20、子语言与受控语言：自然语言处理的新视角

子语言与受控语言：自然语言处理的新视角

1. 有限语义域中的计算语言学

自然语言处理（NLP）的许多应用聚焦于受限领域和反复出现的场景中的语言运用。以加拿大天气预报的机器翻译为例，自 1977 年蒙特利尔大学的英法翻译系统（TAUM - MÉTÉO）投入使用以来，每年的翻译量已超过 2000 万字，但其输入文本仅限于特定类型预报的词汇和电报式风格。同样，当文本生成系统局限于股市总结或经济数据调查领域时，能从数值数据库生成自然流畅的报告。

NLP 应用需要所涉及子语言的语法和词汇，并利用特定领域和场景中词汇相互使用的限制。接下来将介绍子语言的概念，提供自然出现的子语言示例，展示计算语言学家在设计和构建应用时可利用的特性。

2. 自然子语言的概念

语言可应用于多种符号系统，包括数学形式语言、计算机编程语言、动物交流系统和人类自然语言。子语言可指这些语言中具有系统“类语言”行为的表达式的真子集。这里关注的是在有限语义域中自发产生的特定人类语言用法，即自然子语言。

子语言的产生需满足两个前提条件：
- 一群说话者（即“专家”）共享关于受限语义域的专业知识。
- 专家们在反复出现的场景或高度相似的场景集下就受限领域进行交流。

当领域专家的话语（包括书面语）呈现出与整体语言不同的系统模式时，这些话语就属于子语言。子语言的系统模式包括：
- 句子语法中使用反映领域语义的独特词类。
- 表达领域和场景中陈述的可能话语集的一致性和完整性。
- 表达的经济性。

然而，这些定义的术语仍较模糊，且对于一个语言子集成为子语言所需的系统行为程度尚不明确。