【讨论】班氏“词结”论

班门斧

[size=-1]班氏“词结”论[size=-1]近代以来，中国文字学界受西方语言文字理论的束缚，一直迷惘困惑，找不到自己的出路。
[size=-1]西文表语义的基础是单词，单词由字母直接组合构成。西文也有词根，但词根这个层次发育不完全，而且词根也不是构成西方语言文字的主体。This is abook, I am going to read it.没有什么词根可言，就是字母组合而堆砌出来的一列字母串，唯一的学习途径就是死记它们的字母组合和表义。
[size=-1]中文表义的基础是“字”，近代汉语发展成为以双字词为主体，但最根本的特点在于字依然是词的构成基础，字集是一个完整的相对独立的、相对有限的语义集合。
[size=-1]随着西风东渐，约百年来，文字学者们企图用西方的文字理论去解释汉语的文字体系，始终是焦头烂额，不得其门。他们用西方的圆筐来装中国的方块物，始终是不能妥帖踏实。最明显的一个例子就是，在西方老年农妇都不存在的分词问题，中国数以千计的语言文字大师始终搞不清楚，中文分词问题至今没能解决。难道是这个问题真的这么高深吗？难道是英国的老年农妇真的比中国的语言文字教授更有文字修养吗？绝对不是。这只能证明用西方的文字理论来套用在中文上是不适宜的。
[size=-1]中文的“字”是一种独特的东西，是用西方文字理论不能解释的东西。它一字一音，一字一义，它本身既可以是词，又可以作为词的组成部件。其本身有义，但又可以组合成与其字义相关或不相关的语词。
[size=-1]词本位派一直想用“词”来改造、统一汉语（中文），但始终是脱不开“字”的魔影，始终是作茧自缚，走投无路。
[size=-1]中文的分词问题未能解决，在语言学理论、文字改革、输入法研制、中文计算机信息处理等领域就始终是有一个门槛没能跨过，严重地障碍着中文信息事业的发展。
[size=-1]对这个困惑经过长期的思考和研究，班门斧对中文的本质有了一个新的发现，班氏提出一个全新的概念：“词结”理论。
[size=-1]在中文的构成序列中，其层次一般已知为：笔画、部首部件、字、词、词组、句子、段落、文章。词是描述一个特定事物的独立的语义单位（在西文里，它同时又是一个独立的外形结构）。中文的词可以由一个字或两三四个字组成。所谓“独立的语义单位”，如果把它拆分，就不能严格精确地表达原来的语义了（“革命”的特定含义是不能拆分为“革”和“命”的简单相加的）。词组一般而言是两个词的一种较松散的定向组合，具有并列、限定、修饰等语法作用。问题的关键在于，班氏发现在词和词组之间，实质上还有一个层次，班氏暂时命名这个层次为“词结”，是词的衍生物，但它比词组的结构更紧密的意思，词的结节。（请暂时忘记西洋语言文字理论的框框）
[size=-1]“运动场”，以前我们一般把这三个字看成为一个词，在信息处理的落后荒蛮时代不会有什么问题。但随着信息技术的发展，当我们深入研究语法结构，研制输入法编码、编制词典、搞文字改革、搞计算机中文语言文字处理的时候，问题就来了。停车场、养猪场、生料场、废料场也都是一个词吧？养牛、养马、养鸡、养狗、养鳖、养蟹的也要造出一个词，养蜈蚣场、养土拔鼠场、养尼罗河巴氏双勾盘式螺旋藻场，这些也应该是一个词吧。这样下去，没完没了，词典如何编写？词库如何构建？不但长度是一个麻烦，而且其组成是一个开放性的无限集，词典、词库、计算机语料处理是永远不能可靠地实现的。
[size=-1]班氏指出，汉语从单字词过渡到双字词，双字词的主导地位的确立，是汉语汉字发展进程中最伟大的一次革命（渐进式革命）。汉语用双字构词的方法，走上了一条光明大道，五千字可以组合出千万数量级的词库，避免了象英语那样走进海量构词的死亡之路。班氏发现，现代汉语词汇的主体是双字词，再附加上少量的单字词和少量的三字词。如“萨其马”（饼）等一些词不能切分，一旦切分，作为两个独立部分的简单相加就不能正确地表达其原义，则作为特定的三字词。
[size=-1]班氏定义，除了少量的一字词、特定的三字词外，中文的词一般而言是指双字词。同时，引入“词结”的概念。运动场、指挥官、个体户，这些是词结，“2+1”形式的词结。双职工、涮羊肉，这些则是“1+2”式的词结。
[size=-1]部分特殊的、正在语法发展进程中的，如：蓝筹股、爆米花，如果“蓝筹、爆米或米花”未被收入词库，则它们可以被视为三字词，一旦“蓝筹、爆米或米花”被收入词库，则它们分解演化为词结。
[size=-1]词结概念的确立，符合汉语说话朗读的发音节律，也符合汉语语义的构成科学，尤其是使中文的词集成为相对可计算、可操作、可处理的数据集，而不是一个不可操控、不可感知的无底深渊。
[size=-1]关于字词分层、词结概念等内容，是一个很大的课题，或应该写成一两本书，本文只是花絮式地作一个简单浅显的介绍。
[size=-1]


[size=-1]

[size=-1]本贴由班门斧于2007年1月03日05:32:41在〖汉语拼音与输入法论坛 - 汉语拼音第一网站〗发表.

后注：班氏词结、班氏汉字笔画排序法（笔画的权位概念、折笔的逐层展开）、班氏基本语义单元，以及班氏当用和限用汉字，是班氏近几年来具有代表性的学术性收获。

［ 本帖最后由 班门斧 于 2007-08-18 14:29:00 编辑 ］

班门斧

谢振斌
高级会员
Rank: 4

UID 86748
精华 6
积分 968
帖子 880
阅读权限 10
注册 2005-8-20
       
#11
发表于 2007-1-28 16:09  资料 短消息
我在本论坛多次强调，汉语中“由字构词”和“由部件构字”可以类比。
它们都是从更低级的语义层次构建更高级的语义层次。
而且都会出现一定的语义变更。

部件组字：
不变更的情况（语义直译）：甭孬。多数象形、指事、会意字。
会变更的情况（无法直译）：所有形声字。

单字组词：
完全变更的情况（无法直译）：玻璃、咖啡、葡萄。聚合度（粘合度高）最高。
会变更的情况（无法直译）：红军、公司，国家、美国。聚合度较高。
不变更的情况（语义直译）：红色、公鸡，国际、美丽。聚合度一般。
聚合度不太高的多字词：计算机、科学家、解放军。聚合度较低。（带有偏正关系，而且聚合度没有双字词高。）
固定组合：无论如何、不管怎样、为什么、全心全意。聚合度低。
词组：中国人民、华夏子女、现代科技、分词研究。聚合度很低。

班先生给这种“聚合度较低的介于紧粘词和词组之间”的词语现象，定了一个明确概念，引起大家重视，这是好的开始。
但用“词结”是否容易引起切分歧义呢？
比如“用词结构成了词语”这句话是否分词出现歧义。
“用词结论证明了”，这句也是。
不过具体名字可以再斟酌。

最重要的是要揭示“汉字构词”的种种特征和规律。
搞清什么时候可以切分，什么时候不能切分，什么时候可以有条件地切分。
例如：
）不可直译（紧粘词）：葡萄、咖啡、玻璃、雪茄、萝卜。不可切分，切分后的单字没有意义（或毫无关联）。
）不可直译（松粘词）：计算机、实事求是、电视机。可考虑内层拆分。
）可直译双字词：红色、公鸡、黑人、番茄、电脑、软件、弹性、看见、例如。虽可直译，但因独立使用频繁，聚合度很高，不宜拆分，但似可做内层切分。
）可直译多字词：无论如何，不管怎样、为什么、可行性、科学家、古生物、想当然。可以考虑拆分。

我之前建议过，使用连接号来连接“松连词”中的成分。如：计算-机、科学-家、古-生物-学-家。
但问题是对于叫复杂的多层“松粘词”就也还是不容易表示清楚。如：古-生物-学-家，多层修饰关系无法具体体现。
但即便如此，也基本可以应付使用了。

分词举例：
为什么说古生物学家也是科学家呢？
为-什么 说 古-生物-学-家 也 是 科学-家 呢？

自在山人 http://freeeman2005.bokee.com 智慧全息码Freeeman@tom.com
引用  报告 回复 顶部
谢振斌
高级会员
Rank: 4

UID 86748
精华 6
积分 968
帖子 880
阅读权限 10
注册 2005-8-20
       
#12
发表于 2007-1-28 16:13  资料 短消息
一般地，双字词不做外部切分。

但如果属于聚合度不高的双字词，可以考虑内层切分。如：红色、黑人、牙膏。

自在山人 http://freeeman2005.bokee.com 智慧全息码Freeeman@tom.com
引用  报告 回复 顶部
谢振斌
高级会员
Rank: 4

UID 86748
精华 6
积分 968
帖子 880
阅读权限 10
注册 2005-8-20
       
#13
发表于 2007-1-28 16:27  资料 短消息
注：
上面举例中的“电脑、软件”不算完全可直译，语义有引申，变成另一种特定含义，但至少和直译的语义有关联，算是“引申义”。聚合度比可直译的略高。

这和单字的引申义现象类似。
比如“家”，本意是“住家”，而“科学家”、“方家”、“国家”等则是引申义。

自在山人 http://freeeman2005.bokee.com 智慧全息码Freeeman@tom.com
引用  报告 回复 顶部
谢振斌
高级会员
Rank: 4

UID 86748
精华 6
积分 968
帖子 880
阅读权限 10
注册 2005-8-20
       
#14
发表于 2007-1-28 17:11  资料 短消息
下面给汉语的构成元素设计一些概念：

单字词： 单音词、（单词）。汉语常用单词仅为几千个。

合成词：双音词（双字词）、多字词。
  多字词：合词（或称词合，班氏称词结）。
  单词：紧粘词（双字词、紧粘多字词）。
  合词：松连多字词。

词根、词缀：电－、－子、－家、－机、－学。

组合词：词组。

短语：片语
句子：语句。
段落：
篇章：

自在山人 http://freeeman2005.bokee.com 智慧全息码Freeeman@tom.com
引用  报告 回复 顶部
班门斧
注册会员
Rank: 2

UID 4641
精华 0
积分 93
帖子 93
阅读权限 10
注册 2002-12-5
       
#15
发表于 2007-1-29 02:16  资料 短消息
谢先生的分词研究很系统化，给我们很大的启发。

谢氏学术的重点在于性质分析，班氏学术的重点在于人机处理。

谢氏研究里面的粘合松紧度研究，以及词根词缀引入汉语研究领域，是对汉语进行精细深入的解构的成功尝试。

班氏“词结”论着眼于对字、词、词结、词组的人机处理。除了占数量比例极少的一字词和三字词外，明确规定：大体上，单体为“字”（词素），双字为词，三字为词结（包括少量四字五字的），四字以上为词组。

运动场、指挥官、涮羊肉，这些东西不应该收入标准的基础词典里面，以免搞乱分词的人工处理和机器处理。如果运动场是一个词，那么跑马场〉养马场〉养鳖场〉养土拨鼠场〉养尼罗河巴氏双勾螺旋藻场也都是词。数字信息时代的客观现实迫使我们不能含糊地和稀泥，必须有一个非此即彼的判别标准：两个字的是词，三个字的不叫做词，定义一个新的层次为词结。理解“运动”和“场”的人，不需要词典中再来一个“运动场”。当然，我们可以在高一层的析义辞海、语汇集里面收入 “运动场、指挥官、涮羊肉、双职工”这些东西。

古生物学家，可以看作一个1211式的词结，或者122式词结（双字词集里面可以包含词缀“—学家”）。

中华人民共和国，当先辈们在讨论、研究这个事物的时代，它是一串分列的词组。当它成为一个专有国号，而且广为人们熟知时，它在语料处理中转化为一个2221式的词结。

[ 本帖最后由 班门斧 于 2007-01-29 04:38:00 编辑 ]
编辑  引用  报告 回复 顶部

班门斧

论坛重开，把我的一篇文章及讨论转回来。请批评指正。

［ 本帖最后由 班门斧 于 2007-02-02 13:34:00 编辑 ］