4、自然语言处理：从语用学到书写系统与编码

自然语言处理：从语用学到书写系统与编码

1. 语用学基础

语用学中存在两种重要的信息类型：
- 交际寒暄类（Phatic） ：用于建立或关联通信渠道的信息，例如“Hello!”和闲聊内容。
- 指称类（Referential） ：传达与上下文相关信息的消息，像“It’s raining.”。

在实际交流中，多数言语行为往往是这几种因素的组合，而非单纯聚焦于某一个因素。

当处理文本数据集时，思考消息撰写的原因十分必要。这需要综合运用语用学、社会语言学和领域专业知识。即便无法随时咨询领域专家，我们也能对数据的语用和社会背景进行合理的解读。而且，在处理流程的早期就应考虑这些因素，因为它们会对后续的数据处理决策产生影响。

2. 书写系统的起源

书写在人类历史中是相对较新的发展，但人体似乎已经产生了相应的生理适应。当一个人具备读写能力时，大脑中专门负责字符识别的“字母盒”区域会被激活，且无论学习何种语言，“字母盒”在大脑中的位置大致相同。

书写系统在历史上似乎多次被发明。通常的模式是先创造出表意明确但可能与单词并不对应的符号，即象形文字，随后这些符号会逐渐演变和专业化。

以拉丁字母的起源为例，其发展历程曲折：
- 拉丁人借鉴了希腊字母，但古典时期存在多种希腊字母表。
- 希腊人又从腓尼基人那里借用字符，并创新了一些字母。
- 腓尼基人是居住在黎凡特海岸的迦南人部落，迦南人的书写系统基于简化后的埃及字符。
- 埃及文字是语标和语音符号的混合（类似于现代日语），迦南人采用了埃及