’ １ｑ‘自 ‘ Ｉ ｌ ’萄‘ ’ 矗啜 ｑ‘‘＝，ａ’《’雀‘‘’ ‘冒ａ１ ’ 舄４１‘ ‘ｑ ｑ。ｇｑ‘‘｜ ‘ ‘｜‘ ’ 雨１哪‘ １ 鱼’焉 巨日１。瑚‘ １ｑ‘甚删 蚺 ｑ‘霉ｑ。‘｜ ’凡 ｑ 毯 ‘ 习ｑ。气 。匙‘ 气‘《‘ 图１语料文本显示 文本说明：文本内容以佛理用语居多，文本的语言规范、内容干净，几乎没有错别字，这就提高了检 一１４— 索结果的 辫囊 懿糍麓盛 裁掣 辩 善靳 ；芋 鬻 簧等料 熙；矗立本｝¨ 暑旺 ｉ鬟 罄 霹 毒 世 Ⅻ 斌 ＃ ～… 一一 ＾一……… ……一～…南 篇 ＊ 糍 ∞ ㈣ 黼 雷ｑ 窝 气 训 琴 ‘ ≮ 嘲商气‘事１ 卺刳 州 Ｉ ’３ ‘嚣ｑ’帑 ‘ ’目 目盒 １ １ 司且 ’口气’善 ＿１ ‘ｒ凡誉宣ｑ 。 。 ‘ｑ露 １母硼‘气 １善。Ｒ目州‘ 。罨ａ‘ｑ≮’《。 礴‘《１嘲’删’ ｑ々ｌ驽１ ‘窝 ’ ‘ ’ ．１ 唧 鸳ｑ。暮气 《‘节 棚’鬻’ｑ。喜 ’ｑ 。蕾 ‘ ’日 碍‘ ｑ‘ ％日１‘ ‘掏 ‘ ’ ‘ｑ‘自气 叫 ９ ’ 叮 急吓 斟’ 州 ‘马《 簧商。ｑ ‘ 禹 一 亏 嗣 嘲‘‘｜抽 ‘‘Ｉ ‘夸气 １‘８１ 弩 ‘‘｜ ‘曷 警 ｑａ‘葛＾ 蓟 １ 日１毽１ ａ 村’‘Ｉ ｑ气 ｑ营譬ａ啦 。ｑ矗— 事’镯 ‘‘｜。岛 ’ ｑ‘夸 ‘‘ １‘ 弩鞫 ‘＝Ｉ ’翻‘ ；譬 Ａ’百 ‘ １ ｑ’ 禽 § 蕞’ ‘气翻’嘎譬＆ ｑ ’冒 ３。ｑ霉气 １’哲 ‘，磕‘ｑ剪 ‘玎ｌ ｑ ８ 硐’ ‘ 黾 ｑ ’ 弋 ’ 卅’ １ 目胃气。１ ｑ雪ｉ ｔ｜。 匐 气。 ｑ ｇ。毒 ‘ 母 ‘ １’１鼋 ‘蜀１ 嘲‘强 ‘‘ｒ ‘ 刖。 商 窘 可气ｌ野咀 棚 手Ｉ ’ １轴啊 ＂ １摹ｉ 甍筏‘ 善 夸‘ 气 ‘ １‘ 韵 ｑ夸 ‘１ Ｎ对Ｉ 分韵督ｑ零 气婶毒 ｑ’ ｑ 葛 髑‘｜蛊‘ 。气 １’ ’惫’ ‘鼍５ｊ。‘Ｉ。 亨ｑ’ 。 ｉ １ ｑ每 ‘日ｌ ‘刖吖苎 ’ ’１ １ 一‘气ｍ‘交。 ‘ｌ气嗣 誉ａ‘ｑＫ 胃气 封１气州’嗣 Ｎ ｑ‘ ‘岛州 ｑ跫 商 ｑ 。ｑ埘。期气 奄 悄。 两 ‘ 捌 馨 韵１ 嘲棚 自 茂９ 净 １蓦吓３嘲’埘 ‘ ’ 莳 背岛 鸯１ 尚 。高ｑ’ ｑ‘气 ‘‘ 气’町ｌ ｑ ‘。ｑ矗‘３ ‘《ｉ １ 啊‘８ 昌ｃ。 对 气‘萄 ’ ‘ ‘ 。 吖 弋’确 ‘ ｑ‘ 箍‘ 翻 ‘ｑ 矗‘毫 守’耐。 ａＢ ｑ督苦芦 季 １ … ｄｔ 鹫ａ． 越 ． ．捌 捌。 ． ．穗 ．ｍ 舶．写’． 蜘．面 煳． ．棚．叫 一 ． 商喾．商埘一鞫葡 撼； 从检索的结果分析，和词缀黏着的格标记虽然数量众多，但也可以找到一些规律，大部分ＩＩＵＩＥＩＯ 四个元音后黏着ｒ的一般都是词缀的部分，不过也有个别例外，比如ｋｈｏｒ，本身是个兼类词，既是动词， 同时也是格标记．在格标记情况下，尽管字根有元音０，但与其黏着的ｒ仍然为业格标记，这样情况就 更复杂．需要总结和统计各种情况给每个虚词或格标记建立相对完善的知识体系． 具格句子：ｔｈｓｅ ｄｂａｎｇ ｇｉｓ ｌａｓ ｂｙａ ｂｒｉｓ／（才旺写作业），其中ｇｉｓ为具格标记． 为格句子：ｎａｄ ｐａｒ ｓｍａｎ ｂｙｉｎ／（为病人给药），其中ｒ是为格标记。 从格句子：ｍｋｈａｓ ｐａ’ｉ ｚｈａｌ ｎａｂ‘ｄｉ Ｉｔａｒ ｇｓｕｎｇｓ／（智者口中如是说），其中ｉ为从格标记． 属格句子：ｔｓｈｅ ｒｉｎｇ ｇｉ ｄｐｅ ｃｈａ／（才让的书本），其中ｇｉ为属格标记． 依格句子：ｒｇｙａ ｍｔｓｈｏ’ｉ ｎａｎｇ ｄｕ ｎｙａ ｓｒｉｎ ｍａｎｇ／（大海里鱼鲨多），其中ｉ为依格标记． 同时，藏文也有众多的介词（Ｐｒｅｐｏｓｉｔｉｏｎｓ）在句子中发挥着桥梁作用．传统语法对它们未加深入分 析而统统归并为介词类．实际上，从语义格的角度，不能将它们单纯地纳入介词的范畴，其中很多介词 具有明显的作格成分．藏文是有形态的语言文字，传统藏文语法历来重视格标记及一般介词的研究，在 一定意义上，我们可以把传统藏文语法看作是由格标记及一般介词构成的语法系统．这一语法系统的 主要特点就是：各类名词性成分借助格标记及介词构成句节进而由句节结合动词来组织句子． 一个句子如果在格标记或介词的运用上出现了错误，就无法正确理解它的含义．藏语句子的组织 过程就是在词与词、短语与短语之间添加格标记或介词并与句末动词有效地结合的过程．比如，介词 ＳＵ而言，其模块如表１所示． 表１介词属性及功能例举 其中形式结构中加号前符号代表介词所跟随的后加字，ＣＮ表示处所名词，ＴＮ表示时间名词，ＲＲ 表示人称代词．需要说明的是，ＳＬＩ作为疑问代词所跟随的后加字在传统语法中未作研究，但在现实中 自然运用，因此应该将其纳入语法范畴，加以研究，描述规则．总而言之，从句法功能和语义格的角度研 究和描写它们，包括对８种格的１９种格标记介词在内的所有介词建立其语法模型，层级规则及关联描 写，进行频率和权重分析，排除歧义，才能有一个好的可用于语言信息处理的语法信息库． 一１５— 在语言类型上，藏语属于ＳＯＶ型，动词在句子末尾，也可称之为Ｈｅａｄｌａｓｔ即核心居末类型语言，因 此藏文句子又是以动词为核心来组织的，动词制约着整个句子的格局，决定着作格标记的添接规则．人 们之所以能够阅读并理解句子的含义，主要靠这种词与词之间、短语与知识之间的格标记、介词规则以 及由此构成的句节与旬末动词之间特有的相互联系．比如格标记ｋｙｉ和ｋｙｉｓ，差别只在于是否多一个 后加字ｓ．除此之外。所有的语法形式结构都相同，如果没有后加字ｓ就会是一个短语，且肯定是属格， 然而有了后加字ｓ后必会在句末引出一个动词，句法也将变为主格，其语义结构马上发生变化。句法非 常有趣而严谨，适合建立以规则为主的语言模型． 在语义理解方面，我们也可以采用动词的配价模式，这种模式很适合藏语的语法特性．比如就二价 和三价动词而言，二价动词有两个行动元，如：ｚｈｉｂ ｊｕｇ ｓｌｏｂ ｍａｓ ｂｒｄａ ｓｐｒｏｄ ｇｚｈｕｎｇ ｌａ ｓｂｙａｎｇｓ／（研究生学 习语法理论），如图３所示． ｓｂｙａｎｇｓ（Ｖ１ ／ Ｓｌｏｂ ｍａ（Ｎ） ＼ ∽／ａ Ｚｈｉｂ＇ｊｕｇ（Ｎ）ｓ（Ｄｅｔ） Ｂｒｄａ ｓｐｒｏｄ（Ｎ，）Ｌａｒ【）ｅ０ ｍ 图３二价动词树形图 括号里的Ｖ代表动词，Ｎ代表名词，Ｄｅｔ代表格标记．在藏语中，格标记（Ｄｅｔ）与名词（Ｎ）之间的关系是： 名词是中心词，格标记是从属词，格标记位于名词的右侧，三价动词也相同，这种从属关系如图４所示． Ｎ ＼＼ Ｄｅｔ 图４格标记树形图 另外，三价动词有三个行动元，在藏语中三价动词的句子大多都在第二格和第三格合并的句子中， 如， ｄｏｎ ｇｒｕｂ ｋｙｉｓ ｂｌａ ｍａｒ ｒｔｓｏｍ ｒ ｄｐｅ ｃｈａ ｚｈｉｇ ｂｙｉｎ／（东主给拉玛一本文学书），这一句子用树形图表 示，如图５所示． ｂｙｉｎ（Ｖ） ｄｐｅ ｃｈａ（Ｎ） ｜‘ ｒ（Ｄｅｔ） ｒｔｓｏｍｒｉｇ（Ｎ） 图５三价动词功能树形圉 ｚｈｉｇ（Ｍ） 第一层中ｂｙｉｎ是动词；第二层中的ｒｔｓｏｍ ｒｉｇ是第一行动元，作主语；ｂｌａ ｍａ是第二行动元，作宾语． ｄｐｅ ｃｈａ是第三行动元，作宾语．第三层的ｋｙｉｓ是动词格标记，跟在主语之后，ｒ是黏着格标记，与第一宾 语黏着，是表示方向的格标记．这两种格标记都在名词右侧，ｓｂｒａｎｇ ｃｈａｒ是名词，从属于第二宾语ｄｐｅ ｃｈａ，ｚｈｉｇ是数量词，在第二宾语之后．在配价过程中，格标记的黏着是藏语独有的一种特征，通过动词 配价和从属关系的描写，使句子更加明朗，语义更为清晰．因此，配价语法给藏语句法描写提供了一种 可行性很强的方法．同时，通过对藏语句子的描写，也更加丰富了从属关系的内容． 一１６一 ３．２实现方法 语言模型是自然语言的数学模型，它主要描述自然语言的统计和结构方面的内在规律．计算机主 要依据语言模型对自然语言进行理解．语言模型就其研究方面而言，一般分为两类：一类是基于语言学 知识的规则文法，另一类是基于统计的语言模型．目前，靠规则的语言模型尽管还不能完成对大规模真 实文本的处理，但不可忽视它在理解真实文本方面所具有的重要作用．同时，以语料库为基础的统计语 言建模方法开始引起重视，它通过对语料库进行深层加工、统计和学习，获取大规模真实语料中的语言 知识．尽管如此，仅仅靠统计来完成语言建模尚不够理想，实际上，统计也是靠一定的规则来不断完善 自身的．因此，应该采用以规则为主辅之统计的方法建立格语法模型知识库，尤其对于像藏文这样有丰 富形态的语言而言是较理想而可行的研究方法． 关于规则方法，在前面已经介绍过，无需重复，主要在于实际工作中进行细化的研究．至于统计方 法，目前国内在汉语方面做了很多，有很多可借鉴的好的经验，比如Ｎ—Ｇｒａｍ和ＨＭＭ模型．值得一提 的是，这些经验在汉语信息处理中大家已经耳熟能详，但在藏语中往往才是开始．由于统计本身有一定 的普适性，成熟的方法在藏语中同样有效，比如也可试用在汉语建模中常采用的如下建模方法： 假设 表示一连串特定顺序排列的词＂ＣＵ ，Ｗ：，…， ，Ⅳ作为表示某一个由一连串特定顺序排列 的字符串也即句子，ｗ在文本中出现的可能性或硼的概率用Ｐ（硼）来表示．根据条件概率的公式，ｗ 出现的概率等于字符串中每一个词出现的概率相乘，利用概率乘积公示可展开为： Ｐ（Ｗ）＝Ｐ（硼１）Ｐ（硼２ ｌ＂ｆＭ１）Ｐ（＇ｒｄ）３ ｌ￣ｆＭ１铷２）…Ｐ（ｗ Ｉ＇ｒｄＪ１伽２…＇０Ｕ 一１） 其中Ｐ（＂０Ｏ ）表示第一个词伽１出现的概率；Ｐ（伽２ ｌ １）是在已知第一个词的前提下，第二个词出现的 概率．以此类推，当到了词Ｗ ，它的出现概率取决于它前面所有词． 假设任意一个词伽 的出现概率只同它前面的词 Ｈ有关（即马尔可夫假设），于是问题就变得很 简单了．现在，Ⅳ出现的概率就变为：Ｐ（Ｗ）＝Ｐ（伽１）Ｐ（ ２ ｌ∞ｉ）Ｐ（ ３ Ｉ伽２）…Ｐ（硼 ｌ仞Ｈ），然后剩 下估计Ｐ（ Ｉ铷Ｈ）的问题．我们有了足够文本后，这个问题不再困难，数一数这对词（协Ｈ，伽 ）在统 计的文本中出现了的次数，以及ｗＨ本身在同样的文本中前后的关联次数，再用这两个数一除就可以 了，即Ｐ（ ｉ Ｉ伽ｉ一１）：Ｐ（ ｉ一１，ｗ ）／Ｐ（切 一１）． ’ 图６规则和统计相结合处理的结构图 以广义格为基础的规则优势在于能够解决歧义和兼类的问题，而统计的好处是对规则所不能覆盖的 如ｂｋｒａ ｓｈｉｓ ｈｉｅ ｌｅｇｓ ｐｈｕｎ ＳＨｆｆｌ ｐａ ｓｈ。ｇ之类的没有格标记的文本通过对语料的参数训练可以得到． ３ ３建模的难点 建立藏语语法模型，应该着重于打破传统语法结构，重新探索藏语格语法体系，将藏文多个受限介 词和自由介词纳入格体系加以考察，借助计算机建立格标记结构的模型知识库．还要建立格语法模型 知识库，涉及语言学、计算机、数学等多学科领域，因此，在该课题研究中，如何从语法的三个层面突破前 人对于八种格的理解模式，将藏语语法引入一个广义格范畴加以研究以及需采用以规则为主辅之统计 的跨学科研究方法是摆在我们面前的一大课题． 一１７— ４结语 藏语以格为主的语法尽管能满足面向人的语言教学和书面语为主的应用需要，但一成不变的体系 已经跟不上语言发展的需要，尤其是目前信息技术为支撑的网络虚拟世界成为人们生活的一部分，更是 满足不了语言信息处理的需要．因此，将基于现代语言学知识采用以规则为主辅以统计的方法，对藏语 语法进行全面深度的分析，以便于计算机处理，从而为进一步开展知识检索、文本理解、汉藏智能翻译、 自动分词、文本自动校对、句法树库建设等方面提供一个语言模型知识平台，已经成为藏语自然语言处 理发展的必然趋势． 参考文献： 【１］孙茂松等．汉语搭配定量分析初探［Ｊ］．中国语文，１９９７，１． ［２］俞士汶等著．现代汉语语法信息词典详解［Ｍ］．北京：清华大学出版社，２００３． ［３］嘎玛司都著．司都文法详解【Ｍ］．西宁：青海民族出版社，１９８２． ［４］色多五世罗桑崔臣嘉措著．藏文文法根本颂色多氏大疏［Ｍ］．北京：民族出版社，１９５７．２． ［５］才旦夏茸著．藏文文法详解【Ｍ］．西宁：青海民族出版社，１９５４． ［６］钦饶威色著．三十颂详解［Ｍ］．成都：四川民族出版社，１９８６． 【７］卢亚军等．基于大型藏文语料库的藏文字符、部件、音节、词汇频度与通用度统计及其应用研究［Ｊ］．西北民族大学 学报（自然科学版），２００３，２． Ｓｔｕｄｙ ｏｎ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ ｗｉｔｈ Ｋｎｏｗｌｅｄｇｅ Ｂａｓｅ ｏｆ Ｔｉｂｅｔａｎ Ｇｒａｍｍａｒ Ｍｏｄｅｌ Ｄｕｏｌａ，Ｔｅｓｒｉｎｇ Ｓａｍ Ｚｈｕ （Ｃｈｉｎａ Ｍｉｎｏｒｉｔｉｓｅ Ｉｎｉｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ Ｉｎｓｔｉｔｕｔｅ。Ｎｏｒｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ ｆｏｒ Ｎａｔｉｏｎａｌｉｔｉｅｓ，Ｌａｎｚｈｏｕ ７３００３０，Ｃｈｉｎａ） ［Ａｂｓｔｒａｃｔ］Ｔｈｉｓ ａｒｔｉｃｌｅ ｍａｉｎｌｙ ａｒｇｕｅｓ ｔｈａｔ ｔｈｅ ｌｉｎｇｕｉｓｔｉｃ ｍｏｄｅｌ ｉｓ ｏｎｅ ｋｉｎｄ ｏｆ ｄｅｓｃｒｉｐｔｉｏｎ ｆｏｒ ｔｈｅ ｎａｔｕｒａｌ ｌａｎｇｕａｇｅ，ｔｈｅ ｓｔｒｕｃｔｕｒｅ ｌｉｎｇｕｉｓｔｉｃ ｍｏｄｅｌ ｓｔｕｄｉｅｓ ｏｎ ｃｏｍｐｕｔａｔｉｏｎａｌ ｌｉｎｇｕｉｓｔｉｃｓ ａｎｄ ａｌｓｏ ｏｎｅ ｏｆ ｎａｔｒａｌｕ ｌａｎｇｕａｇｅ ｕｎｄｅｒｓｔａｎｄｉｎｇ ｃｅｎｔｒａｌ ｃｏｎｔｅｎｔｓ．Ａ ｇｏｏｄ ｌｉｎｇｕｉｓｔｉｃ ｍｏｄｅｌ ｃａｎ ｉｍｐｒｏｖｅ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｐｒｏｃｅｓｓｉｎｇ ｎａｔｕｒａＩ ｌａｎｇｕａｇｅ．Ｔｉｂｅｔａｎ ｌａｎｇｕａｇｅ ｈａｓ ｄｅｒｉｖａｔｉｏｎａｌ，ｉｎｆｌｅｃｔｉｏｎａｌ ｆｅａｔｕｒｅｓ ａｎｄ ｉｔ ａｌｓｏ ｈａｓ ｔｈｅ ｒｉｃｈ ｓｔａｎｄａｒｄ ｍａｒｋ ｆｏｕｎｄａｔｉｏｎｓ．Ａ ｄｅｅｐ ｓｔｕｄｙ ａｂｏｕｔ ｉｔｓ ｓｔａｎｄａｒｄ ｇｒａｍｍａｒ ｓｙｓｔｅｍ，ｉｎｃｌｕｄｉｎｇ ｔｈｅ ｇｒａｍｍａｒ ａｎｄ ｓｔａｎｄａｒｄ ｓｙｓｔｅｍ， ｈｅｌｐｓ ｔｏ ｅｓｔａｂｌｉｓｈｅ ｔｈｅ ｐｅｒｆｅｃｔ ｌｉｎｇｕｉｓｔｉｃ ｍｏｄｅｌ ｋｎｏｗｌｅａｇｅ ｓｔｏｒｅｈｏｕｓｅ，ｗｈｉｃｈ ｃａｕｓｅｓ ｉｔ ｒｅｇｕｌａｒｉｚａｔｉｏｎ．Ｉｔ ｉｓ ｉｍｐｏｒｔａｎｔ ｔｏ ｈａｖｅ ａ ｆｕｒｔｈｅｒ ｄｅｖｅｌｏｐｍｅｎｔ ｏｎ ｍａｃｈｉｎｅ ｃｏｇｎｉｔｉｏｎ ｓｙｎｔａｘ ｒｅｓｅａｒｃｈ ｏｒ ｕｎｄｅｒｓｔｎｄｉａｎｇ ｏｆ ｔｈｅ ｔｅｘｔ， ｔｈｅ ｉｎｔｅｌｌｉｇｅｎｔ ｔｒａｎｓｌａｔｉｏｎ ｏｆ Ｔｉｂｅｔａｎ ａｎｄ Ｃｈｉｎｅｓｅ，ａｕｔｏｍａｔｉｃ ｐａｒｔｉｃｉｐｌｅ，ｔｈｅ ｔｅｘｔ ａｕｔｏｍａｔｉｃ ｐｒｏｏｆｒｅａｄｓ． Ｂｕｉｌｄｉｎｇ ａ ｓｙｎｔａｘ ｔｒｅｅ ｂａｎｋ ａｎｄ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｔｒｉｅｖａｌ ｍａｙ ｈａｖｅ ｔｈｅ ｂａｓｉｃ ｐｏｓｉｉｔｖｅ ｒｏｌｅｓ ｏｎ ｉｔ． ［Ｋｅｙ ｗｏｒｄｓ］Ｌｉｎｇｕｉｓｔｉｃ ｍｏｄｅｌ；Ｔｉｂｅｔａｎ ｇｒａｍｍａｒ；Ｋｎｏｗｌｅｄｇｅ ｓｔｏｒｅｈｏｕｓｅ 一１８—
