[论文解读] Grammatical Constraints on Intra-sentential Code-Switching: From Theories to Working Models

Gayatri Bhat, Monojit Choudhury+1 more|arXiv (Cornell University)|Dec 14, 2016

Natural Language Processing Techniques参考文献 10被引用 15

一句话总结

本文通过整合等价约束理论（Equivalence-Constraint, EC）与主控语言理论（Matrix-Language, ML），提出了一种用于印地语-英语句内语码转换的计算模型，证明了单一理论既不充分也不完备。研究提出一种混合模型，结合了EC的词汇约束与放松版ML框架，经由人工评估验证，结果显示可接受性判断存在高度变异性，受社会语言因素影响显著。

ABSTRACT

We make one of the first attempts to build working models for intra-sentential code-switching based on the Equivalence-Constraint (Poplack 1980) and Matrix-Language (Myers-Scotton 1993) theories. We conduct a detailed theoretical analysis, and a small-scale empirical study of the two models for Hindi-English CS. Our analyses show that the models are neither sound nor complete. Taking insights from the errors made by the models, we propose a new model that combines features of both the theories.

研究动机与目标

• 基于两大主要语言学理论——等价约束（Equivalence-Constraint, EC）与主控语言（Matrix-Language, ML）——开发可运行的句内语码转换计算模型。
• 评估EC与ML模型在生成语法正确且自然的印地语-英语语码转换句方面的理论与实证充分性。
• 通过分析模型生成句中的错误，识别现有理论的局限性。
• 提出一种混合计算模型，整合两种理论中最有效的约束，以提升性能。

提出的方法

• 使用上下文无关语法将EC与ML理论形式化为可配置、语言无关的计算模型，分别针对印地语与英语。
• 应用系统性假设以解决原始理论中的不明确性问题，从而实现模型的可实现性。
• 利用基于EC与基于ML的模型生成语码转换句，控制在词法句法边界处进行切换。
• 开展小规模人工评估，由五名双语评判者在五级量表上评估句子的可接受性与自然度。
• 分析人工判断中的差异，识别社会语言因素对语码转换可接受性的影响。
• 提出一种混合模型，结合EC的词汇约束与放松版ML的主控结构，以提升覆盖范围与自然度。

实验结果

研究问题

• RQ1 当EC与ML理论以计算方式实现时，它们在生成语法正确且可接受的印地语-英语语码转换句方面，其表现程度如何？
• RQ2 为何EC与ML模型均无法生成所有可接受的语码转换模式？它们所遗漏的关键句法与词汇约束是什么？
• RQ3 通过人工判断揭示，社会语言因素（如语体、正式程度、地区差异）如何影响语码转换句的可接受性？
• RQ4 能否通过整合两种理论约束的混合模型，实现比独立模型更优的覆盖范围与自然度？
• RQ5 在不同双语社群中，可接受语码转换模式的层级或部分顺序约束由什么决定？

主要发现

• EC与ML模型均不具完备性与健全性，因它们无法生成或拒绝某些在自然语料中观察到的可接受语码转换模式。
• 人工评估显示可接受性评分存在高度变异性（例如，标准差高达1.67），表明社会语言与地区因素对自然度感知有显著影响。
• 代词切换（如用'tum'表示'you'）普遍被视为不可接受，表明功能词类并非可自由切换，与部分ML假设相悖。
• EC模型被发现过于严格，尤其在处理功能词类时，限制了其对真实语码转换模式的覆盖范围。
• 结合EC的词汇约束与放松版ML结构的混合模型表现出更优性能，表明准确建模需要多维度约束层级。
• 词汇因素（如语体与正式程度，例如'neeras'过于正式）显著影响自然度与流畅性，表明词汇选择是语码转换语法可接受性中的关键组成部分。