Annotating Korean adnominal ending constructions in corpus data: Beyond relative-clause identification

背景

在自然语言处理（NLP）中，韩语的定语形态标记一直是解析句法结构的关键难点。韩语定语终结词尾（adnominal ending）ETM 出现在多种名词修饰结构中，包括类似关系从句的修饰语、形容词形和系词形、依存名词结构以及词汇化表达。传统研究往往将 ETM 视为关系从句的直接标记，但这一假设在语料库分析中面临挑战：大量包含 ETM 的句子并不构成典型的关系从句。本文针对这一矛盾，基于语料库提出一种新的标注体系，旨在区分 ETM 所参与的不同定语构式。

核心内容

论文首先指出，韩语定语终结词尾 ETM 并非关系从句结构的直接标记（direct marker），而是由多种定语构式共享的一个形态学指数（morphological exponent）。这意味着仅仅依靠 ETM 的出现无法判断一个结构是否为关系从句。

作者提出了一种基于语料库的构式类型学（corpus-based typology），通过以下维度区分不同的定语构式：

• 谓语类型（predicate type）：动词、形容词、系词等。
• 助动词结构（auxiliary structure）：是否存在助动词及其类型。
• 论元结构兼容性（argument-structural compatibility）：修饰语与被修饰名词之间的论元关系是否完整。
• 中心名词限制（head-noun restriction）：某些构式对中心名词有特定的语义或词类限制。
• 词汇化模式（lexicalized patterns）：一些固定或半固定的搭配，如惯用表达。

作者将这一类型学操作化为一种对构式敏感的标注层（construction-sensitive annotation layer），应用于 KLUE 依存树库（KLUE dependency treebank）。实现方式为有序规则驱动的标注流程（ordered rule-based procedure），并通过人工验证（manual validation）进行评估。

分析结果显示：可产出的类关系从句用法（productive relative-clause-like uses）仅占全部实例的 39.4%；其余的 60.6% 主要由以下构式构成：

• 形容词形构式（adjectival constructions）
• 系词形构式（copular constructions）
• 依存名词构式（bound-nominal constructions）
• 情态构式（modal constructions）
• 时间构式（temporal constructions）
• 搭配构式（collocational constructions）

这一分布充分表明，韩语的类关系从句修饰无法仅凭定语形态（adnominal morphology）来识别。

关键要点

• ETM 不是关系从句的直接标记，而是多种定语构式共享的形态指数。
• 论文提出的类型学包含五个区分维度：谓语类型、助动词结构、论元结构兼容性、中心名词限制、词汇化模式。
• 标注方案在 KLUE 依存树库上实现，采用有序规则驱动流程，并经人工验证。
• 类关系从句用法仅占 39.4%，其余构式包括形容词、系词、依存名词、情态、时间及搭配等类型。
• 该结论强调，在韩语中不能单纯依靠 ETM 的出现来标注关系从句，必须结合构式层面的特征。

意义与影响

该研究对韩语依存句法分析、关系从句识别以及语义角色标注均有重要启示。首先，它打破了长期以来将 ETM 等同于关系从句标记的简化假设，为更精确的句法分析提供了理论依据。其次，提出的构式类型学为语料库标注提供了一套可操作的规则，有助于提升下游任务（如信息抽取、机器翻译）的性能。最后，该方法的思路可推广到其他具有类似形态标记的语言（如日语、土耳其语等），促进跨语言的定语构式比较研究。论文同时开放了标注数据和规则流程，为后续复现与改进奠定了基础。