宋 彦，黄昌宁，揭春雨

(1. 香港城市大学 中文、翻译及语言学系，香港九龙达之路83号；2. 微软亚洲研究院，北京 100080)

1 引言

自动句法分析(parsing)是自然语言处理的一项基本技术，是迈向语义理解的一道门槛。当前信息处理对于深度本文分析的需求有增无减，不但要求描绘句内各成分间的句法关系，还需要在一定程度上刻画词和词之间的语义联系。组合范畴语法(Combinatory Categorial Grammar，CCG)[1]可以为这种需求提供一种显式的表达形式，直接将词汇关系映射到各个句法节点的范畴上，为快速句法分析提供了一种有效的形式化描述。在2009年约翰霍普金斯大学举行的夏季研讨班(JHU Summer School 2009)上*该研讨班的主题为“Parsing the Web”，旨在通过CCG得到快速而有效的跨领域深层句法分析结果。，研究人员通过采用优化的句法分析算法，使CCG句法分析在维基百科(Wikipedia)语料上达到每秒超过100句的分析速度，且抽样显示，其分析精度并未有明显损失，说明CCG可以用来进行工业规模的句法分析[2]。

实用的句法分析器(parser)，特别是以有监督的机器学习方法训练，需要大量的句法树实例作训练语料。目前很难找到合适的CCG树库做此用途，对于中文，此等资源*2010年Daniel Tse[4]在宾州中文树库上开发了相应的中文CCG树库，然而该树库尚未开放给他人使用。尤其短缺。要将CCG应用于中文信息处理，当务之急是构建一个中文CCG树库(CCGbank)。众所周知，从零开始标注一个大规模的句法树库是一项极费人力和资源的工程。考虑到目前已经有一些现成的句法树库，例如，宾州英文树库(PTB)、宾州中文树库(CTB)、德文TIGER树库、台北中研院Sinica中文树库和清华大学中文树库(TCT)等，把这些资源转化成所需的CCG树库，当是一种行之有效的资源建设方案。……