基于语素数据库的汉语语素及构词研究清华大学苑春法黄昌宁ＡｂｓｔｒａｃｔＭｏｒｐｈｅｍｅ ｉｓｔｈｅｓｍａｌｅｓｔｐｈｏｎｏｌｏｇｉｃａｌ－ｓｅｍａｎｔｉｃｕｎｉｔｉｎａｌａｎ ｇｕａｇｅ．ＳｉｎｃｅＣｈｉｎｅｓｅｄｉｆｅｒｓｉｎｓｅｖｅｒａｌｒｅｓｐｅｃｔｓｆｒ ｏｍｔｈｅＩｎｄｏ－Ｅｕｒｏｐｅａｎｌａｎｇｕａｇｅｓ，Ｃｈｉｎｅｓｅｍｏｒｐｈｅｍｅ ｓｄｅｓｅｒｖｅｓｐｅｃｉａｌａｔｅｎｔｉｏｎｉｎｔｈｅｓｔｕｄｙｏｆｔｈｅｌａｎｇｕ ａｇｅａｎｄｉｎｔｈｅＣｈｉｎｅｓｅｉｎ－ｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇｓｙｓ ｔｅｍｓ．ＴｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓｔｈｅＣｈｉｎｅｓｅｍｏｒｐｈｅｍｅｄ ａｔａｂａｎｋｆｏｕｎｄｅｄａｔＴｓｉｎｇｈｕａｗｉｔｈｔｈｅｓｕｐｐｏｒｔｏｆｔｈｅ ＮａｔｕｒａｌＳｃｉｅｎｃｅＦｕｎｄａｎｄｔｈｅｆｕｎｄａｍｅｎｔａｌｓｔｕｄｉｅｓｏ ｆＣｈｉｎｅｓｅｍｏｒｐｈｅｍｅｓａｎｄｗｏｒｄｆｏｒｍａｔｉｏｎｂａｓｅｄｏｎｔｈｉ ｓｄａｔａｂａｎｋ．一汉语语素数据库汉语语素数据库是清华大学在自然科学基金支持下建立的 一个大规模数据库（参考文献１）。它对覆盖６７６３个汉字的汉语语素及其所构二字词、三字词 及四字词（参考文献４）进行了穷举描述。在汉语语素数据库中共有汉语语素项１７４７０个，语 素１０４４２个，二字词７８２３０个，三字词６７００个，四字词１４２００个。整个数据库共 有１１６６００条记录。二字词一般有两个语素构成，所以二字词数据库中存在着一些冗余信息。 例如“定”这个语素项可以组词为“定单”，而“单”这个语素项也可以组词为“定单”，二者分 别形成２条记录。为了研究方便，我们可以把两条记录合并为一，三字词及四字词也有类似的情况 。经过合并处理之后，二字词有４５９６０条记录，三字词有３９３０条记录，四字词有４８２０ 条记录。在汉语语素数据库中，一个语素的一个义项（即语素项）构成一个独立的记录。定义１： 语素是音义结合的最小语言单位。凡读音和意义完全相同而字形不同的，原则上作为一个语素。读 音和意义中有一个不相同的，原则上作为两个语素。定义２：语素项是指一个语素的一个义项（本 义、引申义或比喻义）（参考文献１）。在汉语语素数据库中对汉语语素的特性主要进行了如下描 写：释义：是指该语素在该义项下（语素项）的意义（参考文献４）。类别：是指语素的类别（素 类），主要参照意义对汉语语素进行的分类。成词：是指该语素项在短语或句子中能独立成词。不 成词：是指该语素项在短语或句子中不能独立成词，而只能作为构词成分。半成词：是指该语素项 有时在短语或句子中能独立成词，有时则不能。即一般该语素项不能独立成词，但在这样或那样的 条件下可以独立成词不定位：是指该语素项在其所构词中的位置不固定，可前、可后、可中。前位 （后位或中位），是指该语素项在其所构词中的位置是前位（后位或中位）。语素所构词的描述， 主要有词形、读音、词类、
构词方式、类序、多义及字义组合等。构词方式：是指语素以主谓、偏 正、联合、述宾，述补等结构形式组成为词。类序：是指由语素项所构词中各语素项素类的序列。 如“打球”，其类序为ｖｎ。多义：是指某词是否有多义。这里的多义是指词形、词类、构词方式 和字义组合均相同的情况下仍存在一个以上的义项。字义组合：用来描写词义与组词各语素项意义 间的关系。如果词义是由组词各语素项意义组合而成的（如“恳求”），则此栏填“２”；如果不 是（如“买东西”的“东西”），则填“０”；如果介乎二者之间（如“火腿”、“大学”），则 填“１”。二汉语语素的分布经初步统计，覆盖６７６３个常用汉字的语素项共有１７４７０个。 语素项归并为语素有１０４４２个。其中单字语素有９７１２个，占总数的９３．０％；二字及二 字以上的语素为７３０个，占总数的７．０％。由此可见单字语素占汉语语素的绝大多数。这部分 语素是汉语构词中的活跃因素，二字及二字以上语素一般很少再组新词。在单字语素中还有１９５ ９个０义项语素，这些０义项语素一般和其它语素构成的词是属于固定用法或典故，即不归入任何 一个义项而单独列出的词（参考文献４）。难以确定这些语素在组词中的作用，难以断定它的构词 方式。这类０义项语素组成的词是汉语文化的历史产物。例如：０义项语素“瓦０”构词为“瓦全 ”、“弄瓦”等；０义项语素“外０”构词为“员外”等。这些０义项语素对于我们研究汉语的构 词规律，难以起到什么作用。去掉这些语素后汉语的单字语素还有７７５３个。我们认为，研究这 ７７５３个语素对于揭示汉语的构词规律有直接的意义，因而我们称这些语素为基本语素。基本语 素的素类分布如下表所示：素项名词性动词性形容词性副词性介词性代词性连词性叹词性助词性象 声词性数词性量词性其它共计数量３６１２２４３３９８２１５２２６６１２７３８２８６７４５ １５７１２５７７５３百分比４６．７３１．４１２．７２．０．３．８．３．５．４．９．６２ ．０１．６１００．由以上可见，名词性语素最多，占４６．７％，其次是动词性语素，占３１． ４％，形容词语素占１２．７％，三类合计占总数的８９．８％。在复合二字词中名词最多，占５ １％，其次是动词，占３６．４％，形容词占７．６％，三类合计占９５％（参考文献３）。基本 语素的素类分布和复合二字词词类的分布大致相似，其原因留待下文来解释。对７７５３个语素是 否可以单独成词情况及成词时的位置情况统计如下：位置任意前位后位待界定总计成词２４０７（ ３１．１）１５０（１．９）６７（０．９）２５４（３．３）２８７８（３７．１）不成词１７ ３５（２２．４）８４１（１０．８）５８２（７．５）１３７（１．８）３２９５（４２．５半 成词２０３（２．６）１７１（２．２）３７（０．５）２１（０．３）４３２（５．６）待界定 １４（０．２）４（＊）３（＊）１１２７（１４．５）１１４８（１４．８）总计４３５９（５ ６．２）１１６６（１５．０）６８９（８．９）１５３９（１９．９）（注：“待界定”是指工 作人员在填写和校对工作单时对语素的某一特性难以确认，留待讨论决定。目前该项暂空缺；在括 号内的数字表示百分比，如（３１．０）表示（３１．０％）；（＊）表示小于百分之零点一。） 从上表可看出，在汉语中能单独成词且在成词时位置任意的占大多数，共２４０７个，占总数的３ １．０％，其次是不能单独成词且在成词时位置任意的共１７３５个，占总数的２２．４％。总之 ，汉语语素在成词时位置任意的占大多数。如前所述，语素在成词时位置大多数是任意的。但仍有 １１６６个语素在成词时处于前位，占总数的１５．０％，有６８９个语素在成词时处于后位，占 总数的８．９％。这些语素分布如下：名词性动词性形容词性介词性其它处于前位３８４（５．０ ）４５２（５．５）２２９（２．３）１３（０．２）１１５（１．５）处于后位４４２（５．７ ）１２９（１．７）６２（０．８）１（＊）５５（０．７）通过对语素的上述统计分析，我们可 以初步得到这样的结论，汉语语素素类的分布和汉语二字词词类的分布基本类似。
名词性语素、动 词性语素、形容词性语素占绝大多数。大多数汉语语素在成词时位置是任意的。表一构词方式名词 动词形容词体素联合２０５８５１０谓素联合２９９４２５２２０４６定中偏正１７７５２０１６ ４状中偏正２４２３６４７４６０述补１１９２７２５量补３４００述宾２９０７１３４１６５主 谓７４２４３９３述介０２３４前缀３８５０后缀７７６１１５１２６重叠５４１３１２６简称２ ９１３０数词缩语８００固定词组２３０３８４１未注标记１２１１７２１６合计２２０１６１５ ６６６３２７６三汉语中二字复合词的结构在汉语语素数据库中，由语素构成的二字词共计有４３ ０９７个，其中名词有２２０１６个，占５１．１％，动词有１５６６６个，占３６．４％；形容 词有３２７６个，占７．６％；三类词合起来占总二字词的９５％，也就是说占了绝大部分。研究 这三类词的构词规律有着决定性的意义。３．１复合词的构词方式统计复合词的结构基本上和词组 、短语、句子的结构一样，也存在着主谓、偏正、联合、述宾，述补等结构。对名词，动词，形容 词构词方式的统计结果如表一所示，从中可以看出以三个明显特征：（１）名词的构词方式以体素 联合和定中偏正为主，其中定中偏正占８０．６％，体素联合占９．３％。二者共约占名词二字词 总量的９０％。（２）动词以述宾、谓素联合和状中偏正三种构词方式为主，它们各占３９．７％ 、２７．０％、２３．３％。共占动词二字词总量的９０％。（３）形容词以谓素联合为主，占形 容词二字词总量的６２．５％。３．２复合词的构词类序统计在现代汉语中，“词根＋词根”的复 合式合成词在整个词汇系统中占有很大的比重。汉语没有形态变化，名、动、形容词性语素交错排 列，组成各种类型。可以构成“名＋动”，“动＋名”，“名＋形”，“形＋名”，“动＋形”， “形＋动”，“名＋名”，“动＋动”，“形＋形”共９种素性排列类型。表二给出了二字词的构 词类序统计。从表二可以看出：表二类序名词动词形容词名＋动２５５６３１２０名＋形９０２０ １６０名＋名１２５８３８３２动＋名２５５９５３３８１１２动＋形２３５８４７０动＋动２１ ８７０１０６０形＋名４６３０４３１２９形＋动９３１１２７１２７形＋形１５１３４２２０５ 其它类序总合１４１４８７１３６１总计２２０１６１５６６６３２７６（１）名词中绝大多数都 是由名词性的语素参与构成，而且这些名词性的语素多数位于后面。例如“名＋名”占５７．２％，“形＋名”占２１％和“动＋名”占１１．６％。（２）复合动词绝大多数都是由表示动作行为的动词性语素参与构成的，而且多数动词都是由动词性语素按“动＋动”（占４４．７％），“动＋名”（占３４．１％）和“形＋动”（占７．２％）构成。词中的第一个语素是动词性的占多数
More summaries about the 基于语素数据库的汉语语素及构词研究