李:
这两天琢磨中文词的扩展中的交叉现象，很有意思：
1. 选择疑问句谓词（P）模式 【P 不 P】： 学不学; 能不能；好不好
2. 动补（V-Buyu）词的可能态模式 【V 得 B】：学得会；可能态否定式【V 不 B】：学不会
12交叉： 学不学得会 ？
回答是：学得会 / 学不会 （或者：能学会 / 不能学会）
上述两个扩展模式也可以倒过来交叉，于是我们有 21 交叉：
学好
--> 学得好； 学不好
--> 学得好不好？
回答是：
学得好，学得不好，而不是 学得好， 学不好
后一种交叉，实际上用的 更多的不是“得”而是“的”：
学的好不好？
谓语重心落在“好”上，而不是“学”上。这与前一种交叉不同。很有意思的现象。
白:
得字后面的补语，有定性定量之分。“接不接得住”可以，“接得住不住”不行；“打不打得倒”可以，“打得倒不倒”不行。所以“住”、“倒”是专司“定性”的，是一个二值的状态，没有程度之分。另一方面，“扎不扎得紧/扎得紧不紧”“拴不栓得牢/拴得牢不牢”都能说，但补语“紧、牢”对应的是一个连续度量，但又有一个预期的极化状态阈值。所以，面临可能补语与程度补语的句式竞争时，可能补语占优势。第三种情况是“长不长得高/长得高不高”，补语“高”并不见得一定是预期的极化状态，“高不高”只是一种关于程度的中性的疑问，这时，程度补语就反过来压制了可能补语。第一种，纯定性，只能是可能补语；第二种，强定性弱定量，可以是程度补语但是与可能补语紧耦合；第三种，弱定性强定量，程度补语与可能补语松耦合。
长不长得高，和长得高不高，完全两回事。
李:
长没长高
== 长高了没长高
== 长高了没有
但是： * 长没长得高
白:
长高，相对于自己；长得高，相对于平均水准。程度补语。
可能补语的“长得高”，对成年人是梦想，对小孩是废话，除非侏儒症。所以可能补语义微弱。否定形式“长不高”则信息量大。对小孩，形同诅咒。或者，是成人身份的一种变相认同。
“没”是现时的未然，程度补语无论肯定否定，都是现实的已然，语义上也不相谐。可能补语与“没”结合，参照时点一定移到了过去，如：“谈没谈得拢”。现时已经出结果了，只有过去某时点上这还属“潜在”。
所以，“学得好不好”本来是关于程度补语的疑问，到了“学没学得好”，就变成了关于可能补语的疑问了。
李:
分析得好 细致入理。
谈没谈得拢 只有天知道
谈不谈得拢 就看你本事了。
上次白老师说分词 （大意）：分词不仅是切 还要粘。至理名言。
句子就跟西瓜似的 可以拿着刀?来切；但字就跟珍珠似的 也可以拿串子来粘它、串它（concatenation）。结果都是 词，我们建筑语言大厦的砖瓦。这砖瓦必须有来路出身 有档案背景，因此目标也算是明确，即，所谓词应该是“词典的词”。词典就是档案 背景全部可在其中绑架，才能支持语言理解。
最有意思的是离合词，因为离合词不仅要串，而且还要跳着串。“谈不谈得拢”， 这个 5-gram，需要分词分出 “谈拢” 来 才算分词到家。
谈不谈得拢 == 谈得拢谈不拢 == 能谈拢不能谈拢 == 能谈拢 还是 不能谈拢
说到底 都是围绕着动补词 “谈拢”。 其他的小词（function words）或重叠（reduplication）手段，不过是给这个核心谓词语义添加语法意义而已： 诸如 疑问（选择问句）、时体、情态。
宋:
年满18岁，具有本地户籍，在本地居住满十年者
汉语的现象说明，词不一定是单向连续的短字符串，不一定边界清楚。非词语素和词的界限并不是绝对的。
李:
这个quasi-后缀“者”， 以前论过，它要求的是 VP，而不是 V。严格说不是 VP，而是 谓语 Pred。如果主语 NP 后面接谓语 VP 的话，那么总可以把主语去掉，加上这个“后缀”，来构成一个带有定语从句的 NP：VP者 == VP的人，这个 “的” 带的是定语从句 VP 。
当然实际语料的分布中，会发现 80%（？） 以上的“者”之前的 VP 其实就是一个 V ，所以把它当成英语的 -er （-or）一样看成是词的后缀，可能会带来一些便利，但必须留个 VP 的后门，来对付 定语从句的 VP 很长很复杂的状况。
宋:
手工业者
李:
“手工业者” 算是 另一个用法 看扩展性决定是细线条的规则 还是直接枚举入词典。
白:
者---N/S
关键是辖域、分配律。
李：
“者” 翻译成英语应该是 whoever+VP，不是简单成为 V-er 就可以顾全的。Whoever 是主语的形式，放在谓语前，与中文的结构关系类同，“者” 不过是放在谓语后而已:
年满18岁，具有本地户籍，在本地居住满十年者有资格报名。
--》
Whoever VP（年满18岁，具有本地户籍，在本地居住满十年） is qualified to sign on
白:
“子女不服管教者，配偶不在本地者”
不是主语，是领项，反填至N/N的残坑。
李:
fun，then，those who/whose
汉语的大主语（或 Topic 或“领项”）是一个中文里蛮独特的句法语用混杂的现象，对应英语的结构，错综复杂一些。
白:
其实从填坑角度看就是一个纯句法现象：一坨，有个坑，萝卜可填。至于这个坑怎么来的，最初长在谁身上，不重要。其实就是一个纯结构现象，无关语用。只要摆对解读结构的正确姿势，它就自然浮现。
李:
“子女不服管教”，这话听上去感觉不完整 虽然主谓齐全 因为有个坑没填萝卜：“【谁（的）】 子女不服管教？”
“心脏病不好治。”这话听上去感觉是完整的，虽然也可以问，【谁的】心脏病不好治？
白:
有隐含的logical quantifier
李:
“心脏病” 有坑没坑？还是说 这坑有强弱之别？
“子女”对 【human】 的坑，强过 “心脏病” 对 【human】 的坑，后者信息量也更大，更需要满足。
宋:
老王的子女不服管教。老王的子女不服管教者被老王打了一顿。
李:
这里，“老王的子女”是全集，“【其中】不服管教者”应该是个子集。
“子女都是不服管教的。” 这话就显得完整了: 因为全称小词“都”虽然 mod 的是 VP，但却作用于 NP“子女”，使得其坑显得没有必要填了，因为隐含的坑就是 “【所有人的】子女”，与 “心脏病” 同：“心脏病”的坑隐含的默认萝卜也是“所有人”。
老年人的心脏病不好治。
心脏病其实不难治，但老年人的心脏病除外。
上句的第一个分句，默认萝卜是 for all human；第二个分句 做了显式的限定，修改了默认值。
回到原问题：到底坑有没有必要区分强弱？
作为对照：及物动词肯定是有强弱的。有的必须要宾语（“善于”，“赢得”），有的最好有宾语（“喜欢”，“看见”），有的可有可无（“呼吸”,“诊断”），没有的话，大众心理就补足了一个默认值，从本体（ontology）来的默认: “呼吸【空气】”，“诊断【疾病】”。
白:
“心脏病不好治。心脏病不会治。心脏病不去治。” 谓语不同，对“心脏病”的坑有影响。第三个例子，最不完整。
李:
心脏病不去治，【你】不想活了？ == 【你】心脏病不去治，不想活了？
心脏病不去治，【你】治啥？== 【你】心脏病不去治，治啥？
第一个【你】应该是病人，第二个【你】可以是医生。第一个【你】直接填“心脏病”的坑。第二个【你】作为医生，与“心脏病”的坑没一毛钱关系。
白:
是。对举可以削弱“萝卜的坑”。本来有一毛钱的入账，又有了两毛钱的债务。结果欠了一毛钱。成了别人家的坑
李:
最近想，退一步才好进两步，可谓真理。一辈子能够退一步的时机不多，总是忙忙碌碌，随波逐流，人在江湖，身不由己。如果因缘巧合遇到了退一步的机会，那么一定要惜缘。追求完美，不留遗憾，其实是常态生活的奢侈，但也可以是退一步的境界和机会。
为什么退一步反而可以追求完美不留遗憾呢？因为在高歌猛进的人生中，没有时间喘息和反思，难有机会从根子上改造，肩负的是历史的负担。只有在退一步的时机，才有可能重起炉灶，把历史负担当成经验教训的积淀。虽然慢了一拍，但磨刀不误砍柴工，最终可以更加完满。历史上，苹果公司的操作系统就在乔布斯的指挥下重起炉灶大放异彩。可怜的微软就总没有这样的机会，补丁摞补丁过了一辈子。
胡乱感叹一哈。
量子力学有个测不准哲学，其实对于语言学很适用。语言作为交流的工具，宏观上的可理解性是没有问题的。但是，测不准原理表明：从本质上来讲语言学不能做出超越统计学范围的预测。语言理解系统无论怎样逼近，永远也不可能在微观上 capture everything。那天白老师给了一个很妙的例句，是：“马可波罗的海上旅行”，让通常认为非常坚固的 4-gram 词 “波罗的海” 被另一个 4-gram “马可波罗” 遮盖了。可以设想一个分词系统的第一版本是 assume 4-gram 词以上就是正确的（实践中，匹配上 tri-gram词就相当靠谱了，这可算是一个分词的经验公式 heuristic），可以 identify 词及其概念。但对于上例，这个系统从最左向右匹配，赶巧就对了；若从右向左走，就错了。
毛:
有道理。这个例子确实巧妙。
李:
咱们进一步扩大疆界来逼近真实，就算搞定了 6-gram “马可波罗/的/海" (Note: 前一篇李白对话【李白71：“上交所有不义之财！”】中说过，其实搞定 5-gram 就可以认为是搞定了汉语分词，因为 5-gram 几乎是 local context 的极限了），咱们这就突破这个极限看看......。我要说的是，我们总可以找到一个context，使得以前的任何分词（及其分析）无效。
“我的朋友生了个双胞胎，绰号很奇葩，先生出来的叫千里马，后出来的叫波罗的海。我告诉他绰号也是有讲究的，有的可有的断断不可。千里马可波罗的海不可！（Note： 千里马/可/波罗的海/不可）。”
“朋友问为什么，我说因为有个测不准原理。千里马本体毕竟是动物，与人不远，可用。波罗的海本体自然物体，无法联想到人，故不可用。”
“马可波罗”乍看何其强大，甚至大过“波罗的海”（毕竟里面藏了一个万能小词“的”，是它的硬伤），也逃不过测不准的限制。最后大胆假设一下，立委牌中文深度分析器（deep parser）神奇地利用 long distance 句法或 休眠唤醒机制 帮助突破 local context，搞定了“千里马/可/波罗的海/不可” 的分析理解，so what？总还是会有“测不准”在，譬如：
“我舰/日航千里/马可波罗/的/海/不可/阻挡。（或曰：固有波罗的海，哪里有什么马可波罗的海？曰：先生一叶障目，知其一不知其二。马可波罗的海，乃印度洋别称也。）”
牵强？然而场景合理，语句合法，概率不是0。
想一想测不准，咱们搞AI，搞NLP的，怪丧气的：系统完美，只在梦中。但反过来想，其实是对完美主义者的有益警示：追求系统的完美和静态高指标从来不（应该）是核心目标，领域化能力和动态指标才是系统打遍天下的硬通货。不要想完美的事儿，只是要问：给你领域大数据，你多快可以让系统进入角色，让它上线转起来服务业务，然后对于 bug reports 的反应和修复速度有多快，系统在使用中日臻完善，虽然永远不会完备。
所谓追求完美不留遗憾，正解应该是对于架构和formalism的近乎受虐的追求，为的是到用的时候，到领域化的时候，到修复 bugs 的时候，可以庖丁解牛游刃有余。
毛:
你这个事情的性质不属于测不准，而属于词法/句法的不完备。测不准是对每个粒子而言的，每个粒子的位置和速度都有测不准的问题。而你讲的这个情况，是说不管什么样的词法/句法都有对付不了的特例，这就是不完备的问题。
李:
资源的不完备（不可能完备），在我就是系统的测不准，貌似也就是原观测对象的不确定性。
白:
@毛 是进出不同层次没有违和感导致的。一个字当作一个字，和一个字当作语言中的词的部件，是处在不同层次的。人偏偏要搅和在一起玩。这样会闹出悖论的，不过，NLPer似乎并不关心。
【相关】
【李白71：“上交所有不义之财！”】
【立委科普：歧义parsing的休眠唤醒机制再探】
【语义计算：李白对话录系列】
《朝华午拾》总目录
