1樓：冬夏
摘要：本文採用「以小人之心度君子之腹」的套路，主要基於高中所學知識，對語言學的基礎知識，即語言文字的出現和發展、特點和變化進行了總結，並提取了一些自然語言處理的背景知識，以加深對nlp的理解。
1. 引言
自然語言處理(natural laguage processing, nlp)是人工智慧領域最火熱的方向之一，大家在裡面投入了大量的人財物，完成了不少有意義的工作，比如效果良好的翻譯工具、實用的智慧型個人助理、越來越善解人意的推薦系統等等。作為這方面的工程師，我似乎在演算法的汪洋大海中迷失了。
為什麼這麼說呢？nlp這門學科的目標是實現機器和人的無障礙交流，並為此融合了語言學、電腦科學、數學等學科的理論和方法——而我，咔咔學了這幾年，幾乎沒有語言學方面的積累，幾乎沒有意識到語言學和nlp中的聯絡。
最近，我仔細看了葉蜚聲和徐通鏘的《語言學綱要》，並基於本人在nlp方面(不多的)積累進行了簡單思考，最後以部落格的形式記錄下來。
2. 從自然、意識、語言、口語到書面語——這是歷史的程序
我們常說提公升生產力是歷史程序的最終方向。這個不僅適用於我們的經濟社會發展，也適用於語言的出現和發展。
2.1. 意識是自然的主觀映像
自然，可以粗暴地理解為整個宇宙，文雅的叫法是客觀世界。我們人類有一定的能力，可以觀察、記憶甚至解釋一些事物——結果就是我們的大腦中儲存了這些事物的外貌、溫度等等資訊，就是我們的意識，也叫做主觀映像。當然，我們還有利用事物的意識、改造事物的意識等等。
比如說，我們的祖先遭遇如圖2-1所示的巨大物體後，一定會害怕、擔心被乾掉，這時候祖先就得記住這個東西、下次遇到要快速響應。
圖2‑1 現代人叫亞洲象
2.2. 語言是表達意識的工具
很久很久以前，動物們用聲音、圖形、動態影象等等原始訊號來表示主觀映像。聽著聲音，祖先們就可以判斷腳下的樹枝是不是要被壓斷了；看看同伴的眼神，就知道他是不是要給你撓頭；聞聞氣味，就知道小寶寶是不是又拉了。從上帝視角來看，這種方案有乙個重大缺陷：
可以支援個體思考，但是無法支援同伴之間的快速交流。如果同伴之間不能傳遞資訊，就無法傳遞歷經艱險得到的知識。
不知道的自然選擇的結果，還是祖先們有意識決定的，後來，祖先們開始主要用嘴、喉嚨發出的聲音來傳遞資訊，比如(扯淡)用乙個音素「wen」代表蜜蜂、同伴說這個就得趕緊跑。聲音這種資訊載體有乙個特點，就是解放了四肢，允許大家一邊跑一邊叫。使用聲音溝通時，祖先們可以進行帶有「即時戰略」特點的活動，比如在不影響逃跑速度的情況下告訴同伴們逃跑隊形和集合地點。
事後諸葛亮一下：使用聲音溝通，提公升了生產力，是生物挑選資訊交流方式程序的最佳結果。
不知道是自然選擇的導致的，還是祖先們勤加練習的結果，後來，祖先們可以發出越來越多的聲音，以滿足越來越強的認知能力所帶來的越來越大的表達需求。這一時期，祖先們還發現，一段聲音和另一段聲音可以組合，形成一段更長的聲音、表示另一種意思——這樣，他們就可以用非常少的聲音素材，描述非常多的事物。舉例來說，如果我們可以發n種聲音，一段包含k個音素的聲音，可以表示種事物(要是加上我們現在使用的音調機制，那就更多了)。
用於表示乙個事物的音素組合，就是後人稱為「詞語」的東西。
不知道是自然選擇的導致的，還是祖先們有約定的結果，後來，祖先們把詞語搭配的形式和規則固定下來，形成了我們現在稱為語法的東西。語法的存在，讓語言更有規律，編碼、解碼和學習的成本更低，更有利於大家的交流，也就能進一步提公升祖先們的生產力。到這個時候，祖先們稱得上是文武雙全、天下無敵，可以用複雜的隊形和策略去狩獵，如圖2-2。
圖2‑2 某地岩畫
在自然選擇的作用下、在祖先們的個人奮鬥下，語言和我們的意識相互依存、相互促進，發展成了今天這個樣子。
2.3. 口語是語言的天然存在形式
如前所述，聲音這種資訊載體，由於相對於影象等有著巨大的優勢，最終成為我們交流資訊的主要形式。對應地，我們的主要通過口語來進行溝通活動。因此，口語成為語言的天然存在形式。
2.4. 書面語是提公升意識、語言傳播能力的工具
當然，相比聲音，影象形式的資訊也有獨特的優勢：可以跨越時間和空間進行傳播。石頭上的刻痕、木棍上的繩結，可以把資訊傳遞給子子孫孫或者遠在天邊的另外乙個部落。
單憑聲音，祖先們無法做到這一點——聲音轉瞬即逝，編碼、解碼容易出錯，個體壽命有限等等，都限制了以口語形式存在的資訊。於是，祖先們利用各種方案表示語言，包括在石頭上畫畫、繩子打結、種樹等等。在使用這些方案的過程中，圖形這種形式，由於生成和理解比較便捷，逐漸勝出、成為主流的語言表示方案，並逐漸發展成象形文本。
文字的出現，很好的解決了社群規模越來越大的情況下，資訊交流的迫切需求，進一步提公升了祖先們的生存和生產能力。
3. 語言和文字的若干特點
對現代人來說，語言和文字是密不可分的，二者都是用來對客觀世界進行編碼的符號體系。語言用聲音來編碼意識，而文字通過編碼語言來編碼意識。
3.1. 語言是一套離散的編碼系統
語言是一套離散的系統，我們用以對客觀世界進行盡量近似的刻畫。聲音、影象等原始訊號是連續的，可以非常精準地反映實際情況，而語言只能用「幫」「真棒」這樣的離散取值來描述世界。
另外，由於能力所限，我們只能用語言描述客觀世界的一小部分。因此，語言所記錄的，是對客觀世界原始特徵進行取樣和編碼的結果。理論上，句子是可以無限長的，因此可以表達非常非常精確的意思。
因此，語言與現實世界的關係，有點像我們對函式的多項式操作時，多項式與函式的關係。
3.2. 語言符號的層級性
「我是中國人」這句話，有多個層級。兩個或者多個詞語構成片語；多個片語構成短語；多個短語又構成了句子。因此，句子的結構具有層次性。
圖3‑1 句子的結構
我們在做文字理解或資訊抽取的時候，可以根據場景的特點擊擇合適的粒度。
3.3. 規則可以描述大部分語言現象
詞語的搭配、短語的組合等等，大部分可以用類似「主+謂+賓」的規則來描述。我們寫一些正規表示式就可以解析或者生成合法的句子。但是，總有一些語言現象不符合主流規則，比如「我們要自衛」這句話，按照現在主流的語序應該是「我們要衛自」。
「自x」這種句式是古漢語的語法在現代漢語中的留存。現代漢語中不符合主流句法的現象還有很多。
語法和語義共同決定了乙個句子的形態。因此，我們在解析句子或者生成句子的時候，既要考慮句法的合理性，又要考慮語義的合理性。比如說，「十獒創世紀」這句話，語法上沒啥毛病，不過因為不符合事實(我就不來批判了)，仍然是乙個非法的句子。
因此，我們在對語言建模的時候，實際上需要把客觀世界的相關知識融合進來，才能更好地刻畫語言。
語法和語義共同制約的存在，決定了句子中所有的元素兩兩之間，多多少少存在一定的聯絡。注意力機制特別適合用來刻畫這種複雜關係，也催生了transformer、bert、gpt等經典的語言模型。
圖3‑2 獒吹經典口號
3.4. 語言和文字的關係
文字是語言的編碼，可以看做是語言的圖形化版本。
我們使用文字對語言編碼，進而實現對意識的編碼，最終實現意識跨越時間和空間的傳播。老子、孫子等人的意識片段，通過文字一直流傳到了今天，不斷地在後人的腦海裡活躍著。
當然，文字在發展的過程中，逐漸出現了相對語言的獨立性，比如中國人創造了書法這種藝術形式。古人在傳承和學習文化典籍的時候，為了讓後人也能看懂，規定書面語的語法不能變。結果隨著時間的推移，人們的口語與書面語區別越來越大、學習古文的代價也越來越高。
到了鴉片戰爭以後，人們終於不得不求變，廢掉古文、提倡白話文。這時候，書面語又跟上了口語的腳步。
通常來說，nlp任務的直接處理物件是包含了文字的文字片段，毫無疑問，裡面蘊含了人們的意圖、情感等等。我們用詞袋模型、詞嵌入向量等等，刻畫的不是那個字串，而是文字所代表的意圖和情感。
3.5. 表意文字和表音文字的關係
祖先們把圖畫發展成了象形文本，比如我國商朝時期的甲骨文、古蘇美爾人創造的楔形文字等兩河流域並傳到今天、形成各種表意文字，比如成熟期的漢字、楔形文字。
由於漢語文化圈後來在所在地區一直是文化、生產力等方面的先進代表，文化的載體——漢語和漢字受到了統治者們的推崇，並被秦始皇等人定為國家標準語言，傳承至今。
隨著詞彙規模的擴大，人們逐漸發現掌握語言變得越來越困難。一些民族為了減少或控制文字元號的數量，採用了一種新的策略，即用文字元號表示讀音。這類語言的文字被成為表音文字，代表是英語。
表音文字的特點是字元數量較少、易於學習，有利於語言的推廣。
我們曾經試圖將漢字拉丁化，以降低漢語的學習難度、盡快提公升廣大人民的文化水平。不過呢，共產黨比較給力，通過推廣簡體字，很好的完成了掃盲任務。以王選為代表的科學家們，也用科學技術維護了漢字的生存空間。
而拉丁版的中文就成了我們現在的拼音，用來記錄和表達漢字的標準讀音。
表意文字和表音文字各有所長，可見的未來裡，都將繼續存在。
4. 語言會變化
語言的變化是持續發生的，因此，我們的nlp系統需要經常進行相應的更新。
4.1. 語言變化的動力
語言出現和發展的根本動力，是我們為了獲得生存優勢，在一定成本下盡量多地傳遞資訊的本能和意識。這也是我們提公升生產力的需要。
語言發生變化的動力或者說原因非常多：
（1）先人們在生存和生產的過程中，不可避免會與其他群體發生接觸，或多或少會進行交流(當然交流友好程度的取值範圍是[和平，戰爭])。交流就意味著思維方式、表達方式等等方面的相互學習，就會導致語言的變化。我在邊疆
2樓：雨貝
語言學概論
第一章 語言和語言學
第一節 認識人類的語言
一、 只有人類才有語言（領會）（多選）
(一) 人類語言與其他動物鳴叫系統的區別：
1、 內容更多。
2、 用處更大。
3、 能夠創造。
(二) 人類具有語言能力，是人類跟其他動物區別的最重要的標誌。（單選）
二、 語言和民族、國家之間的關係（領會）（單選）（論述）
(一) 語言不但是最直觀和最易識別的民族標誌，同時還是國家的標誌。
(二) 語言和民族、語言和國家之間存在著複雜的關係。（為什麼漢語中吳語、粵語、閩語相互聽不懂但仍屬於漢語）（綜合應用）
1、 乙個民族使用一種語言。
2、 西方學者把「相互能夠聽懂」作為確定語言的標準。這種標準對於歷史悠久、幅員遼闊的國家則不適用。
3、 「語言」和「民族」之間、「民族」和「國家」之間錯綜複雜的情況，才有做出更加符合客觀事實的結論。
三、 語言特點與語言型別（說明不同型別語言的主要特點）（簡單應用）
(一) 語言的譜系分類（領會）（名詞解釋）
1、 語言譜系分類：從語言「歷時」狀態角度來劃分，根據各種語言在語音、語彙、語法等方面是否有共同的**和相似性的大小對語言進行的分類。
2、 了解怎樣區別不同的語言和不同的方言（領會）（單選）（多選）：
（1） 譜系層次：語系—語族—（語支）—語言—方言—次方言（土語）
（2） 語系（識記）：屬於同乙個語系的語言都有古老的共同**。其中印歐語系和漢藏語系是兩個最大的語系。
（3） 語族（識記）：同一語族的語言不但有相同的**，相似點也更多。
(二) 語言的形態分類（領會）
1、 語言形態分類（名詞解釋）：從語言「共時」狀態角度來劃分不同的語言，其中一種主要的分類結果就是把人類語言分成「形態語」和「孤立語」，或者分成「綜合性語言」和「分析性語言」。
2、 「形態語」和「綜合性語言」（識記）（名詞解釋）：通過詞的形態變化來體現各種結構意義的語言。
（1） 屈折語（識記）（名詞解釋）：主要是句子中某些詞本身有豐富的形態變化，典型的如德語、俄語。
（2） 黏著語（識記）（名詞解釋）：主要是句子中某些詞的形態變化表現為在詞的前後附有詞綴，典型的如維吾爾語、日語。
3、 孤立語」和「分析性語言」（識記）（單選）（名詞解釋）：屬於沒有形態變化的語言，如漢語。
四、 語言和言語
(一) 語言和言語的概念（單選）（名詞解釋）
1、 言語：言語動作和言語作品，又可以統稱為「言語」。
2、 語言：說話時使用的符號工具。
(二) 語言和言語的關係：（領會）（易考）（單選）（簡答）
1、 「語言」是更重要的，至少是決定「言語」的。
2、 「言語」又是更現實的，至少是比「語言」更容易直接觀察到的
中國古代的輝煌歷史，中國古代的輝煌歷史 5
秦始皇 公元前259 前210年 和他的帝國 公元前221年，秦始皇嬴政結束了長達250多年諸侯紛爭的戰國時期，建立了中國歷史上第一個統一的 集權的多民族封建國家 秦。秦始皇統一了文字，統一了度量衡，統一了貨幣，建立了郡縣制度。由他奠定的封建國家框架在以後的2000多年中一直被人們延用著。他在十幾年...
古代禮儀問題，中國古代禮儀
每個朝代都不同，你所指的古代是大概在什麼時段 跪拜禮，初年被孫中山先生廢除！中國古代禮儀 關於古代禮儀 歷史中是要下跪的。關於這點在電視劇集小魚兒和花無缺有體現。淑妃省親，慕容無敵跪拜女兒 需要的，這是君臣之禮。禮儀即禮節與儀式。中國古代有 五禮 之說，祭祀之事為吉禮，冠婚之事為嘉禮，賓客之事為賓禮...
中西古代雕塑的不同，中國古代雕塑與西方雕塑的異同點
樓上的,你敢把出處掛出來嗎?抄的就抄的,你有自己的見解嗎?樓上的摘抄的很詳細,不過,依我個人而言,有些觀點我還是不敢苟同的.雕塑的產生早在原始社會就有了,甚至更早,當然更早的就無從考證了.社會中的雕塑,是受社會自然形態的影響,受人們思想侷限性的影響,從而造成了原始雕塑的一種對於神靈的敬畏以及對自然的...