C02. 中文的词

本章主要关注中文文本的形态处理，包括与之相关的语言单元的素和词。

2.1 引言

基本问题

• 中文里的词是怎样表示的？
• 中文里的词是怎样构成的？
• 中文里的词是怎样识别的？

中文构词法多以形态合成法为主，并且辅以相对较少的词缀；同时，中文构词还采用了叠词形式

2.2 字、语素和词

2.2.1 字

汉字只有少部分是象形字，90%以上的都是形声字

• 象形字
• 表意字：直接表示意义
  • 指示字：「上」、「下」、「一」、「二」、「三」
  • 会意字：「仁」、「信」
• 形声字：由表示读音的一个声旁和一个形旁组成。形旁只表示这个字的大概含义，用以区分它的同音异形异义字，而不是准确地指出字的含义，例如：「请」、「情」、「清」、「晴」

中文是形态音节型的文字，即每个字都是一个单音节，也是最小语义承载单位——语素。(德范克，1984，美国)

2.2.2 语素

语素是最基本的形态单元和最小的语义单位。语素可以用来构成词，但是不能再被分解为更小的并且仍然具有意义的单位。

中文语素往往是单音节的，每个语素/音节写为一个汉字。虽然一个音节、一个语素对应一个汉字属于一般情况，然而还有一些特例：多个音节组成的语素(「葡萄」、「菩萨」、「马虎」、「马达」、「咖啡」、「萨其马」、「巧克力」等)，这些例外是借自其他语言的外来词，原始的中文词大部分遵循「音节-语素-汉字」的对应关系

2.2.3 词

词依据分布约束性和词义完整性来实现形态学单元的独立性

• 分布约束性：一个词可以单独地出现(如单个词构成的句子)，而语素不能
  • 能够单独出现的语素，其必定也是个词
  • 不能单独出现的语素，其必定是个粘着语素，必须与其他语素结合才能成词
    • 语法语素：「的」、「地」、「得」、「了」、「着」、「过」等等
    • 实义语素：「行」、「饮」等等
• 词义完整性：很难从组成词的语素中推测出词的含义
  • 「黑板」中的「黑」
  • 「大人」中的「大」
  • 「小人」中的「小」

中文词多使用双音节词

• 包含同义语素的双音节复合词，多余的音节或者语素并没有改变词义
  • 例如：「保护」、「购买」、「销售」
• 存在双音节的缩略词
  • 例如：「北京大学」的「北大」
• 单音节的地名+范畴的标记
  • 例如：「法国」、「英国」、「通县」
• 双音节的地点(不加范畴标记)
  • 例如：「日本」、「印度」、「大兴」
• 双音节姓名
  • 双音节姓名，直接称呼，例如：「王源」、「宁静」
  • 三音节姓名，直呼名字，例如：「岳云鹏」叫「鹏鹏」、「郭德纲」叫「纲纲」
  • 单音节姓，加上前缀，例如：「老李」、「小王」
  • 双音节姓，不加前缀，例如：「欧阳」、「端木」

2.3 词的构成

单纯词：由一个词根语素组成。例如：「人」、「手」、「车」、「坦克」、「枇杷」

合成词：由两个以上的语素构成。

• 派生词：在词根语素意义的基础上派生出来的
  • 例如：「阿妈」、「读者」、「石头」
• 复合词：完全由几个词和语素按照一定的规则构成的，语义由两个语素的意义复合构成的
  • 例如：「病人」、「山川」

2.3.1 双音节复合词

根据语素之间的结构关系进行分类

• 复合名词：53%的双音节复合词都是复合名词，这类词在名词之前有描述性的修饰词，但是整个词的意义与这个修饰部分不同
  • 例如：「小人」、「热心」、「打手」、「去年」、「爱人」
• 复合动词：这类词在动词之前有修饰部分，对动作进行更加精确的限定
  • 例如：「寄生」、「飞驰」、「杂居」、「单恋」
• 并列复合词：复合词中的两个语素在功能上等同，这样的词占所有双语素复合词的27%
  • 同义复合词：两个语素有相同或者相近的含义
    • 例如：「报告」、「声音」、「奇怪」、「购买」、「刚才」
  • 反义复合词：两个语素有相反的含义，词性也可能不同
    • 例如：「买卖」、「左右」、「大小」、「开关」、「轻重」
• 动宾复合词：在动词性语素后面加上宾语语素，这样的词占所有双语素复合词的13%，即可以作为动词也可以作为名词
  • 动词性的双音节动宾复合词
    • 例如：「放心」、「鼓掌」、「动员」
  • 名词性的双音节动宾复合词
    • 例如：「司机」、「主席」、「干事」、「司仪」
• 动补复合词：在动词性语素后面跟有补语(动词结果补语)，表示动作过程的方向或者结果
  • 含有方向补语的复合词
    • 例如：「进来」、「进去」、「介入」、「超出」
  • 动词结果短语复合词
    • 例如：「改良」、「打破」、「推翻」、「听见」、「煮熟」
• 主谓复合词：语素间的语义关系类似于句子中的主语和谓语(动词或者形容词)
  • 例如：「地震」、「心疼」、「民主」、「胆小」、「年轻」
• 名词——量词补语复合词：语素关系并不是常见语法关系，名词后跟一个量词补语，表示名词所属事物的总体
  • 例如：「人口」、「羊群」、「书本」、「花朵」、「枪支」、「车辆」

2.3.2 三音节复合词

在三个语素之中，前两个或者后两个语素会有更加紧密的联系

• 左分支结构：前两个语素联系紧密，即[AB]C形式
• 右分支结构：后两个语素联系紧密，即A[BC]形式

三音节复合词分类

• 修饰词——名词：占所有三音节复合词的 75%
  • 例如：「[情人]节」、「[小说]家」、「[大学]生」
• 动宾复合词
  • 例如：「开[玩笑]」、「吹[牛皮]」、「吃[豆腐]」
• 主谓宾复合词
  • 例如：「胆[结石]」、「鬼[划符]」
• 描述性修饰+名词式复合词：名词之前加上叠词或者拟声的两个音节
  • 例如：「[棒棒]糖」、「[乒乓]球」、「[呼啦]圈」