【转载】罗海清：EPC 汉语

Echinese

EPC    汉语

□这是一篇关于汉语能够创造奇迹的真实故事。它不是幻想，有详细的方法原理说明；也不仅是理论，有数万字的应用样品可查验。

□然而，故事中的拼音词(PC)属高浓汉语信息。您可能要先读它的故事：《高浓汉语信息》探秘。否则，本故事您将会读不出味道来。

                 EPC汉语走出汉语词的困境

                     湖南大学 人文科学系 罗海清

                   一, 什么是EPC汉语?

    EPC汉语用拼音词(PC)加上意标(E), 构成多层面立体结构的汉语句子, 然后通过情报语言学的主题词思想, 找出全句最核心最关键的词语移到句首, 于是, 这样的句子就变成了知识表达式; 我们将成千上万个这样的句子组织成句典, 并将它们所表达的知识, 或对应的外语句子标记在后面, 那么, 任何一句汉语意思, 只要按字母或数字序, 从它的主题词切入,并顺着EPC结构逐层深入,  即可查到它蕴涵的知识, 或任一种与之相对应的外国语句子. EPC汉语的定位,  从知识管理工程来看, 它是知识表达与获取的一种方法; 从语言学角度来看, 它是应用语言学的一部分; 从汉语自然语言角度来看, EPC不可能是供一般人使用的汉语拼音文字.

    这里, 我们举个汉语翻译成英语的例子.

    用汉字表达的汉语句子：请打对方付费的叫人电话给张先生

    多层立体结构:  7请3打8电话23叫8人21对方3付8费7的3给8张先生
                  (请打→电话←(叫人的-对方付费的)→给张先生)
          主题词:  打电话
    第一修饰层面:  叫人(的)    立体结构: 23叫8人
    第二修饰层面:  对方付费的  立体结构: 21对方3付8费7的

    主题词切入的知识表达式：3打8电话23叫8人21对方3付8费7的7给8张先生17请

    机器自动将汉字译成PC：3dc8djthud23gjr8rn21dulfaa3fx8fel7de7gek8Vaahjmxee17kik

    检索到的知识（英语句子翻译）：□Please make it a collect call, and a personal call to Mr. Zhang.

                 二, 如何给每个拼音词(PC)带上意标(E)?

    拼音词(PC)平均由4-5个字母组成, 如, famel(翻译), vixj(知识); 一个句子里往往包含许多个词, 词与词之间必须用空格隔开, 例如,
        uq vk nef xo eidjs Iiun (我只能说一点英文).
意标(E)就标在每个词前面的空格中, 如上句,
       1uq7vk3nef3xo7eidjs8Iiun.
    由此可知, 意标是由数字标识的. 0-9一共10个数字, 它们怎样标识词在句中的语法语意关系呢? 我们可以用10个汉字来概括,
        21 - 偏正  43 - 似谓  65 - 因果  78 - 状宾  90 - 时空
    首先, 我们对汉字的基本意思作出说明.
    1, 偏正(21), 汉语的偏正结构, 1 - 中心词, 2 - 修饰词, 例如,
        1xu2him(书←新), 1wb2eibei(茶←一杯), 1hijlk2nkde(行李
        ←你的);
    2, 似谓(43), 都是谓词, 3 - 肯定描述, 4 - 不肯定也不否定, 如,
        3hkhym(喜欢), 3qvqq(游泳), 3topel(同意),
        4haqhjd(好像), 4katlaj(看来), 4slhu(似乎);
    3, 因果(65), 标识汉语的因果句-目的句-假设句-条件句等, 例如,
        6imul(因为), 5sqyek(所以), 6qviv(由于), 5imep(因而),
        6gicrv(假如), 6glran(既然), 5kggjt(可见), 5ekbjt(以便);
    4, 状宾(78), 句子中的状语和宾语成分, 7 - 状语, 8 - 宾语, 如,
        7zsjd3pim(怎样→拼), 7xjfm3hqxll(十分→秀丽), 7vm3haq(
        真→好), 3dc8djthud(打→电话), 3djs8cal(点→菜), 3zr8
        djtwe(坐→电车);
    5, 时空(90), 事情发生的时间地点, 9 - 时间, 0 - 空间, 例如,
        9xlgl(世纪), 9zaqwn(早晨), 9kqugl(秋季), 9badys(傍晚),
        0Voogp(中国), 0doofaa(东方), 0ndlk(那里), 0hakat(海岸).

    其次, 我们要讲述这些字的扩大意思.

    1, 意标1除了表示偏正结构中的中心词外, 它在句中还表示主语, 例如, 1ddge3kaiwe(大哥→开车), 1dldl3dvxu(弟弟→读书), 1xuj3zr8gycgar(谁→做→广告); 其次, 意标1在修饰词2后, 即21, 表示该修饰词又是中心词, 应跟后面的修饰词2结合成合成词, 例如,
        1lklut21bjtvehfc2zlran(1理论←21辩证法←2自然),
不能读成: 理论←辩证法←自然, 而应读成: 理论←(辩证法←自然), 以显示"自然辩证法"是个合成词; 第三, 意标1在知识标达式里表示自然语句的开头, 如第一节例句中的17请, 由于"打电话"前移到句首作主题词, 自然语句的开头就要从"17请"开始往后读, 后面没有字了, 就返回到句首继续读; 如果自然语句开头已有意标1, 那就不应再标开头1了.

    2, 意标2可连续多层修饰前面的中心词, 例如,
        3deegl7zal0xad2mijdam2hoxbw21bamclde2vhljd
        (登记在...上←名单←后补←(班机的←这辆))
这里有3个层次修饰"登记上", 而且最内层的修饰跟中心词的关系最密切, 而最外层的修饰跟中心词的关系最远; 中间各层则由内向外关系依次疏远, 而由外向内关系依次紧密. 意标2的这种多层面向心修饰的特点, 使EPC汉语的句子检索成为可能. 例如, "参观中国湖南长沙岳麓山风景区"的检索, 从主题词"风景区"切入, 如果按汉语自然语言的语序: 中国 - 湖南 - 长沙 - 岳麓山, 首先检到"中国", 则与"风景区"相距甚远, 几无检索价值; 如果按EPC汉语的语序, 意标2向心的修饰如,
        风景区←岳麓山←长沙←湖南←中国,
首先是"岳麓山", 这样一下就可打中目标 -- 岳麓山风景区.

    3, 意标3标识的谓词, 主要是动词和形容词, 但也可以是其他任何词类, 例如,
        9zptjm3hiikiysl(昨天→星期四).
        1ta3erxjsul(他→二十岁).
        1mekrn3sambs(每人→三本).
        1nk3hoxljspj(你→厚脸皮).
   另外, 意标3除了在主句中作谓词外, 还可以在任一修饰层面形成立体结构, 即由它带动多个子成分的结构, 例如,
        1rn23bl7ve8jsgii3xo8hiahud7de2vhgh.
        (1人←23闭7着8眼睛3说瞎话7的←2这个),
这里, 对"人"的修饰用了两个层面, 第一层面是由谓词3组成的立体结构, 第二层面则是单个词"这个".
   意标3在多层面形成立体结构的功能, 对汉语句子检索起着决定性作用, 因为主题词切入和多层面修饰, 对汉语句子的检索深度仍是有限的, 只有按字母数字序, 进入多层面立体结构里搜索比较, 才能将句子细微末节的意思都检出来, 也就是真正达到句子检索的目的.
    我们再举个例子来说明这个问题,
        当我吃甜的东西时我牙齿会痛.
    如果按汉语自然语言这样的语序, 当什么时候的"当"和"时"隔这么远, 把子句"我吃甜的东西"封闭起来, 我们无论如何也不能通过字母数字序, 进到句子里面将这句话的意思检出来. 如果用EPC汉语多层面立体结构写出来, 例如,
________________________________________________________________
        1ibwk2uq3hul3tor17daa9xj21uq3wi8doohi2tjnde
        我牙齿会痛
                         当
                             时←我吃甜的东西
________________________________________________________________
    这样, 我们依字母数字序, 即可将句子深层的意思检出来了.

    4, 意标4-6-8必须放在一起讲. 因为似谓(43)中的意标4, 实际上是用于比喻句, 跟意标6用于因果句-目的句-假设句-条件句等, 都属语意层面. 而意标8是作为语法平面的宾语, 因此先要将汉字"宾"的概念延伸为语意关系的"涉事", 这样, 4和6标识的词, 都可以通过涉事8展开为一个句子. 例如,
        4haqhjd81gjq3die5dyt7le1.
        4好像→8(脚-跌-断-了)
        6rvgq81nk3jr9ljctjm7gqx3sor5laj.
        6如果→8(你-要-两天-就-送-来)

    5, 意标5与意标8相反. 意标8的概念是从语法层面的宾语, 延伸到语意层面的涉事; 意标5则是要从语意平面的因果关系, 回到语法平面的述补关系, 即当谓词的结果补语用. 例如,
        3vac5dd(长→大), 3bjt5hjq(变→小), 3xo5kiiww(说→清楚
        ), 3hof5hul(学→会), 3zr5yn(做→完), 3paq5hujlaj(跑→
        回来).

    6, 意标7的状语概念, 要延伸到语意平面的各种依附关系, 简称为依事. 实际上, 意标7的标识, 完全不必考虑语意是如何去依附的, 我们只要将汉语中所有虚词: 副词-介词-连词-助词-语气词, 以及有声词: 拟声词和感叹词, 统统都用意标7标识就行了. 因为这些词一是数量少, 二是非句子的主要意思, 并不影响汉语句子的检索; 同样也不影响机器对汉语的理解, 我们只需把所有意标7的词列个小表, 即可对汉语句子的意思进行极细微的分析了. 因为意标7囊括一切虚词小词, 使得EPC能够处理极复杂的汉语材料, 从而进到实用程度.
    另外,  意标7的功能也是很大的, 它可以带宾语8甚至可延伸到涉事.
例如,
        1xu7bel8Hjqmij3kjc5zow7le.
        (书→被→8小明→抢走了)
        7atvar8glhud2ixdil7de3vjhij.
        (按照→8计划←预定的→执行)

    7, 意标9-0标识的时空, 是个永恒的概念, 比较容易掌握. 任何事物的发生都离不开一定时间和空间, 因此, 我们应尽量将时空词标识出来, 以便机器对汉语的理解; 但是, 它们的标识受到一定限制, 那就是句中数的表示会跟意标0-9的数字相混淆; 当一串数字存在的时候, 我们必须把开头和末尾的两个数字去掉, 用作前后两个词的意标, 中间剩下的数字才是实际的数词. 在这种情况下, 我们不能再在第一个意标后标识9(时间)和0(空间)了, 因为它们会跟数字搅在一起. 例如,
        1uq3jr98djsvoo3laj.
        (我-要-98点钟-来)
                8
        1uq3hjc3bjtgee8ixoe2bamgiyde2103cl25oh17rl.
        (我-想-变更-8预约←班机的←2103次←25月17日)
                                      103      5

                 三, EPC如何走出汉语词的困境?

    已如上述, EPC是带意标的拼音词. 其中PC又称高浓汉语信息, 由2-3个字母表达汉语1270个带调音节, 平均2.3个字母, 其构成原理请参见笔者《高浓汉语信息》探秘一文. 带调的汉语拼音词, 同音异义现象并不严重, 约占总词汇量的11.2%, 这是从文字改革出版社1964年出版的《汉语拼音词汇》进行的统计. 但是语言文字总是在具体的语言环境中使用, 因此, 同音异义词的比例并不高, 至少不比别的拼音文字高多少; 但由于历史的原因, 同音异义的单音节词却令我们棘手.
    上个世纪80年代初, 为了让PC在电脑里显示汉字, 笔者成功地将汉字切分成AP(形声)两部分, 从而比较彻底地解决了汉字输入问题. 例如"罗"这个字, P - lp(luo2), A - c(草头), d(动物), g(金旁), v(竹头), w(虫旁), z(走旁)等, 这样, lp的同音异义字(词)就基本得以区分:
                   clp(萝)
                   dlp(骡)
                   glp(锣)
                   vlp(箩)
                   wlp(螺)
                   zlp(逻)
                   ... ...
    可是, 字是有了, 但汉语词到哪里去了? 为了解决词的问题, 规定单音节词才加A, 双音节以上词直接用纯音PC表示, 例如,
        lta vhf nta kgnef pdx mloh kixle.
            (他和她可能度蜜月去了)
其中, kgnef(可能) mloh(蜜月) kixle(去了) 就是纯音词, lta(他) nta(她) pdx(度) 则是AP形声字了.
    看起来这种中文信息处理方法不错, 可实际应用时, 单音节词虽不算多, 但使用频度极高, 因此, 汉字形对拼音的影响仍很大, 无论输入书写和阅读都不甚方便. 后来, 干脆对1270个带调音节, 都用来代表一个最常用的汉字, 这样, 在处理现代汉语资料时, 纯音词的输入书写占到整个资料的90%以上. 对此, 笔者已十分满足, 将这种处理方法称作PPA, 并作为电子计算机汉语, 申请到发明专利权, 并获得中国专利局颁发的专利证书