中國民族語言工程研究新進(jìn)展

　　該論文集匯集了實驗室最新的一些研究成果，一定程度上反映了該室的研究方向和研究范圍，涉及語言處理、語音分析和語言應(yīng)用三個方面，所以書稿分三大部分編排。作為首次出版的實驗室論文集，作者特別編輯了近年發(fā)表的主要論文目錄作為附錄，以方便讀者進(jìn)行學(xué)術(shù)交流。本書前言回顧起來，語音學(xué)與計算語言學(xué)重點實驗室迄今已走過了整整20個年頭。初創(chuàng)當(dāng)時，機房已經(jīng)有了一些先進(jìn)裝備，除了一臺身軀龐大的國外小型計算機和一大堆打孔卡片之外，還有一套配備臺式計算機的語音分析設(shè)備（語圖儀）。正是在這些設(shè)備的支持下，研究室的科研人員同心協(xié)力、默默耕耘，歷經(jīng)從小到大、成果積累的漫長階段，鑄就了兩個學(xué)科的成長，形成了今天中國語言學(xué)界頗具影響力的民族學(xué)與人類學(xué)研究所實驗語音學(xué)學(xué)科和計算語言學(xué)學(xué)科。在學(xué)術(shù)發(fā)展的道路上，實驗室的兩個學(xué)科都經(jīng)歷了從描寫到理論分析乃至社會應(yīng)用的過程。實驗語音學(xué)初期的目標(biāo)是關(guān)于中國民族語言的語音基本要素分析，解決民族語言學(xué)界對各種民族語言語音的定性描述，包括音高或聲調(diào)，聲母和韻母，如鮑懷翹教授等發(fā)表《佤語濁送氣聲學(xué)特征分析》（1990），《蒙古語察哈爾話元音松緊的聲學(xué)分析》（1992），《藏語元音聲學(xué)分析》（1995）；孔江平教授發(fā)表《道孚藏語雙擦音聲母的聲學(xué)分析》（1991），《紫云苗語五平調(diào)系統(tǒng)的聲學(xué)及感知研究》（1992），《苗語濁送氣的聲學(xué)研究》（1993）；江荻教授的《論藏語聲調(diào)高低分化的嗓音機制》（1998）等。這些研究不僅積極支持了民族語言學(xué)界深入開展描寫和語言歷史的研究，而且還為本學(xué)科的深度發(fā)展鋪墊了基礎(chǔ)。進(jìn)一步的發(fā)展則開辟了兩個新的研究領(lǐng)域，一是注重建立各個少數(shù)民族語言的聲學(xué)參數(shù)數(shù)據(jù)庫，二是開展嗓音基礎(chǔ)理論研究。經(jīng)過多年積累，研究室已建立了藏語拉薩話的語音聲學(xué)參數(shù)數(shù)據(jù)庫、哈薩克語語音聲學(xué)參數(shù)數(shù)據(jù)庫、蒙古語聲學(xué)參數(shù)數(shù)據(jù)庫，這一系列中國民族語言語音聲學(xué)參數(shù)數(shù)據(jù)庫的建立和研究極大地推動了我國民族語言語音學(xué)研究水平，為民族語言語音研究開創(chuàng)了一個嶄新的局面。嗓音研究方面，孔江平教授承擔(dān)了自然科學(xué)基金和院重點基金多項嗓音聲學(xué)課題，錄制了多種民族語言的語音數(shù)據(jù)，發(fā)表多篇研究論文，例如《漢語普通話嗓音特征相關(guān)分析》，《哈尼語發(fā)聲類型聲學(xué)研究及音質(zhì)概念的討論》，《漢語普通話嗓音抖動及波動的聲學(xué)研究》，《漢語雙音節(jié)調(diào)位的矢量量化（VQ）》研究等等。近年，實驗室還開展了動態(tài)腭位的研究，如鮑懷翹、鄭玉玲《普通話動態(tài)腭位圖數(shù)據(jù)統(tǒng)計分析初探》，以及普通話塞音、塞擦音成阻持阻時程的統(tǒng)計分析等等。計算語言學(xué)方面，實驗室從基本語料開始著手，首先構(gòu)筑學(xué)科建設(shè)的基礎(chǔ)，所謂兵馬未動糧草先行。第一步是研制出面向藏語文本處理的大型電子機載詞典和一定數(shù)量的標(biāo)注文本語料，這項研究有力地推動了學(xué)科的發(fā)展。通過對靜態(tài)和動態(tài)藏語語料的統(tǒng)計研究，摸清了藏語文本的基本句法和信息特征，發(fā)表了《藏語計算機統(tǒng)計用語料抽樣文本的遴選》（1999）、《書面藏語的熵值及相關(guān)問題》（1998），以及《藏文的音韻結(jié)構(gòu)及頻度現(xiàn)象》（1998）等多篇論文，為下一步工作鋪好了前進(jìn)的道路。其次，開展了藏語文本語料庫的特征分析，提出了藏語文本詞根歸一化方法，設(shè)計了第一個藏語分詞基本規(guī)則以及依據(jù)句類自動分句的原則。期間還發(fā)表了《語篇索引技術(shù)在藏文文本中的應(yīng)用》（1999）、《藏語拉薩話現(xiàn)在時的標(biāo)記及功能》（1999）、《藏語計算機自動分詞的基本規(guī)則》（2000）等論文。近年，計算語言學(xué)科開始構(gòu)筑較全面的藏語信息處理的基本平臺和工具，包括藏語的排序、檢索，句法屬性標(biāo)注集，組塊分詞方法以及最迫切的面向機器處理的句法本體系統(tǒng)研究。這個時期所發(fā)表的論文體現(xiàn)出學(xué)科開始走向成熟的趨勢，研究內(nèi)容逐步深化。如《現(xiàn)代藏語的句法組塊與形式標(biāo)記》（2003）、《現(xiàn)代藏語謂語動詞的識別與信息提取》（2003）、《書面藏語排序的數(shù)學(xué)模型及算法》（2004）等等。這些研究無論從國外研究狀況還是從國內(nèi)研究進(jìn)展來看，都處在藏語文研究的前沿，也標(biāo)志著當(dāng)代藏語計算語言學(xué)和語料庫語言學(xué)的發(fā)展趨勢。而最近我們開始構(gòu)建的面向文本處理以及機器翻譯的藏漢雙語語法信息詞典則表現(xiàn)出本學(xué)科未來的進(jìn)程和發(fā)展方向。除了以上兩個主要學(xué)科之外，實驗室研究人員利用信息技術(shù)手段積極參與民族語言的應(yīng)用研究。如鄭玉玲副教授主持開展了“藏緬語語料庫與比較研究的計量描寫”課題，發(fā)表《計算機進(jìn)行藏緬語相關(guān)分析嘗試》等多篇論文。而在民族語言類型學(xué)研究方面，江荻教授協(xié)助語言類型學(xué)課題組采用語料庫語言學(xué)的方法進(jìn)行文本處理，完成了機器抽取詞語單位、自動生成文本詞表、以及對文本進(jìn)行詞法、句法、語義屬性標(biāo)注，有力地配合了該項目的順利進(jìn)行。另一項頗具影響的應(yīng)用是我所與香港科技大學(xué)合作研制出的“漢藏語同源詞研究計算機檢索系統(tǒng)”（2002），該系統(tǒng)共收集國內(nèi)外最重要的語言或方言130余個。其中包括漢語方言、中上古漢語以及南島語構(gòu)擬以及藏緬語、苗瑤語、壯侗語、南亞語、南島語等多種代表性語言或方言。除此之外，系統(tǒng)中還裝入了漢語與民族語言對照詞典十余部。至于檢索方法更是多種多樣，漢語檢索、英語檢索、民族語言檢索，還可以采用語義類別檢索、組合檢索等等。其他應(yīng)用方面，實驗室近年還初步開發(fā)了“語言地理信息系統(tǒng)”（2003）、“藏文文本掃描識別系統(tǒng)”（2004）以及“中國民族語言研究論文文摘數(shù)據(jù)庫”（2000）和“《元朝秘史》全文檢索系統(tǒng)”等多個項目。按照重點實驗室的五年計劃和十年規(guī)劃，實驗室還將開展一系列可持續(xù)發(fā)展的研究項目。如中國語言的動態(tài)腭位分析和韻律分析，民族語言的聲學(xué)參數(shù)數(shù)據(jù)庫，建立部分民族語言的語音圖譜檔案。計算語言學(xué)方面，將在已有研究基礎(chǔ)上邁進(jìn)更深層次的研究項目，包括面向機器處理的現(xiàn)代藏語句法規(guī)則研究，藏語機器自動處理研究的平臺和工具研制?，F(xiàn)代藏一漢一英多語機器自動翻譯系統(tǒng)，以及更基礎(chǔ)性的機載藏語語法信息電子詞典和現(xiàn)代藏語本體知識體系研究。而在語言應(yīng)用研究方面，實驗室希望通過中國民族語言資源聯(lián)盟的建設(shè)項目，聯(lián)合國內(nèi)研究機構(gòu)和高校對我國民族語言資源進(jìn)行全面匯總，建立技術(shù)開發(fā)和支持平臺，該項目的實施將使我國形成最具完整性、系統(tǒng)性、規(guī)范性和權(quán)威性的中國民族語言國際性資源基地。并可與國際“語言資源聯(lián)盟”以及國內(nèi)“漢語資源聯(lián)盟”全面鏈接。在20年的創(chuàng)業(yè)發(fā)展過程中，實驗室相繼培養(yǎng)了一批批出色的科研人才。曹雨生教授積極為年輕人創(chuàng)造研究機遇，爭取項目，開展學(xué)術(shù)交流，使實驗室呈現(xiàn)朝氣蓬勃的發(fā)展局面?，F(xiàn)任國際語音學(xué)會理事的鮑懷翹教授退休后仍一直活躍在語音學(xué)界，有力地帶動了實驗室的語音研究工作。沈米遐工程師嚴(yán)謹(jǐn)?shù)墓ぷ髯黠L(fēng)和寬厚的為人理念可以說是實驗室團(tuán)隊前進(jìn)的粘合劑。陳嘉猷副教授是實驗室資源和設(shè)備的總管，多年來不曾出過毫厘差遲，而這股韌勁在研究上也表現(xiàn)出特有的認(rèn)真，保證了實驗數(shù)據(jù)的準(zhǔn)確和可靠。鄭玉玲副教授可以說是科研上的多面手，她開發(fā)研制的藏緬語數(shù)據(jù)庫曾榮獲國家科技優(yōu)秀成果獎，而今她進(jìn)一步在語音韻律和腭位分析方面努力，始終保持學(xué)術(shù)研究的進(jìn)取精神?？捉浇淌陂L期致力于研究我國語言的嗓音聲學(xué)分析項目，他用高速攝影技術(shù)采集的動態(tài)聲帶振動影像令學(xué)界嘆為觀止，而他所構(gòu)建的中國語音嗓音分析方法將深刻影響未來中國語音研究的方向。江荻教授特別執(zhí)著于藏語的計算處理，從最基礎(chǔ)項目做起，逐步構(gòu)建出藏語自然語言處理的基本平臺、操作框架和理論。這本論文集匯集了實驗室最新的一些研究成果，一定程度上反映了我們的科研動向和研究范圍。其中還有我院研究生院研究生或高校交流研究生的創(chuàng)作。論文涉及的范圍正如實驗室的科研方向，包括了計算、語音和應(yīng)用三個方面，因此分三個部分編排。作為首次出版的實驗室論文集，我們特別編輯了近年來我們發(fā)表的主要論文目錄作為附錄，以方便今后的學(xué)術(shù)交流。在這本論文集出版之際，我們要感謝中國社會科學(xué)院科研局的支持和資助，感謝研究所領(lǐng)導(dǎo)的幫助，郝時遠(yuǎn)所長自始至終關(guān)心和督促論文的匯集和編輯，親自幫助聯(lián)系出版事宜，撰寫序言。黃行副所長不僅參與課題研究，還幫助協(xié)調(diào)實驗室科研計劃、積極推動研究室的工作。當(dāng)然我們還要感謝關(guān)心和幫助發(fā)展民族語言自然語言處理的各界專家、朋友，以及國家相關(guān)機構(gòu)的政府官員，特別是國家自然科學(xué)基金委的資助，正是在他們的支持下，我們的學(xué)科才能健康發(fā)展。這本論文集可以看作我們對社會、對學(xué)界的回報。我們真心希望大家繼續(xù)支持我們，在中國民族語言文字研究領(lǐng)域，大家的支持永遠(yuǎn)是我們可以倚重和信賴的力量。2004年于北京金秋十月

　　江荻，博士，中國社會科學(xué)院民族學(xué)與人類學(xué)研究所研究員，中國社會科學(xué)院研究生院教授，博士生導(dǎo)師，曾主持國家社科基金項目“藏語大規(guī)模真實文本語料庫研究”、國家自然科學(xué)基金項目“基于詞典與規(guī)則的藏語分詞系統(tǒng)研究”和“面向信息處理的現(xiàn)代藏語語法屬性庫研究”等課題，并設(shè)計開發(fā)“漢藏語同源詞計算機檢索系統(tǒng)”和“《蒙古秘史》全文電子檢索系統(tǒng)”等多項應(yīng)用軟件。論著曾獲李方桂、徐櫻獎學(xué)金（語言學(xué)）一等獎和王力語言學(xué)獎一等獎。主要研究方向為計算語言學(xué)、現(xiàn)代藏語語法、漢藏語理論。孫江平，博士，中國社會科學(xué)院民族學(xué)與人類學(xué)研究所研究員。中國中文信息學(xué)會理事，中國中文信息學(xué)會語音信息專業(yè)委員會副主任。曾主持中華社會科學(xué)基金九五規(guī)劃重點項目“中國民族語言嗓音發(fā)聲類型研究”、國家自然科學(xué)基金項目“中國語言嗓音發(fā)專用類型聲學(xué)研究”和“漢語普通話嗓音發(fā)聲類型怕學(xué)研究”和“漢語普通話嗓單聲學(xué)研究”等項目。研究興趣和領(lǐng)域；語言發(fā)聲類型、著有專著《論語言發(fā)聲》。