【立委按】核心成分 args 不过三 句型不过百 是我们语言学家对于世界主要类型的语言观察到的普遍规律 或曰普遍文法。语言的奇妙 莫过于此。可是思维没有这么简单 一个事件可以有很多成分。这个矛盾 语言怎么解决的呢？模型语言的 parser 又有怎样的对策呢？不骗你 做个语言学家真好 可以洞悉很多上帝和人的奥秘。
白：
你那个打铁的图，不大对啊
李：
白老师眼毒是出了名的。是的，“打-铁” saturated 在强搭配中了，就不应该再去外挂另一个宾语，这跟娶两个老婆同罪。系统目前没那个严苛，执法不力。但也说明了，后一个老婆也许应该降格，降成姨太太。如果宾语是大房，那么 complement 就是二房，打的是正室的铁（morphology 的 compounding），打的结果就是二房的钉子（syntax）。用逻辑语义的话说，一个是受事宾语，一个是结果补足语：是为打铁成钉。
众所周知，句法的宾语其实可以有很多不同的逻辑语义。默认标配的逻辑语义是受事。但对象、结果等都可以的。“打铁” vs “打钉子”，前者是标配的【受事】，后者是【结果】，但都可以以宾语的身份或分布现身。
白:
如果给盖房子的盖规定只有两个坑的名额：我，房子，木头，怎么填？
“他考清华研究生数学八十五分”
不止四个
李：
这是说的萝卜多，坑不够，是吧？
白:
“这些木头可以盖很多房子”
李：
这个不用试我就知道：目前就是主谓宾。将来细磨逻辑语义的话，“木头”是【材料工具】类的逻辑语义坑，房子则是【结果】。
白:
“这些木头我可以盖很多房子”
李：
这个也可以预测到，耍个流氓，不是 Topic 便是 Next，将来细磨 ontology，也可以让流氓从良。
白:
topic是温吞水，上不着天下不着地，既不是标配的成分，又没说填谁的坑
李：
不过一步之遥啊。但是 Topic 或 Next 所直接连接的 token，通常没错。换句话说，坑是填了，不过妾身不明，不知道跳进了啥坑而已。妾身不明是因为 knowledge poor，一旦有了大数据或有了 HowNet 类的本体知识，knowledge rich 了，也就可以验明身份了。
白:
穆斯林比旧中国好。说好了四个就不可以多。再耍流氓也只能在四个范围里耍。
李：
其实不是。这个问题我想过很久：世界上的语言五花八门，主要类型的语言都有一个突出的共性：就是句型非常有限，不过百（主要句型不过二三十个） 。主要原因是，句法上 arg structure 的坑是有严格的数量限制的,不过三。超过的部分肯定属于另类，那就打入另册 mods 。但实际上，语义层面的 args 和 adjuncts 的界限，比句法上的 complements 和 mods 的界限 要模糊得多。这就是为什么 hownet 里面的坑，比 句法词典里面的 subcat 的坑，有时候更多。本来二者是有映射呼应（correspondance）关系的，但从纯粹语义角度考虑，有些 mods 需要被拉进坑来，语义的本体定义才完整。这是我看 HowNet 董老师的处置得出的体会。
考清华那句也是醉了。语义上的 args 包括：
考-清华 【school】
考-研究生 【graduate program】
考-数学【knowledge】
考八十五分【RESULT】
加上主语 ”他“ 就是 5 args，即便把补语“85分” 当成后置 mod（当成谓语亦无不可），也有四个 args，这不符合 arg structure 原则上不过三的普世句法（UG）。我认为，正因为普世句法有这个args不过三的原则，才使得人类的语言的结构变得 tractable，人类语言因而可理解，方便了交流。三个 args 的排列组合可达 6 种，加上其句型变体可控制在百种之内（常用句型也就二三十个），几乎达到了人脑短期记忆的极限，哪怕再加一个，就几乎不可收拾了。人脑很可怜的。不得不佩服自然语言架构的恰到好处：说语言背后没有上帝是很难让人信服的，难怪乔老爷坚持普遍文法是人天生的、普世的。
可是逻辑语义上，同一个谓词可以有很多 args 的，这就造成了思维内容与语言表达的矛盾。自然语言又是怎么解决这个矛盾的呢？思维上的多坑，到了文句的句法不允许有这么多坑，怎么办？
白:
这是理论问题不是技术问题。技术问题是，准备了俩坑，来了三个萝卜，怎么处理？
李：
有了理论，技术还不好办？纲举目张啊。
技术就是：
syntactic parsing： 耍流氓
semantic parsing：根据 HowNet，教育流氓从良。
也就是，没知识就耍流氓，有了知识立地成佛。
白:
技术就是，其中一个萝卜历史上做mod居多，果断降级
李：
历史不历史，那是语言处理的时候，选择谁 out 的一个数据依据。关键是降级：萝卜多了坑不够，不降级还能怎么着？这才叫：英雄所见略同。
你那一路也行，但是还是重负前行。这个从大数据来的历史 不管怎么表示和使用，都是一个很大的 overhead
白:
在中间件里，matcher是极其轻装的。
李：
中间件庞大。call 它一下，等价于一次信息检索？？这个也许 overhead 不大，可是怎么对付优选语义呢？不是相谐还是不相谐，而是多大程度相谐？或者比较另一可能，更相谐还是更不相谐？多大程度相谐是个无底洞，不说它。更相谐与否，就是一个是否判断。这时候提交的是两对。两次在线检索 才能在线比较计算大小，是不是？在线是因为无法预知哪两对需要比较，无法预先计算好。
回到白老师上面的问题：盖房子的“盖” 句法上似乎大家都认为就是两个坑：一个主语 一个宾语，who 盖了 what，但是从语义的本体定义和结构看，至少有三个坑： 【who】 盖了 【what】 by【what materials】。我常把这种多出来的语义坑看成是处于 args 与 mods 边缘地带的东西。还有一个典型的例子 translate：绝大多数动词最多有三个 args：主、宾、补足语，但是 translate 四个比较合适：[who] translates [what] [from what source] [into what target]。语言实践中，PP（from）常被当成状语，而不是arg，有人把 PP（into）也当成状语。这就是 args 降格为 mods 的结构处置现象。
面对萝卜多坑不够的语言表达困境，一般而言，主要是两个路子，（1）一个是迫使语言把多个 args 分散到不同的句子去表达，这样一来每个句子的结构还是在限定的坑数之内，subcat upto-3-arg patterns are very tractable；（2）给 args 降格：降格为理论上随机的 mods。由于（1），于是产生了句法的主语、宾语，可以对应10几个不同的逻辑语义的坑。
刚刚 parse 了白老师的句子，看看目前这个根据语言学句法原则制定的parser怎么对付多于3的萝卜, 结果是：
哈，果然。遵循普世文法来模型自然语言的 parser 采用的是降格，策略（2）：“清华”的 arg 和 “研究生” 的 arg 都被降格成mods，只剩下 “数学” 作为 head N，堂堂正正填了宾语的坑。作为句法 parsing，这种处理是符合语言架构原则的，非常合理。但是作为深度分析和语言理解，句法被降格的成分，应该重新“升格”到 args 的逻辑语义 slots 去，语言深度解析才比较完美。逻辑升格了，其他句子的 “考清华” 或 “考研究生” 的说法，就会与这一句的说法语义一致，可以 unify。这个升格的任务，也应是语义模块的任务之一。语义模块不仅要填写句法上省略的 hidden args，而且要把部分mods升格为 逻辑的 args。这些 mods 是人类语言表达的时候被 UG 下意识降格的成分。
假如自然语言不是上帝为人类交流而设 假如我们为机器设计语言 我们完全可以扩展坑和句型的数量。Hownet 几个坑, 句型就几个坑 一一对应。不用现在这样，先句法句型入手 然后再 role labeling 填逻辑语义的坑。
白:
其实我并不关心上限是几，只关心超出上限了怎么办。hownet坑的供给比较充分，但是也很难说一定不会超出上限。（董老师可以试试“这场火多亏消防队来得及时”）
【相关】
