从汉语切分的角度看名词的定名

全国科学技术名词审定委员会给Internet起了一个中文名字——因特网，其他学科的规范名词也在不断公布、陆续完善。我们从事汉语自然语言处理工作的感到由衷的高兴。在信息技术迅速发展的今天，名词统一将使中文信息处理直接受益，这点显而易见。但从汉语切分的角度，我们感到专有名词的定名有一个原则性的问题值得探讨，并引起注意。词是构成句子的基本单位，也是表达概念的基本单元。汉语信息处理，第一步就是要切分出词，也就是要把句子中相对独立的概念分离出来。从汉英翻译的角度来看，把句子正确切分成词是正确翻译的前提。英语是以空格将词与词分隔开来，汉语词与词之间则没有分隔符。对应于英文单词的是汉语的词，而不是字(单字词例外)，如“学生”对应于“student”，“杀害”对应于“kill”。如下列句子：天气预报说明天下雨。这时计算机可能有两种切分方式：(1)天气 预报 说明 天下 雨。(2)天气 预报 说 明天 下雨。显然，正确的切分应该选(2)。为了有利于切分正确，专有名词应该尽可能回避使用有独立意义的常用字(如下文中的“里”)，及构词能力较强的常用字(如下文中的“因”，“混”)，尽量选用一些构词能力不太活跃或使用频率较低的字，以利于体现专有之意。例如： 我喜欢在大海里游泳。因为计算机词库里有“海里”这个词，于是可能产生错误切分：大 海里。再如，“混沌”(Chaos)是当今很活跃的理论。但若有这样的句子：他是搞混沌的。则机器就会面临两难境地：(1)他 是 搞混 沌 的。(2)他 是 搞 混沌的。“混”这个字可以跟在一个动词后面组成一个动补结构的词，如“搞混”，“弄混”等。或许定名为“浑沌”更好些，因为“浑”的构词能力比“混”弱些。同样，因特网的“因”字也是属于能够独立使用的比较常见的字，能组成原因、起因、成因、内因、外因、因素、因式等许多常用词。不如当初选用“莱茵河”的“茵”字更佳。人名的命名也是如此。回避常用词是应该注意的问题之一。例如某人叫“李国庆”。当遇到李国庆出差了。计算机一定会翻译为Li went on business on the National Day。再例如报载有一位名叫“许多”的曲艺家最近刚刚去世。报纸报道许多同志是黑龙江省白城市人。这样带来的问题不仅计算机处理起来很困难，即使是人来区分，也易造成误解。当然，切分问题是语言信息处理的一大难点，不应该只靠名词术语定名时回避常见字完全解决。况且，名词命名有多种因素需要权衡考虑，不能只考虑有利于汉语信息处理这一点。但如果人们定名时有意识地注意这个问题的存在，并尽可能加以避免，就能减轻一些现代语言信息处理的困难。一词一义，专词专用，尽量减少歧义性，无疑能使人们思维更加清晰，交流起来更加便利。

Viewing the Denomination of Terms from the Angle of Chinese Sentence Segmentation