CMU Subword Modeling | 10 Grammatical Properties

解读CMU Subword Modeling | 10 Grammatical Properties (dmort27.github.io)。

1. 什么是"语法属性(Grammatical Properties)"?

在自然语言中,不同的词形(例如词尾变化)往往承载着语言的 语法信息 ,这些信息可以看作是很多 维度(dimensions) 的组合。比如:

  • 词性 (Part of speech)
  • 语气 (Mood)
  • 时态 (Tense)
  • 人称/数 (Person/Number)
  • 性别/名类 (Gender/Noun class)
  • ......

这些都是语法属性。一个词形可能同时反映多个属性的值。直觉解释:

把语法属性想象成每个词带着的标签(tag)集合

类似我们给一张照片打上多个标签(colorful, outdoor, people, night...),每个词形也有一组"语法标签"。

不同语言词形上这些语法标签组合的方式不同,但每种语言都有它自己的组合规则。

讲义内容里列了很多可能的属性维度:

语法属性 意义
Tense (时态) 表示动作发生的时间
Mood (语气) 表示说话的态度(陈述、假设等)
Person / Number (人称数) 我/你/他 + 单数/复数
Gender (性别) 阳性/阴性(某些语言)
Case (格) 主格/宾格/与格
Aspect (体) 动作是否完成

比如:

在英语里,"he runs " vs "he ran ",动词 run 的形式变化主要表达 时态 (现在 vs 过去)。

在德语里,一句话里名词要同时体现 格、数、性别,比如 der Mann (主格 阳性 单数) vs den Mann (宾格 阳性 单数)。

你可以把每个词想成一个标签组合:

{Tense=Past, Person=3, Number=Singular, Gender=Neutral}

2. 为什么要区分这些属性?

"词形不是乱变的,它是在传递信息"

就像编程里给一个对象加属性一样,每个属性都会影响这个对象的行为。

语法属性其实就是词汇和语法之间的桥梁,它帮助语言模型理解:

  • 谁在做事?
  • 什么时候发生?
  • 动作是怎样的?

例如,BERT/Transformer 这种模型在学习子词表示(subword modeling)时,往往会编码这些语法信息以便捕获语言规律,这对于语言理解和生成任务特别重要。(dmort27.github.io)

3. "范式(Paradigm)"是什么?

讲义里提到 "范式(paradigm)":

范式 = 不同语法属性值组合的全排列。

→ 比如:Case × Number 可能得到 {Nom-Sg, Nom-Pl, Gen-Sg, Gen-Pl, Acc-Sg, Acc-Pl}

"范式就像算法的所有输入组合,每一种组合对应一个输出形态(词形)。" 也就是说,范式是语言在所有可能组合下如何表达的整体结构。(dmort27.github.io)

4. 小结

核心概念

  • 语法属性不是随便罗列的,它是语言的核心信息编码。
  • 维度 = 大类(例如 Person、Tense),
    值 = 在维度里的具体选项(例如 1/2/3 人称)。
  • 范式是所有可能组合的全表。

为什么学习这些对 NLP 有用?

在 subword modeling 和 language modeling 里,词语不仅仅是符号,还蕴含着结构化信息,理解 grammatical properties 能让算法更好地学习这些规律,而不是仅依靠统计。(dmort27.github.io)

相关推荐
TomEval10 分钟前
【测AI】第26篇:线上模型监控与告警体系 — 测试不是终点
人工智能·python·功能测试·ai
ZhengEnCi1 小时前
AI 总模仿代码库里的过时写法怎么办:先清坏样例,再用类型与测试让 AI 无法犯错
人工智能·ai编程
一只爱撸猫的程序猿1 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
GitCode官方2 小时前
开源鸿蒙跨平台直播|AI 时代,用 cj-tauri 开发鸿蒙 PC 应用
人工智能·华为·harmonyos·atomgit
老金带你玩AI2 小时前
GPT-6.2更强更便宜了,为什么还有人骂?
人工智能
CyrusYiVPP2 小时前
实测 uv 0.13.7:同一套包,pip 装 94 秒,它只用 19 秒
人工智能·python
泯泷3 小时前
OpenClaw 退潮背后,是 AI 圈“技术自嗨”的终结
人工智能·chatgpt·llm
学无止境小袁同学3 小时前
LangGraph 深度指南
语言模型·框架·agent·并发·上下文·langgraph·长期记忆
罗西的思考3 小时前
【轻量化复刻大模型 / KIMI K3】Muon 优化器及 训练系统
人工智能·算法·机器学习
屿华AI3 小时前
AUTOSAR 实战-诊断工具 | 用 Claude Code 开发诊断测试工具:AI 协作开发实践
人工智能·测试工具