一个新的汉语语素定义，再谈汉语的语素

一个新的汉语语素定义，再谈汉语的语素

——拼义语言（第10篇）

夏国民

在之前的“拼义语言第6篇”里，笔者解构了“旧的汉语词素说”，质疑过“语言中最小的有意义的单位”这个汉语语素定义，指出《现代汉语词典》上的语素的详细释义“好像是为诠释词而建立的一个概念”，具体解释词往往陷入兜圈子，但没有阐述出应有的新概念，这里再谈谈汉语语素。

不言而喻，任何语言都有各自的语素，这是不可否认的，没有语素就不成其为语言。

那么，对汉语语素应该如何正确认知呢？

笼统地说，汉语语素应该就是语句中所有语言因素的简称。一般来说，汉语语素应该包括语句中所有不同音节的词，而语言因素的核心应该是对词的语义界定。汉语句子是由词组成的，换一种说法也是由语素组成的，汉语语素的界定实际上就是句子分词。反过来说，要正确定义汉语语素，必须紧紧抓住词的语义这个核心。

汉语词最基础最直观的分类方式是按语音音节数量分类，包括单音节词、双音节词、三音节及以上多音节词等层次。

如果按功能架构来划分，汉语词汇应该分为底层词（单音节词）、基层词（双音节词）、复合词（三音节及以上多音节词组）这三个层次。下面分层来说说“应该”。

所谓单音节词，是汉语的基本表意单位（其它语言都没有这个概念），也就是单独有意义的汉字，又称为底层词。常用的绝大多数汉字都是单音节词，数以千计，例如，“你、我、他、她、它”等等。单独没有意义的汉字就不是单音节词，例如，“吖、萄、腌（ā）”，它们必须分别与其它相关汉字结合在一起才能成为词。因此，单音词（底层词）的语义（意思）很容易界定，即使不知道详细的，查一下字典，就能全部知道。

双音词是双音节词的简称，由两个汉字构成或组成，又称为基层词（包括由单独没有意义的汉字组成的词）。例如，“我们、中国、人民、苹果”。语句中的双音词语义应该清晰，代表一个完整的概念，不是随便两个汉字拼在一起就能算数的，有的需要仔细甄别。

比如，林毅夫先生说过：“任何理论其实都是一个简单的逻辑体系，以说明现象背后的因果关系，而且越简单越好。”

假设上面这段话都是由单音节词和双音节词组成，显然，其中就有“任何、理论、其实、都是、一个、简单、逻辑、体系、说明、现象、背后、因果、关系、而且、简单、越好”这16个双音词，剩下的只有“的、以、越”3个不同的单音词，语义都清晰。

通过以上分析，可以初步推断，这些单音词与双音词的语义区别明显，而且这里的双音词都是由单音词组成的。它们都是语句中不同的语言因素（简称语素），这一点是确定无疑的。

汉语中“最小的音义结合体”本来是指单音节词，但由于单音词是语素的主要成分之一，二者容易混淆，因此必须明确说明：单音节词与语素不是对等关系，语素还包括着双音节词等其它多音节词。

在初步确定了单音节词和双音节词是语言因素（语素）的基础上，可以建立这样一个语素新定义：语句中语义完整且不可再分的语言单位。这里“不可再分”的意思是：如果再进一步细分，就将颠覆该词语的语义性质。

按照以上这个语素新定义，三个音节以上的汉语成语都符合语素要求。例如：“门外汉，画龙点睛，树倒猢狲散，九牛二虎之力，心有灵犀一点通。”它们都是结构固定的词语，意内而言外，不可再分。

下面再来说说音译词。

《通用规范汉字字典》的前言里有这样一段文字：“虽然规范字也可以用来作为音化字记写方音和译音，但那只是附加的职能。”简单直白地说，用规范字记写译音只是纯粹利用其音。音化字实际上都是被当作音素用，音译词的所有音素只有作为一个整体才能表达意义，一旦分裂开来就没有意义。也就是说，音译词的语义也是完整且不可再分的语言单位，因此也符合语素新定义。例如，纽约，哈尔滨，乌鲁木齐，布加勒斯特，乌兹别克斯坦，布宜诺斯艾利斯。

从音译的角度，还可以总结说，音译词都是“最小的有意义的单位”。这正好契合了《现代汉语词典》对汉语语素的定义：“语言中最小的有意义的单位”。但是，词典里的语素定义对比前面的“语句中语义完整且不可再分的语言单位”这个新语素定义，并不一致。

其一，前者的范围表述比较笼统，“语言”相较于“语句”是一个宽泛得多的概念。其二，前者存在语境歧义。“有意义的单位”一般的理解是指语义单位，由于语言有语音和语义两个要素，由于英语是多音节单词文字，无需计较单词中“最小的有意义的单位”的语音音节多少问题，但现代汉语中没有多音节单词，单词就是单音节词，因而“最小的有意义的单位”句中含有“最小的语音和语义”意思，可以理解为专指单音节词（例如“人”与“人们”的区别），这就是照搬英语语素定义存在的漏洞（例如解释得了“哈尔滨”是一个语素，却解释不了同为省会城市的“石家庄”），也是汉语词典上“语素与词素释义”存在悖论的原因，这里不再赘述。

论述至此，可以总结一下，针对“单音节词、双音节词、成语和音译词”这4种类型的词语来说，新语素定义并行不悖，包括但不限于“最小的有意义的单位”或“最小的音义结合体”。

进一步而言，对于一般的多音节词来说，只要通得过“语句中语义完整且不可再分的语言单位”的检验，就都是新语素，否则就不是。

比如，“工程师”就不能再分，若分成“工程”和“师”之后，性质就变了；而“总工程师”，就可以拆成“总”和“工程师”，虽然意思不一样了，但“职业”性质没有变；“副总工程师”更能拆，就不用细说了。

需要注意的是，对于任何一个汉语语素来说，语义的整体性都是第一位的，一般的多重复合词都分得开。比如，“航空抗燃磷酸酯液压油”。

新语素定义明确了汉语语素都是不同音节的词，属于句法语言概念。语素就类似于“语义块”，起组成句子和供分析句子结构的作用，实际上能与人工智能的文本token对接。例如,“他喜欢吃苹果”这句话，对人类来说是一个完整的句子；对汉语来说，它是由6个汉字分为“他、喜欢、吃、苹果”4个语素；对AI来说，它可以被视为“他、喜欢、吃、苹果”4个Token。

有研究者说：“中文与AI文本token的深度契合，并非偶然的巧合，而是源于汉语言文字天然的“图像化”与“结构化”特质。这两大特质恰好击中了当前AI技术路线中的核心痛点：语义理解的模糊性、世界建模的高成本、知识迁移的低效率。”

大语言模型是一个在海量多语言数据上训练出来的统计模型，有待中文起更大的作用。可以说，汉语新语素定义是应AI蓬勃发展而生，正所谓“万物随春醒，美好皆可期。”