王:
动词名化确实不好处理的难办事，以前做词性标注，准确辛率不高，就栽在这，n，v，vN上了，还有区别词b。当然现在语法理论，一个小小助词“的“就有管住核心谓词的能力，使之由V变N。
白:
A、“粉红凤凰”，B、“红绿色盲”，C、“真假和尚”。
A、粉修饰红，粉红修饰凤凰。
B、红绿并列，但并不是用本意的叠加修饰“色盲”，而是用不能区分这两种颜色来定义色盲的具体类型。
C、真假并列，通过分配律把共享中心词“和尚”送给二词修饰，表示“真和尚、假和尚”。
修饰成分间的关系很不简单呢。
李:
我对 b 的第一解读是 c 的并列
看了讲解才悟出来 也许还有 nuance
感觉差异已经细微 微妙到很少需要在意区分的程度了
@wei wang 中文中的所谓动词名物化 nominalization
很大程度上是一个伪问题 一个语言学迷思
强加到 POS 模块 作为其难点 更是一个自找的麻烦
工作 学习 睡眠 吃饭 下雨 打雷
这些词 类别很清晰
王：
@wei，对此我也迷惑
李:
（逻辑）动词 万变不离其宗 没有 POS 区分的必要性
Wang：
这点我同意李老师。所以，我说现代语法理论，是否需要调整一下？只是不敢妄论。
如果都能走对，倒无妨，就怕转得有对有不对，就确实是问题了
李：
在 POS 先于句法的通常架构里
把句法的不同用场 强加到 POS 标签去 是真实世界的天下本无事 x人自扰之。
真有好好的路 硬是自己挖个坑 然后就自己跳进去 然后抱怨路不平。
王：
当然，我现在已经跨越POS这个，不使用POS而直接走句法了。不过对别人而言，这词性标注依然存在。即便标注，我也认为动词体征的，就一直动词体征走向去，比较好。
李:
汉语语法学界上世纪50年代的词类大争论，大争论当年没争出结果来，是时代的局限。
王：
我的看法是，也不去争论。
李:
词无定类（“词无定类 入句而后定”）走向一个极端，无法服人，但其思想有闪光之处。
王：
而是拿到系统中去跑，能跑得好的，自然就是好的，至少这正是我们所需要的
白:
结构强制在技术上一点不复杂，问题是算句法还是算词法，但这都不是技术问题，是旗号问题。旗号与我何干？
王：
至于语言学方面，那是另外的一回事
李:
对于具有 consistent ambiguity 的词，
本体上就是无定类，但是一说“词无定类”就扩大化了，以为所有词都是必须要句法，要上下文，这就陷入了鸡和蛋的死循环，当然不能服人。
这个迷思从哲学上不难看穿。可是实践中却坑了人太多 太久 而且还继续在坑人。
王：
@白硕 说的是，确实不是技术问题
李:
如果一个东西 在有些场景下看着是 红色 有的场景下看着是 黑色
自然的结论就是给个 X 的本体标签，让 X 统辖 红 黑 两个标签，至少这个信息的外延是清晰的，是红黑的区域，不是蓝 不是绿 不是紫 等等，这才符合事实 恰如其分。
王：
这是否分两种情况？
1)本来是多义词，兼有多种词性的；2）已经定了就一种（比如纯动词），走着走着，变了，
李：
不说多义词。多义词（细微差别不算）那是两个词，凑巧长得一样了，其归属自然也可能不同。
王：
嗯
李:
只说 2）
2） 没有 POS 半毛钱的关系。
汉语中的 POS 任务中 纠缠了几十年，原来一开始就把任务定义错了。
王：
请问，那么怎么“ X 统辖 红 黑 两个标签”
李:
对于我们讨论的动词名物化，这个 X 就是 V，可以读成逻辑动词。这个 V 是词典给的，没有歧义，何用区分？
王：
嗯
李:
到了结构里面做了主语或者宾语，它没有改变 V 的本性：词义没变，归属自然也没变。所改变的是句法 role。
王：
同意
白:
没有X统辖那么简单。以“出版”为例，被赋予了动词特有的零碎，比如加“不”，仍然可以再通过“的”强制为名词；但是反过来，已经被名词特有的零碎强制过的，不可能再被强制回动词。
本性是动词，强制为名词，然后就凝固了，不接受变回动词的再次强制。
李:
没问题啊。
这些个细节 与标签没大关系，标签还是 X。只要词义不变，标签就没有道理变，这是本体 taxonomy 决定的。词义变了，标签有可能变。在同一个词义下给不同的POS标签，对于汉语这样缺乏形态的语言，是不合理的。
王：
我的看法是，不去改变词性
这本书的出版，----出版依然是动词，---可以看作是一个成句中谓词
这个成句，是一个小句（子句），可以做主语，或宾语，这样，句法上也顺上了，而且，词性也没去改变
李:
换句话说，汉语这样的语言，POS 应该用的是逻辑类
白:
问题是啥叫词义变。“真孙子”里面的“孙子”，我感觉词义变了。
李:
世界上所有的语言的词汇，都有逻辑类。这是语言共性。但是形态语言 在逻辑类之上，经常使用形态变换，把逻辑类穿上不同的衣裳。穿得好的话，可以脱离场景做句法。例如 俄语，morphology 很大，句法就简单了。极端来说，别说 POS 标签，就是本质上是上下文结构决定的 role，也可以脱离上下文 在词上反映：宾格就是宾语 role。
王：
同意@wei 在同一个词义下给不同的POS标签，对于汉语这样缺乏形态的语言，是不合理的。
白:
填坑使用的不应该是逻辑类，应该是角色。比如“这本书的出版怎么没通知我”当中，“这本书的出版”填坑时就是N。“这本书出版怎么没通知我”当中，“这本书出版”填坑时就是S。
王：
这本书的出版----看作一个小句 ，小句也相当于名词作用。出版--作为一个事件出现
事件--->没通知我。
李:
填坑不外两点：
1. 句法上要的是什么形式（包括标签或子类，或直接量），这是输入条件；2. 语义上是什么 role，这是输出角色，是“理解”的形式化。不能混淆输入和输出。输入条件用逻辑类，没有问题。句法的工作，起点就是词典信息。逻辑类是词典信息的重要方面，是词典本体信息体系里面层级最高的那几个标签。
白:
但，“通知”的内容那个坑，就必须是个X，混儿。见人说人话见鬼说鬼话。
李:
“出版”的坑：
（1）第一个坑
输入条件：publication （本体链条属于逻辑名词）
输出角色：【受事】
（2）第二个坑：
输入条件：human_or_organization
输出角色：【施事】
这才是 “出版” 的真实面貌。至于语言应用中，上述类似 HowNet 定义出来的 subcat pattern， 应该如何松绑输入条件 来应对鲁棒与活用，那是另一层面的勾当。
王：
就是说，不能因为一个“的”字，把本来清晰骨架，垫走了样。
李:
“通知”的坑：
（1）
输入条件：thing_or_event
(这就是白老师所谓变色龙，其实本体链条上，不过是在逻辑n与逻辑v上，再抽象一个统辖的 n_or_v，thing 就是逻辑名词的通俗表述，event 就是逻辑动词的通俗表述）
输出角色：【content】
（2）第二个坑是施事【谁】
输入条件：human （具体语言还有格、词序、介词类的条件制约）
输出角色：【施事】
（3）第三个坑是对象【向谁】
输入条件：human （具体语言还有介词、格、词序类的条件制约）
输出角色：【对象】
回来总结一下：坑里面使用逻辑类或者逻辑类下辖的子类 甚至 直接量（等价于具体词义搭配）是天经地义的。至于这些条件的松绑，所谓 preference semantics 那是语言应用中的窍门。为了鲁棒必须松绑，松绑会一步步从具体逻辑子类，向高层的逻辑类去。
王：
同意李老师
李:
HowNet 是独立于语言设计的，它的最上层 top 节点 其实就是逻辑类，event 就是 v
thing 就是 n。其实还应该再往上走一步，thing_or_event，但反正有 OR 算符，所以走不走也无所谓了。
白:
可以看成一个lattice，and就低不就高，or就高不就低。
李:
HowNet 其实是两个东西在里面。第一个是本体，董老师对人类认知和常识体系的总结和设计。第二个是语言落地（汉语，英语，......）。这第二步是通过给汉语词汇标注 HowNet 本体标签的方式实现的。这时候的本体已经落地到具体语言了。
白:
修饰语隐含的被修饰语和真实的被修饰语做or
李:
PennTree 在英语NLP中已经很多缺陷，时代的局限，误导了很多人。
白:
总感觉HowNet不完全满足这个架构
李:
PennTree 的那一套标准用到汉语更是误导，不如直接用 HowNet 来作为标准。
白:
想都不要想，肯定不会用PennTree
李:
至于选取 HowNet 顶层或者中上层的哪些标签作为中文 POS 的任务，可以再议。POS 选得细了，就几乎等价于 WSD 任务了（事实上，白老师很多时候在讨论中就是把二者看成同一回事儿，道理很显然，WSD 说的是词义区分，词义的taxonomy 链条就是逻辑词类）。
王：
现在很多评测都是以宾州树库来做基准的。我也想过，就算那个F值即便很高，那么真实应用就是那么高的吗。
李:
HowNet 在语义领域可以独树一帜，能够站得住，相信也能够经受时间，其中原因之一，是由于董老师是中国人，讲的是“裸奔”的汉语。裸奔的汉语与逻辑最贴近，有自然的亲密关系。这对排除语言的干扰，从逻辑的高度审视语义，有天然的好处。如果要讲中国人对世界文明作出自己的独特贡献，HowNet 可以是一个代表。
王：
李老师对其他语义词典是如何评价？
李:
哪些？
王：
比如wordnet ,同义词词林
李:
早就不用 WordNet 了，麻烦比好处多。擦不完的屁股，以至于用了两年后，不得不全部推翻，宁肯自己零敲碎打，不完备，增量积累做语义标签，也不愿意陷入 WordNet 泥坑。
王：
主要是想说直接是树状，而非网状的这类
白:
标签体系必须是DAG
王：
分类体系做得不好，还是后期建设不好，比如冲突出现？
李:
其实 WordNet 是可以改造得好一点的 好用一点的，但只听说有人说改造，但没见到有人愿意坐冷板凳去真地改造它。
白:
标签体系的数学基础，一是type theory，一是lattice。lattice解决单类型的上下位问题，type解决复合类型的构造问题。
王：
上下位好理解，这复合类型就不好理解了，请白老师讲解
白:
@wei wang 带坑呗
王：
明白了，我还以为复合类型，穿插把不同上下位的分支。又结成了网
白:
上下位是为不带坑的type准备的，带坑的都是复合type。
王：
@白硕 带坑是一个词带n个坑，这几个坑是另外的词
白:
@wei wang 对的
王：
是否有的词，本身就自己萝卜和都带了，这样的词如何分类？比如一些成语
白:
标签也分层。微结构，比如“扫地”，合起来是一个坑，微结构又可析出一个萝卜一个坑。
李:
subcat 既是子类（atomic 的标签），也蕴含了潜在的结构pattern，说 vt 其实是说有这类动词子类 挖了个宾语的坑。
白:
地不扫，何以扫天下
王：
@白硕 那看成一个整体，仍在统一分类体系，
李:
HowNet 开始用的时候也有问题（有些问题与 WordNet 类似，没那么严重），给董老师反映过。问题的根源在 董老师需要一个逻辑完备自足的义元体系，为了这个自足和完备，标注的时候就务求细而全。
HowNet 中的一个个单字的标签特别丰富，特别细，把这个字（词素）各种可能语义都反映了，甚至包括只存在于 idiom或合成词 中的词义。这其实给使用带来很多噪音。我一开始是试图 删减。后来发现对于单字的标签，删不胜删，最后决定索性单字的标签不用。要用的自己临时增量式加入，宁肯 under labeling，不能 over
王：
@wei “后来发现对于单字的标签，删不胜删，最后决定索性单字的标签不用。”
单字，是义原的核心，就是不用单字最基本的，而直接使用信息能独立的，更有代表性？更便于处理？
李:
不好用啊。很多汉字 看上去不过一两个词义，结果里面标了五六个词义，仔细想 确实都存在。但是用起来就是眉毛胡子一把抓了。
王：
嗯，我觉得建造体系可以这样建，想怎么用就是应用来选了
李:
如果这五六个词义的确都是自由语素的词义，虽然统计上出现频率不同，但逻辑上这样标注没有问题。但有些词义从来不作为自由语素的语义出现，只存在于合成词中，那就没有理由标注了。这个问题，董老师后期版本有了 config，可以筛选。做了弥补。这个问题在 WordNet 中更严重。
王：
嗯，谢谢李老师，白老师的解答。时间不早，明天上班，我先拜拜。
李：
晚安 @wei wang
王：
晚安！真的我还没聊够的感觉，特别是，语义分到什么类别，很关键，对系统有很大影响，也深有体会
白:
据我的经验，先别说具体类别，先说长什么样，更容易把握。数学上什么样，计算机里什么样。实体、属性、关系、值，这是一个层面。事件是另一个层面。时间空间因果模态，又是一个层面。知网中很先知先觉地引入了“变关系、变属性、变状态”等事件子范畴，相当高明。真的很赞.
董:
讲一个真实的故事。1988年由日本发起的五国机器翻译项目正在进行。在一次饭桌上，日方的项目负责人内田裕士谈起该项目的语义研究落实问题是说："这个项目的语义研究，是不是请中方负责，具有中华文化背景的人对于语义有更高的敏感性。"
只是觉得只要由中方来负责，总归是好事情。我就表示同意了。可是对他的那句有关“中华文化背景”的断语，还真没有完全理解，但饭桌上也不适合讨论下去。后来时隔近20年，内田先生来北京，那次我们只是几个人一起吃饭。我问他：“你还记得20多年前，我们在讨论MMT的语义研究时，你说过一句话。你说'具有中华文化背景的人更适合做语义研究吗？我一直想问你你为什么会这么说呢？'”
他说的很简单："因为是你们有汉字"。那时候我已基本完成了HowNet的研究和开发。HowNet正是以汉字为理念依据的。前两天我跟李维讨论。说到洋人不懂汉语，跟他们讲深了他们不理解。
白:
这些要是落在知识图谱里，不得了。
【相关】
