KYOTO PROJECT 是歐盟第七架構下(7th Framework) 挹注之大型科研計劃之一。目標是利用語言資源與科技，協助環保領域知識的建構、分享與交換。共有九個研究單位，7 個國家參加。執行時間 3 年，總經費高達 3.32 百萬歐元。非歐盟國家僅日本與台灣加入，這次有幸能代表台灣團隊參與第一次之workshop及計劃例行會議。對本人而言，實在是一個極為難得觀察國際科學研究團隊運作之學習機會。
(以下是私家自用版的內容，非官方釋出版^^)
其實我覺得整個計劃的技術門檻不高。怎麼說呢，在此計劃中有幾個核心技術內容，包括從網路萃取術語辭彙及其關係之機器人(代理軟體)，萃取事實資訊之機器人，領域wiki 以及最後的封閉文本語意搜尋引擎，這些都不是頂尖的東西。如果對 text mining 有涉獵的朋友應該可以瞭解我的意思。那為什麼這樣的計畫能夠在激烈的競爭之中最後脫穎而出，我覺得關鍵在於抓到"學術政治正確"的研究趨勢。(我新創的詞，當我亂講就好)。這樣說也不是貶抑之意，這裡有許多錯綜複雜的研究經驗累積下產生的洞見。
簡單說，透過網路，我們可以一窺，甚至跟上與參與最新 (單一) 技術的發展。但是要能主持、整合與建立研究協作機制，並放在全球研究資源的進程 (如有潛力的全球詞網網格)，以及全球政經社會文化局勢 (如跨語言文化的環保知識檢索) 交錯中去規劃，這真的是小國小咖研究人員最難以速成的地方。(不知怎麼，說到這裡讓我想到BenQ併吞德國西門子手機部門失敗的案例)
第一天是兩邊語言科技人士與環保人士的溝通。計劃總主持人 Piek Vossen 是荷蘭阿姆斯特丹大學的計算辭彙學教授，首先介紹了計劃的整個內容。讓人印象深刻的是，他把整個架構放在web的發展歷程與趨勢軸線上去定位，氣勢很大。再來是邀請環保領域的專家介紹他所從事的保育工作與對計劃之期待。接著進行分組討論，針對一些問題從使用者與知識工程的角度進行互動。午餐後，Piek 另外再講了一場 From Google Search, Text Search to Text Mining: Building a Knowledge Pyramid。之後再進行分組討論。每個問題都很大，每題討論的時間卻很少，這種場合我真是一句話也插不上嘴。 第2天的內容對我們計算語言學者就熟悉多了。 其他沒有什麼科學依據的觀察：1. 愈大咖愈客氣，愈小咖愈鋒利。(附註：鋒利不等於正確) 2. 亞洲人不善於社交，是不是從小沒有教，還是只是英文不夠好。 打累了，愈寫愈誇張，先不寫了。
星期一, 2月 09, 2009
星期日, 2月 08, 2009
I AMsterdam
算算目前去過的國外城市也不下數十個，返台後很想提筆（打字）紀錄下來的，只有京都、圖賓根與阿姆斯特丹。
這是第二次到阿姆斯特丹開會。跟小文說，這個城市已經超越圖賓根，成了我心中的最想居住的榜首城市。便利、友善、文明、自由，卻又散發歷史風韻。我用幾個很怪的角度高度地評價了這個城市：
1. 幾個隨機取樣，問了在該地居住工作的「底層」外國人的社會生活觀感。得到的答案竟然都是：除了天氣之外，一切都很好！（當然我要再加一項：男太高女過挑，讓我頭抬得很酸;-)）
2. 空姐不像華航長榮那樣的「漂亮」。
3. 中央車站部份改建工程，為了整體美感，有一大塊是仿真的。
4. 自助式速食店鴿子們無懼地與人類爭食。
這是第二次到阿姆斯特丹開會。跟小文說，這個城市已經超越圖賓根，成了我心中的最想居住的榜首城市。便利、友善、文明、自由，卻又散發歷史風韻。我用幾個很怪的角度高度地評價了這個城市：
1. 幾個隨機取樣，問了在該地居住工作的「底層」外國人的社會生活觀感。得到的答案竟然都是：除了天氣之外，一切都很好！（當然我要再加一項：男太高女過挑，讓我頭抬得很酸;-)）
2. 空姐不像華航長榮那樣的「漂亮」。
3. 中央車站部份改建工程，為了整體美感，有一大塊是仿真的。
4. 自助式速食店鴿子們無懼地與人類爭食。
星期日, 1月 18, 2009
原來是寒假到了。
看到前篇部落文的最後一篇留言，覺得很有趣。怕這位朋友沒注意我的回應，就重新發一篇，有興趣的讀者也歡迎進場。
這位匿名朋友，很高興看到您的回應。以下謹提供一些我的粗淺看法，也許可以引起一些好玩的討論。
首先，您提到的「從網路上找到的量化證據，有時候僅能代表語言的實際使用狀況，而不能斬釘截鐵的把它跟內在語感劃上等號。」這洽洽是我比較傾向接受的主張 :-)
我的疑問是始於，我們提的內在語感，到底指的是「誰」的內在語感？如果我們接受語言學研究的整體態度應是 descriptive rather than prescriptive，我們是不是應該不會認為某些人，例如「語言學家」- 儘管她們多麼敏銳 - 才擁有較「好」的語感？
您舉的英文例子，因為我不是 native speaker，難以做 grammaticality judgment。當然以我們之前受過的所謂英語教學文法訓練，的確會覺得是要加上 to (至少在考試的時候 :-)) 但是，不否認這一點，到承認我們心中存在著一套所謂「標準語法」之間，恐怕還有很大一段距離。我們得要先要預設正式與非正式的語言用法，（因為實際上正式與非正式之間有許多的複雜性存在），再來還需預設所謂正式的用法才是我們心中的「標準語法」。
那談談中文的例子吧。no gapping? 因為我們不會說：張三吃飯，李四麵。對吧？但，「張三吃牛肉飯，李四牛肉麵。」呢？no type coercion? 但是我卻常聽人說「舒凱的電腦很強。」;-p 好吧，我先承認我不是個厲害的語言學家。但是，到底是誰來決定一個句子是合法的（i.e., 可以這樣說的）呢？(或是誰是厲害的語言學家 ^^)
談到您的其次。
的確在適當的語境下，可能有許多語意訊息是可以被得到的。這也正是為何我們需要鉅量的語言使用證據來參酌。不過，這裡的causative的用法，我覺得正是問題（如果有的話）的關鍵。「兔子追累了獵人了」這句話，剛好是以前我在研究所修syntax 時，老師在課堂上也提過的句子。我記得那時候我很老實地跟老師說，我不會說這樣的句子(型)，關於這裡可能有的使動用法，我也只能事後的理解與「學習」。我還挑戰說，這是不是北美華人，或者是江浙一帶的中文呢（因為我的老師是當時所謂的外省人）？如果這裡有語言的時空區域性的問題，「誰」的中文語感才是「對」的？結果當然是被老師白了好幾眼:-p 現在看到您說「但是，得不到就代表沒有嗎？大多數人的語感，在這種情況之下，恐怕是無法信任的。」我只好再度羞愧，因為我正是那無法被信任的大多數人的一個。
我喜歡您的總之：" 群體使用的量化證據，有時候並不完全可靠。需要引用時，宜慎之。" 我完全同意這個說法。不過，我喜歡話說回來。現在所謂「網路」擷取回來的語料之多元、動態與豐富性恐怕必須比以前多一點關注。我舉個我在corpus linguistics課堂上提過的例子給您參考：（出自Thomas Robb : Google as a Quick 'n Dirty Corpus Tool。有興趣請自行搜尋。)
這篇文章的動機來自以下這句出自Eiken test的英文:
Her wedding dress was very a) beautiful b) gorgeous c ) wonderful
公佈的唯一正確答案是a。教學文法上要怎麼解釋？ok, 一種解釋是因為有些形容詞是non-gradable，例如 unique, 所以呢，comparatives, superlatives, and words like very, extremely should not be used to modify it. 所以你不能說He is a very unique person.而此題 wonderful 可被視為是non-gradable, since it means "full of wonder" and, if something is "full" it is therefore non-gradable. 但是beautiful 不也意味"full of beauty"? 所以作者（儘管自己是native speaker），開始利用google找語料佐證這個用法。假設我們使用"very wonderful" (double quote query)，會找到一大堆這樣的使用。當然我們立即的反應是這可能是由non-native speakers or first graders 說的啊？沒錯，那我們利用google 的site query來查找www.gutenberg.org所收錄的大師經典作品，應該比較可靠吧(您可試試"very wonderful" site:www.gutenberg.org)，出乎意料的結果您可以自行看看。到這裡，您也許會說，簡單的計量並不能證明什麼！沒錯，這是我們需要複雜一點的量化分析的理由。
此外，現在的語料庫概念，恐怕不是Chomsky當年批評的景況。語料的向度，已經拓展到可標記地理、時間、性別、個人習語、各種文體文類、甚至連語音語料都已經可以大量自動擷取。這點請容我以後有空多介紹。就是因為這些多樣性，我們對於所謂的「群體使用的量化證據」，開始可以萌生那麼一點信心。
總之，我希望您不會覺得我是站在反Chomsky或是反對formal approach的立場來討論這個議題。（我還自以為自己算是廣義的formal semanticist ^^）。前篇blog的感觸要表達的精神其實很單純。就是我現在覺得合理的，只是尚未被證明，或者未被說服是錯的。請容我將我的簡單感想摘要如下：
1. 語句合法性判斷在句法分析中有吃重的角色。
2. 語句合法性判斷的根據，應儘可能地參照整體語言社群的使用。語言學家，如同芸芸眾生，都只是語言社群中的一份子。
3. 隨著大規模的計算典範的誕生，基於大量的語料證據來捕捉"整體"語言社群的語言使用樣貌，儘管還是不足，但逐漸地可能可以產生逼近式的貼近。
原來是寒假到了，囉囉唆唆請不吝再糾正我的錯誤。
這位匿名朋友，很高興看到您的回應。以下謹提供一些我的粗淺看法，也許可以引起一些好玩的討論。
首先，您提到的「從網路上找到的量化證據，有時候僅能代表語言的實際使用狀況，而不能斬釘截鐵的把它跟內在語感劃上等號。」這洽洽是我比較傾向接受的主張 :-)
我的疑問是始於，我們提的內在語感，到底指的是「誰」的內在語感？如果我們接受語言學研究的整體態度應是 descriptive rather than prescriptive，我們是不是應該不會認為某些人，例如「語言學家」- 儘管她們多麼敏銳 - 才擁有較「好」的語感？
您舉的英文例子，因為我不是 native speaker，難以做 grammaticality judgment。當然以我們之前受過的所謂英語教學文法訓練，的確會覺得是要加上 to (至少在考試的時候 :-)) 但是，不否認這一點，到承認我們心中存在著一套所謂「標準語法」之間，恐怕還有很大一段距離。我們得要先要預設正式與非正式的語言用法，（因為實際上正式與非正式之間有許多的複雜性存在），再來還需預設所謂正式的用法才是我們心中的「標準語法」。
那談談中文的例子吧。no gapping? 因為我們不會說：張三吃飯，李四麵。對吧？但，「張三吃牛肉飯，李四牛肉麵。」呢？no type coercion? 但是我卻常聽人說「舒凱的電腦很強。」;-p 好吧，我先承認我不是個厲害的語言學家。但是，到底是誰來決定一個句子是合法的（i.e., 可以這樣說的）呢？(或是誰是厲害的語言學家 ^^)
談到您的其次。
的確在適當的語境下，可能有許多語意訊息是可以被得到的。這也正是為何我們需要鉅量的語言使用證據來參酌。不過，這裡的causative的用法，我覺得正是問題（如果有的話）的關鍵。「兔子追累了獵人了」這句話，剛好是以前我在研究所修syntax 時，老師在課堂上也提過的句子。我記得那時候我很老實地跟老師說，我不會說這樣的句子(型)，關於這裡可能有的使動用法，我也只能事後的理解與「學習」。我還挑戰說，這是不是北美華人，或者是江浙一帶的中文呢（因為我的老師是當時所謂的外省人）？如果這裡有語言的時空區域性的問題，「誰」的中文語感才是「對」的？結果當然是被老師白了好幾眼:-p 現在看到您說「但是，得不到就代表沒有嗎？大多數人的語感，在這種情況之下，恐怕是無法信任的。」我只好再度羞愧，因為我正是那無法被信任的大多數人的一個。
我喜歡您的總之：" 群體使用的量化證據，有時候並不完全可靠。需要引用時，宜慎之。" 我完全同意這個說法。不過，我喜歡話說回來。現在所謂「網路」擷取回來的語料之多元、動態與豐富性恐怕必須比以前多一點關注。我舉個我在corpus linguistics課堂上提過的例子給您參考：（出自Thomas Robb : Google as a Quick 'n Dirty Corpus Tool。有興趣請自行搜尋。)
這篇文章的動機來自以下這句出自Eiken test的英文:
Her wedding dress was very a) beautiful b) gorgeous c ) wonderful
公佈的唯一正確答案是a。教學文法上要怎麼解釋？ok, 一種解釋是因為有些形容詞是non-gradable，例如 unique, 所以呢，comparatives, superlatives, and words like very, extremely should not be used to modify it. 所以你不能說He is a very unique person.而此題 wonderful 可被視為是non-gradable, since it means "full of wonder" and, if something is "full" it is therefore non-gradable. 但是beautiful 不也意味"full of beauty"? 所以作者（儘管自己是native speaker），開始利用google找語料佐證這個用法。假設我們使用"very wonderful" (double quote query)，會找到一大堆這樣的使用。當然我們立即的反應是這可能是由non-native speakers or first graders 說的啊？沒錯，那我們利用google 的site query來查找www.gutenberg.org所收錄的大師經典作品，應該比較可靠吧(您可試試"very wonderful" site:www.gutenberg.org)，出乎意料的結果您可以自行看看。到這裡，您也許會說，簡單的計量並不能證明什麼！沒錯，這是我們需要複雜一點的量化分析的理由。
此外，現在的語料庫概念，恐怕不是Chomsky當年批評的景況。語料的向度，已經拓展到可標記地理、時間、性別、個人習語、各種文體文類、甚至連語音語料都已經可以大量自動擷取。這點請容我以後有空多介紹。就是因為這些多樣性，我們對於所謂的「群體使用的量化證據」，開始可以萌生那麼一點信心。
總之，我希望您不會覺得我是站在反Chomsky或是反對formal approach的立場來討論這個議題。（我還自以為自己算是廣義的formal semanticist ^^）。前篇blog的感觸要表達的精神其實很單純。就是我現在覺得合理的，只是尚未被證明，或者未被說服是錯的。請容我將我的簡單感想摘要如下：
1. 語句合法性判斷在句法分析中有吃重的角色。
2. 語句合法性判斷的根據，應儘可能地參照整體語言社群的使用。語言學家，如同芸芸眾生，都只是語言社群中的一份子。
3. 隨著大規模的計算典範的誕生，基於大量的語料證據來捕捉"整體"語言社群的語言使用樣貌，儘管還是不足，但逐漸地可能可以產生逼近式的貼近。
原來是寒假到了，囉囉唆唆請不吝再糾正我的錯誤。
星期三, 1月 14, 2009
心的命名學
剛從 NoNo 的慶生晚會回來，幼兒園的老師們希望我與大家作些分享，並問道取名為心諾的原因。呃，就希望他用心承諾自己的一生阿，也期許作為家長的我們不要忘記對他來到這個世界的承諾。我是一臉嚴肅啦，不過實在是胡謅一通，自己都不知道在扯什麼。
那到底是怎麼取名心默與心諾呢？其實當年是一個人負責一個字的。我這部份呢，因為看到徐進夫翻譯鈴木大拙的禪學系列時提到，「心」是中文之中最難翻譯的一個字。覺得當成名字的一部分還蠻炫的，就這樣。
至於「默」，則是看到這句話「多言多慮，轉不相應；絕言絕慮，無處不通。」後就決定下來。「諾」呢？那是因為有人問中國偉大禪師趙州和尚：「如何是(究極的)一句？」他的回答就是「諾！」，很酷。
看到這裡，默諾的娘一定會笑著要來拆台。哪是這樣！真相是懷 momo 時，有次一起去看電影，不斷在肚子裡作怪，突有小"魔"鬼之感，就取其小名為 momo， 亦剛好與一本好看的德語小說主角同名，挺不錯的。至於 nono ？ 那更簡單，m 之後不就是 n 嗎？
好吧好吧，其實真相是，本人先堅持「心」之後，早就備好關於各種不同的「心組合」的詮釋。謀的也不過是個有點水準的博學父親形象。
最後重點是，如果有人還需要心 * 及其詮解，歡迎免費取用 ~_^
那到底是怎麼取名心默與心諾呢？其實當年是一個人負責一個字的。我這部份呢，因為看到徐進夫翻譯鈴木大拙的禪學系列時提到，「心」是中文之中最難翻譯的一個字。覺得當成名字的一部分還蠻炫的，就這樣。
至於「默」，則是看到這句話「多言多慮，轉不相應；絕言絕慮，無處不通。」後就決定下來。「諾」呢？那是因為有人問中國偉大禪師趙州和尚：「如何是(究極的)一句？」他的回答就是「諾！」，很酷。
看到這裡，默諾的娘一定會笑著要來拆台。哪是這樣！真相是懷 momo 時，有次一起去看電影，不斷在肚子裡作怪，突有小"魔"鬼之感，就取其小名為 momo， 亦剛好與一本好看的德語小說主角同名，挺不錯的。至於 nono ？ 那更簡單，m 之後不就是 n 嗎？
好吧好吧，其實真相是，本人先堅持「心」之後，早就備好關於各種不同的「心組合」的詮釋。謀的也不過是個有點水準的博學父親形象。
最後重點是，如果有人還需要心 * 及其詮解，歡迎免費取用 ~_^
星期二, 1月 13, 2009
論語言學之三角不戀愛: toward the love triangle of formal, functional and computational linguistics
這次特別用功準備語概期末考的同學們，考完後大概都會或疑惑或咒罵地說上一句：怎麼考成這樣(簡單)？！在文學院的考試，大概很少碰到不用長篇大論，滔滔不絕也沒用的考卷。觀念區辨、語料解析與作圖。就這樣，真的，這就是我覺得語言學入門之處最吸引人的地方。(不過其實說簡單倒不一定，超過九十分以上的抱歉只有兩位 呵呵)。
有基本語言敏感度，對於分析與邏輯推理不排斥，相信精簡與細節就是王道的人，很容易就能進入語言學的世界。
不喜歡數學，所以念英語系；不喜歡文學，所以選考語言學組。好像不少人都這麼想。但是進研究所後才發現，現代主流語言學跟數學其實沒什麼兩樣。兜了一大圈，最後只能宣告沒興趣希望人生重新來過。
那老師你呢？為何不繼續人文與哲學之路？還反其道搞什麼計算語言學？有人問道。不好意思我的回答有點情色：因為有人相信可以直探靈魂，而我堅持要先碰肉體。
哈哈。先停在這裡。
話說參加 FOSS，國內的形式語法與語意年度研討會。雖說是 formal，但是主要是 GB 的場子，歐洲較流行的 HPSG, LFG, DG 一篇都沒有，更不用談 CG, TAG(Tree Adjoint Grammar)等在台灣更冷門的 formalism。此次會場因難得有J.Huang 教授助陣，有些研究與對話相當精彩。但是話說回來，要是有 functional 的學者在場，看到討論的語言是如此的不 formal (如："那說的就是說，.... 因為我們是 lexical applicativization，... 會變成 out...")，可能會竊竊私語訕笑；要是有 computational 的學者在場，看到熱烈討論的句子還在於類似"王冕七歲上死了父親"，對於所分析句子的可接受度，不太訴諸群體使用上的量化證據，而傾向相信一己或一小群人之語感，恐怕也會皮麻手癢。(再不好意思一次當場我就寫了程式從網路上找了一堆"反例"句子)。
話說回去，語言學中的 formal enterprise 是宏偉壯觀的，追求衍生機制的努力成果也是很令人激賞。
話說回來又說回去，我們很容易就忘記我們能到那麼高的地方，是因為腳下踩著多少的假設堆疊而上；很容易忘記了在科學研究中，所謂對的東西只是還沒被證明為錯的；很容易不太想去聽懂古人的經驗述明，語言是人文化成的，儘管將她上了手術台作毛髮肢解，還是難找到語言生命與文化交錯經驗的沈澱是啥玩意。
回call。容我暫時做一個中間很多跳躍的結論：-)
計算與量化手段，可以一步一腳印，帶領我們達到一個極為複雜的知識高度。在那裡，我們喜悅、充實地一起享用人類智識發展的樂趣。當準備出於本能的展露自傲與輕狂時，我們才看到無邊無際的人文山景廓然開展在眼前，我們才想起，寫程式的雙手，原來是可以用來寫詩的 . . .
有基本語言敏感度，對於分析與邏輯推理不排斥，相信精簡與細節就是王道的人，很容易就能進入語言學的世界。
不喜歡數學，所以念英語系；不喜歡文學，所以選考語言學組。好像不少人都這麼想。但是進研究所後才發現，現代主流語言學跟數學其實沒什麼兩樣。兜了一大圈，最後只能宣告沒興趣希望人生重新來過。
那老師你呢？為何不繼續人文與哲學之路？還反其道搞什麼計算語言學？有人問道。不好意思我的回答有點情色：因為有人相信可以直探靈魂，而我堅持要先碰肉體。
哈哈。先停在這裡。
話說參加 FOSS，國內的形式語法與語意年度研討會。雖說是 formal，但是主要是 GB 的場子，歐洲較流行的 HPSG, LFG, DG 一篇都沒有，更不用談 CG, TAG(Tree Adjoint Grammar)等在台灣更冷門的 formalism。此次會場因難得有J.Huang 教授助陣，有些研究與對話相當精彩。但是話說回來，要是有 functional 的學者在場，看到討論的語言是如此的不 formal (如："那說的就是說，.... 因為我們是 lexical applicativization，... 會變成 out...")，可能會竊竊私語訕笑；要是有 computational 的學者在場，看到熱烈討論的句子還在於類似"王冕七歲上死了父親"，對於所分析句子的可接受度，不太訴諸群體使用上的量化證據，而傾向相信一己或一小群人之語感，恐怕也會皮麻手癢。(再不好意思一次當場我就寫了程式從網路上找了一堆"反例"句子)。
話說回去，語言學中的 formal enterprise 是宏偉壯觀的，追求衍生機制的努力成果也是很令人激賞。
話說回來又說回去，我們很容易就忘記我們能到那麼高的地方，是因為腳下踩著多少的假設堆疊而上；很容易忘記了在科學研究中，所謂對的東西只是還沒被證明為錯的；很容易不太想去聽懂古人的經驗述明，語言是人文化成的，儘管將她上了手術台作毛髮肢解，還是難找到語言生命與文化交錯經驗的沈澱是啥玩意。
回call。容我暫時做一個中間很多跳躍的結論：-)
計算與量化手段，可以一步一腳印，帶領我們達到一個極為複雜的知識高度。在那裡，我們喜悅、充實地一起享用人類智識發展的樂趣。當準備出於本能的展露自傲與輕狂時，我們才看到無邊無際的人文山景廓然開展在眼前，我們才想起，寫程式的雙手，原來是可以用來寫詩的 . . .
星期四, 1月 01, 2009
這是個借多還少的時代 ;-)
最近在整理一份語言學家的 Google 密技。以下是用 google trends 「借，還」的結果。Hmm, 的確借多還少是常態，但，有沒有誰來解釋一下，台灣人怎麼會比較愛還 ;-)
訂閱：
文章 (Atom)