提高粤语中“bei2”语法化形式的翻译准确性：基于语料库的语言学方法对机器翻译中歧义消解的探讨

《Applied Corpus Linguistics》：Increasing translation accuracy for grammaticalized bei2 in Cantonese: A corpus-linguistic approach to machine translation disambiguation

　　Pui Lun Chow
香港中文大学文学院英语语言教学单元，中国香港沙田利达臣大厦3楼322室

摘要
本研究认为，基于语言学知识的语料库分析对于提高机器翻译（MT）的质量至关重要，尤其是对于粤语这样的低资源语言。本文以粤语动词“bei2畀”为例，该动词意为“给予”，但在同一语法结构下具有多种功能。研究表明，多义性和功能模糊性给机器翻译带来了系统性的挑战。通过对香港粤语语料库（HKCanCor）的分析，发现“bei2畀”有七种不同的用法。其中，表示允许或被动意义的用法经常被现有的基于AI的翻译工具错误翻译。为了验证这些发现，研究首先评估了三种广泛使用的开源AI工具——ChatGPT-4o、Deepseek和Microsoft Copilot——在处理包含“bei2畀”的粤语句子时的表现。结果发现，这些工具在翻译表示允许或被动意义的“bei2畀”时存在一致性错误。研究假设这种错误可能源于允许和被动用法在频率上的不平衡，以及这些工具对细粒度形态句法和语义差异的敏感度较低。随后，通过FrameNet语义表示法对语料库中的允许和被动用法例句进行了分析，并将其作为提示注入机器翻译工作流程中。结果显示，Copilot和Deepseek的翻译准确性有所提升，而ChatGPT-4o的表现仍然不稳定。该研究不仅提供了关于“bei2畀”允许和被动用法的详细实证分析，还展示了如何利用语料库驱动的语义洞察来提升低资源语言的机器翻译质量。

1. 引言
机器 translation 的出现打破了语言障碍，极大地促进了语言学习者的发展。无疑，机器翻译是计算机技术最受欢迎的应用之一。自从神经机器翻译（NMT）和Transformer模型问世以来，机器翻译在翻译质量（准确性）、流畅性和上下文理解方面取得了显著进步，这些模型融合了人工智能和自然语言处理的多项技术创新。

然而，由于NMT模型是基于平行语料库（即对齐的源语言和目标语言句子）进行训练的，这给粤语等低资源语言带来了挑战（Hong等人，2024年）。尽管NMT和Transformer模型主要基于普通话数据训练，但相关粤语数据集往往不足（Mak和Lee，2022年）。此外，由于粤语主要为口语，其书写形式存在诸多不一致性。例如，“give”这个动词可以写作“俾”或“畀”；所属标记“嘅”有时会省略笔画写作“既”；量词“一些”则常用英文字符“d”或“di”表示。这类数据标准化程度的不足影响了模型训练，进而增加了翻译错误。

加剧粤语-英语翻译难度的是多义词汇或语素的普遍存在。当存在两种具有相同句法结构的潜在意义时，翻译时可能会优先选择其中一种。然而，尽管形式相同，说话者通常能够通过推断选择正确的含义，而机器则难以区分这些不同用法。基于这些观察，本文认为，从语料库分析中提取的语言学知识对提高机器翻译效果至关重要，尤其是对于粤语这类低资源语言。本文以粤语动词“bei2畀”及其语法化变体为例，展示了该动词多义用法的语法特征。这些发现有助于消解语法歧义，从而提升翻译质量。

本文的结构如下：第2节描述了使用ChatGPT-4o、Deepseek和Microsoft Copilot三种开源AI工具翻译包含“bei2畀”的粤语句子的结果；第3节阐述了研究方法；第4节详细分析了语料库的发现，重点介绍了“bei2畀”的不同用法及其对翻译准确性的负面影响；第5节基于语料库结果，利用FrameNet语义表示法区分了“bei2畀”的允许意义和被动意义。最后，展示了如何将语料库发现和FrameNet语义表示法应用于提升粤语多义语素“bei2畀”在机器翻译中的准确性。

2. “bei2畀”在粤语-英语翻译中的用法
根据Chin（2009年）的研究，“bei2畀”的多种用法可追溯至1828年。下图展示了“bei2畀”的语法化演变路径（Chin，2011年，第550页）：

该图表显示，“bei2畀”既可以作为工具标志（表示给予），也可以作为被动标志。Chin（2011年）通过时间线索证明，“bei35”在19世纪主要用作工具标志，而“bei22”作为被动标志则出现较晚。被动用法逐渐取代了“gwo3過”作为被动标志的地位，直至20世纪初；相比之下，工具用法的使用频率此后逐渐降低。Chin（2011年）列举了“bei2畀”的五种语法化功能：
（1）间接宾语标志（作为介词）；
（2）受益者标志（作为介词）；
（3）使役动词；
（4）被动标志；
（5）工具标志。

以下是这些用法的例句：
（2）间接宾语标志：
“ngo5gaau1 zo2 bun2 syu1 bei2 zoeng1saam1 我交 咗 本 書 畀 張 三”（我给了张三一本书）
（3）受益者标志：
“ngo5 zik1 zo2 gin6 laang1 saam1 bei2 nei5 我 繨咗 件 冷 衫 畀 你”（我为你织了一件毛衣）
（4）使役动词：
“ngo5 bei2 keoi5 daa2 laam4 kau4 我 畀 佢 打 籃 球”（我让他打篮球）
（5）被动标志：
“ngo5 bei2 aa3maa1 laau6 我 畀 阿媽 鬧”（我被妈妈责骂）
（6）工具标志：
“bei2 go3 doi2 baau1 zyu1 zek3 gai1, gan1zyu6 zai1 jap6 bei2 go3 doi2 baau1 zyu1 zek3 gai1, gan1zyu6 zai1 jap6 被 個 袋 包 住 隻 雞, 跟 住 擠 入雪 櫃”（用袋子包住鸡，然后放进冰箱）。

在“bei2畀”的多种用法中，使役和被动用法在句法和语义研究中受到特别关注，因为它们体现了南亚语言中常见的连动词结构（SVC）特征。Sebba（1987年，引自Matthews，2006年）将SVC定义为“由两个或多个动词构成的短语，在某种意义上表示单一谓语。每个动词都必须能够独立作为动词使用”。例如，在（4）中，使役结构由“bei2畀”（V1）和“daa2打”（V2）组成；在（5）中，被动结构由“bei2畀”（V1）和“laau2 鬧”（V2）组成。不过，Sebba的描述可能未能准确反映这两个结构中V1的句法特征。在使役结构中，V1虽然能够与其他动词共同构成谓语，但本身不具备独立成句的能力；在被动结构中，V1既不能与否定标记“m4唔”结合使用，也不能后缀“gwo3過”。尽管形式相同，但两者在动词用法上存在差异，这支持了它们通过相同语法化路径发展的假设。此外，这也印证了Matthew的观察：不对称的SVC结构倾向于语法化，其中“bei2畀”会承担特定功能。

值得注意的是，Matthew（2006年）将（4）中的用法称为“允许可”的，而非“使役”。Kulikov（2001年）指出，“使役”是一个广义术语，指表示两个事件（P1和P2）之间因果关系的动词结构，其含义为“导致P2发生某个动作”。在这种结构中，P1是使役动词（如“bei2畀”），P2是受影响的动词。所谓“允许可”，是指阻止某人完成该动作。根据Kulikov的定义，“允许可”意味着“阻止某人做某事”。

在本文中，使用“允许可”这一术语更准确地表达了该结构的语义，同时将其与其他类型的使役（如帮助性用法）区分开来。当前研究关注的是由于“bei2畀”的句法形式相同而导致机器翻译中的误差。为了避免未来研究中的混淆，选择了更准确的术语。

ChatGPT-4o、Copilot和Deepseek在翻译“bei2畀”时能够准确反映其多义用法。对于被动用法，ChatGPT-4o使用了助动词“was”和过去分词形式；而Copilot和Deepseek则使用了“got-passive”结构。当“bei2畀”作为工具标志时，只有Copilot明确使用了“use”一词来表示工具。表1展示了三种AI工具的翻译结果。

表1. 三种AI工具对“bei2畀”多义用法的翻译结果

| 功能 | 对应例句 |
|------------------|---------------------------------------------|
| 间接宾语标志 | 我交 咗 本 書 畀 张 三 |
| 受益者标志 | 我 繨咗 件 冷 衫 畀 你 |
| 使役动词 | 我 让 他 打 籃 球 |
| 被动标志 | 我 被 妈妈 责骂 |
| 工具标志 | 用 袋 包 住 隻 雞, 跟 住 擠 入雪 櫃 |

（所有翻译均基于2024年7月28日的数据。）
例句（4）和（5）清晰展示了“bei2畀”的允许用法和被动用法，三种AI工具均能生成准确的翻译。然而，当句子中包含模糊的允许或被动意义时，AI工具要么无法同时呈现两种解释，要么产生不准确的翻译。以下是包含“bei2畀”的例句及其对应的ChatGPT-4o、Copilot和Deepseek翻译结果：

（7）“ngo5 bei2 keoi5 yung6 saai3 di1 cin2 我 畀 佢 用 晒 啲 錢”
ChatGPT-40：**“I let him use up all the money.”**（让我让他花光所有钱。）
Co-pilot：**“I let him use up all the money.”**
DeepSeek：**“I let him use up all the money / I gave him all the money to spend / He used up all the money (that I gave him”).**

例句（7）中的“bei2畀”具有多义性。在没有上下文的情况下，两种解释都是合理的。然而，在所有三个翻译结果中只表现出了bei2畀的许可用法，而可能的被动解释并未被包括在内。(8)gam1ci3 zan1hai6 caam2 laa3, ngo5 bei2 keoi5 jung6 saai3 di1 cin2 今次 真係 慘 啦， 我 畀 他 用 晒 啲 錢 这次真的糟糕，我让他把钱都花光了。It’s really bad this time. I had all my money spent by him.预期用法：虽然在没有上下文的情况下也可能有许可性的解释，但被动解释更为合适且更加自然。ChatGPT-4o：“这次真的很糟糕，我让他把所有的钱都花光了。” (OpenAI, 2024)Co-pilot：“这次真的很糟糕 — 我让他把所有的钱都花光了。” (Microsoft, 2024)Deepseek：“这次真的很糟糕—he used up all my money! / 这太糟糕了！我让他把我的钱都花光了！” (DeepSeek, 2024)(9)gam1ci3 zan1hai6 caam2 laa3, ngo5 bei2 keoi5 zong6laan6 zo2 gaa3 ce1 今次 真係 慘 啦， 我 畀 他 撞爛 咗 架 車 这次真的很糟糕，我的车被撞坏了。It’s really bad this time. My car was crashed.预期用法：只有被动解释是可接受的。间接的被动形式强调了主语的承受，即我因为他的行为而遭受了损失。ChatGPT-4o：“这次真的很糟糕，我让他把车撞坏了。” (OpenAI, 2024)Co-pilot：“这次真的很糟糕 — 我让他把车撞坏了。” (Microsoft, 2024)Deepseek：“这太糟糕了—he crashed and wrecked my car!” (DeepSeek, 2024)在三个翻译结果中，都没有找到将bei2畀作为被动标记的更合适、更自然的解释。相反，只选择了bei2畀的许可用法。在(9)中，这个句子只能被理解为被动结构，意思是“我因为他撞坏了我的车而受到了影响”。然而，这三个AI工具都错误地将其翻译为了许可用法“我让他做了某事”。从上述翻译任务的结果中，可以得出关于粤语-英语机器翻译中bei2畀的几个重要观察：首先，所有三个AI工具的语言数据都展示了bei2畀的各种用法，并且在没有歧义的情况下能够正确识别这些用法。这排除了(9)的翻译不准确是由于训练数据中的词汇信息不足所致的可能性。其次，当许可性和被动性解释都可能时，只选择了许可性解释。第三，即使提供了与间接被动相关的负面情境上下文，也未能识别出bei2畀的间接被动结构。3. 方法论3.1. 语料库本研究使用了从香港粤语语料库（HKCanCor）（Luke和Wong，2015）中获取的自然粤语数据，该语料库包含93段自然对话录音和约23万个词汇单位。在研究中，使用PyCantonese（Lee等人，2022）在Google Colab上搜索了“畀”和“俾”这两个词。在这个语料库中，只有“畀”被用来表示与格意义和其他语法化的用法。“俾”这个词在语料库中未找到。选择这个语料库有两个主要原因：首先，现有的粤语语料库数量有限（Fletcher等人，2000；Lee和Wong，1998；Leung和Law，2001；So，1992；Xu和Lee，1998），而香港粤语语料库（HKCanCor，2015）是现有的粤语语料库中最新的（其次是Leung和Law的香港成人粤语语料库，2001年）。这个语料库被认为能够反映当前的语言使用情况。其次，一些现有语料库是针对特定研究或主题制作的。例如，Xu和Lee（1998）制作的语料库涉及上海话、粤语和普通话；香港成人粤语语料库（Leung和Law，2001）记录了说话者讨论预设主题的广播节目。Luke和Wong的语料库是少数收集自然对话录音的语料库之一。数据收集的设计能够准确反映语言使用情况以及语言趋势。为了考察决定bei2畀适当解释的语用和上下文因素，在包含bei2畀的句子前后各提取了一段话语范围进行探究。5.3.2. 数据排序和语义表示语料库搜索的输出根据其功能进行了分类。采用了FrameNet表示法来说明与bei2畀的各种用法相关的语义。FrameNet是一个基于框架语义学（Fillmore，1982）原则开发的语义表示模型。在这个语义模型中，意义的描述和分析建立在语义框架之上，这些框架定义了称为框架元素（FEs）的语义角色。从认知角度来看，解释一个结构，即理解它所表示的事件或命题，需要知道导致该事件或命题的组成部分（称为框架元素）。此外，还必须参考结构化的经验、信念或实践背景，将这些元素与词汇单位（LU）引发的语义框架联系起来（Fillmore和Atkins，1992：76-77）。Ruppenhofer等人（2016）引用的一个典型的FrameNet表示例子是动词“avenge”（复仇）。词汇单位“avenge”以及其他语义相关的单位如“to revenge”（报复）和“revengeful”（复仇的）引发了Revenge框架。这个框架通过一个包含核心元素（包括事件和参与者）的散文描述来定义。这些元素被称为框架元素（FEs），并在下面的例子框架定义中用大写字母表示。（10）复仇框架：复仇者对加害者实施某种惩罚，作为对先前对受害者的伤害的回应。复仇者不一定与受害者相同，但需要认为加害者的行为是错误的。重要的是，复仇者对加害者的惩罚被认为是基于个人或群体的观点，而不是法律。Boas（2017）提供了一个将FE标签应用于例句的例子（第522页）：[Rick] avenged[tg [他的宠物犰狳的死亡] [通过杀死郊狼]。[DNI] [DNI]（上标“tgt”代表目标词汇单位。）[DNI]代表从上下文中可以理解的词汇上特定的实体。由于没有为粤语建立框架Net，本研究采用了英语（FrameNet，2026）和中文（CFN-Lab，无日期）的框架和词汇单位索引，除非找不到合适的框架定义和词汇单位。在这种情况下，将提出一个新的框架。下面展示了带有注释的例句。（12）展示了及物动词“give”的FrameNet表示，（13）展示了bei2畀作为介词“to”的表示。（14）是一个带有注释的例子。（12）Give-FNA：捐赠者将主题从捐赠者转移到接收者。这个框架仅包括由捐赠者发起的动作（即最初拥有主题的人）。句子（即使是比喻性的）必须满足以下条件：捐赠者首先拥有主题。转移之后，捐赠者不再拥有主题，而接收者拥有。（13）Goal-FN：将位置与运动目标相关联。（14）（重复（2）（Chin，2011：534）用FrameNet注释表示（介词“to”的含义）。DONOR tgt THEMERECIPIENT 空单元 tgt GOALngo5 我1st sg gaau1 zo2 交 咗 Pass Perf bun2 syu1 本 书 CL book bei2畀 to zoeng1 saam1 张 三 Zhang San（15）展示了动词zik1（编织）的FrameNet表示，（16）展示了bei2畀作为受益者标记的表示，类似于英语中的“for”。（15）Intentionally_create-FNA：创造者将创造的对象带入存在。（16）Cause_benefit-FN：行动者对受益者造成积极影响。（17）（重复（3）（Chin，2011：534）用FrameNet注释表示（介词“for”的含义）。CREATOR tgt CREATED_ghost ACTOR CAUSE tgt BENEFICIARYngo5 我1st sg zik1 zo2 gin6 laang1 saam1 编织了一件毛衣APERF CL sweater bei2畀 for nei5 你2nd sg（12）-（14）和（15）-（17）中的表示展示了使用FrameNet作为语义资源的关键特点和优势。首先，FrameNet围绕概念框架组织意义，而不是孤立的词义。这对于消除多义词的歧义非常有用，例如bei2畀在这种情况下。特定的框架情景限制了多义词的含义解释，并比逐字翻译提供了更高的语义一致性和准确性。其次，意义或框架是用框架元素（FEs）构建的，并通过继承和子框架关系联系起来。这不仅允许具有共享FEs的词相关联并创建语义图，还允许词的原始意义与其语法化意义之间建立联系，如果这些语法化意义仍然与原始词共享某些FEs的话。例如，及物用法中的bei2畀和许可用法中的bei2畀都涉及两个参与者（及物用法中的捐赠者和接收者，许可用法中的授予者和接受者）。在这两种用法中，一个AGENT作为核心FE参与，使得另一个参与者能够获得他们之前没有的东西（及物用法中的对象；许可用法中的能力和权限）。第三，从实际角度来看，由于FrameNet在事件层面构建意义，而不是在孤立词义层面，因此已经建立好的目标语言中的FrameNet可以投影到资源较少的语言中，如粤语。在粤语-英语翻译中，可以使用基于注意力的对齐方法（Marzinotto，2020）将英语FrameNet中丰富的框架和注释句子投影到粤语中。而不是手动注释bei2畀的不同用法，可以直接使用现有的英语FrameNet基础设施。3.3 翻译准确率本文采用了修改后的HOPES框架，称为HOPE-Simplified（HOPES），来评估三个AI工具的机器翻译（MT）输出的准确率。原始的HOPES框架旨在解决对现有人类质量评估的一些批评，如指标过于复杂和不必要的详细，以及未能追踪MT特定错误。该框架旨在提供一种可扩展的、以人为中心的MT输出和后期编辑质量度量方法。有八个质量指标或错误类型，即Impact（IMP）、Required Adaptation Missing（RAM）、Terminology（TRM）、Ungrammatical（UGR）、Mistranslation（MIS）、Style（STL）、Proofreading error（PRF）和Proper Name（PRN）（Gladkoff和Han，2022，第16页）（错误类型和描述见附录）。该框架最初是在英俄机器翻译上测试的。在Hong等人（2024）对几种最先进的商业机器翻译模型的粤语-英语翻译输出质量进行的研究中，HOPES框架通过结合一些错误类型进行了进一步修改。最终，选择了三种主要的错误类型用于MT输出的人类评估，并重新命名为Mistranslation（MIS）、Terms（TRM）和Style（STL）。三种主要错误类型如下：(i)Mistranslation（MIS）被定义为“感知意义与实际意义不同”。(ii) Terms（TRM）被定义为“术语不正确，包括专有名词或实体翻译的不一致，分数越高表示错误术语越多”。(iii) Style（STL）被描述为“翻译风格较差，但不一定语法或形式上不正确。它也可能包含不影响意义的语言错误，但可能会让用户感到不适”。在这项研究中，使用了四种错误类型作为翻译准确性的评判标准。这些包括HOPES-Simplified中修订的三种错误类型，即Mistranslation（MIS）、Terms（TRM）和Style（STL），以及从原始HOPES框架继承的Ungrammatical（GRAM）。下面提供了用于翻译准确率评估的四种错误类型的概述：(i)Mistranslation（MIS）被定义为“感知意义与实际意义不同”。(ii) Terms（TRM）被定义为“术语不正确，包括专有名词或实体翻译的不一致，分数越高表示错误术语越多”。(iii) Style（STL）被描述为“翻译风格较差，但不一定语法或形式上不正确”。它也可能包含语言错误，这些错误不会影响意思，但可能会让最终用户感到困扰。不合格（GRAM）的翻译被描述为“翻译不符合语法——需要修正才能正确传达意思”。邀请了三位以粤语为母语且英语流利的专业评估者来根据所描述的错误类型对错误严重程度进行评分。在评估者做出判断之前，会向他们提供错误类型的定义和示例。

在语料库中的23万个单词标记中，发现了471个“bei2畀”的实例。观察到“bei2畀”出现在各种句法环境中，并且具有不同的语义含义。这一观察结果与Chin（2011年）的研究描述大体一致。在语料库中的471个“bei2畀”实例中，有一个由于结构不完整而被视为未定义的实例。“bei2畀”的许可性使用最为常见，占470个实例中的167个（35.5%）。源意义“give”是第二常见的用法，出现了130次（27.6%）。作为工具标记的“bei2畀”仅出现了一次，这支持了Chin（2011年）的观察结果，即“bei2畀”的工具用法已经弱化。值得注意的是，该语料库还揭示了Chin（2011年）研究中未包含的一种用法；发现“bei2畀”可以表示“if it were”的意思。在语料库中识别出了六次这种用法。示例（18）说明了“bei2畀”表示“if it were”的用法。在这种用法中，“bei2畀”的使用受到严格限制。不同于许可性、被动性和工具性用法，“bei2畀”后面总是跟着一个名词性短语（NP）。在这方面，它在句法和形态学上与作为受益者标记的“bei2畀”用法相似。有假设认为“if it were”是从作为受益者标记的意义进一步语法化而来的。

表2总结了语料库中证实的“bei2畀”各种用法的频率。

频率或词汇的分布对机器翻译起着重要作用。Vanmassenhove等人（2019年）研究了词汇频率对机器翻译（MT）范式的影响。他们的研究发现，由于数据驱动的机器翻译系统的性质，存在算法偏见。机器翻译的最大优势之一是能够基于泛化数据进行训练并产生更一致的输出。一个单词或短语在输入语言中出现的频率越高，其在输出语言中出现的频率也越高；另一方面，出现频率较低的单词或短语最终在输出中的出现频率会越低，随着机器翻译继续基于这种输入-输出算法进行训练，这种情况会变得更加严重。Vanmassenhove等人（2019年）指出，这种负面影响导致了词汇多样性和丰富性的丧失，最终可能导致大量词汇在翻译过程中完全“丢失”。

在许可性和被动性“bei2畀”结构的情况下，这两种用法可以出现在相同的句法形式中，这放大了机器翻译的定量偏见。语料库研究的结果显示，许可性“bei2畀”的使用频率大约是被动性的三倍（35.5% vs 12.3%）。机器翻译范式偏爱更常见的单词（许可性“bei2畀”）而忽视较少见的单词（被动性“bei2畀”），这可能导致翻译不准确。

如第3节所述，邀请了三位人类评估者根据HOPE-Simplified（HOPES）标准对翻译的准确性和质量进行评分。评分系统基于第3.3节中描述的四个标准，采用了六点评分量表（0-16分，其中0分表示没有错误，16分表示有严重错误）。评分系统以及三组测试句子和翻译如下所示（完整的问卷见附录）。

在评估任务中，来自三种人工智能工具的句子（7）至（9）（在下面的（19）至（21）中重复）的翻译输出被重新排列并编号，因为有些情况下会出现相同的翻译结果。为了避免评估者的混淆，不同人工智能工具的相同翻译结果只显示一次。同一工具的多个翻译结果被分别编号。下面提供了源句子及其相应的翻译。

在这三个人类评估者中，对句子（1）的评估结果存在很大差异。一位评估者认为许可性解释（翻译A）在意义上有重大错误（MIS），而另一位评估者认为被动性改写版本（翻译C）在误译方面有严重错误。这种差异可能主要是由于两位评估者在许可性和被动性解读之间的选择不同。所有评估者都认为翻译B存在问题，但严重程度从2到16分不等。

在句子（2）中，“bei2畀”的被动用法并未明确表达出来。相反，通过感叹号表达了类似痛苦或负面情绪的语气。两位评估者认为翻译B在意义上没有错误（MIS），而另一位评估者则认为翻译B在意义（MIS）和术语使用（TRM）上有重大错误，在风格（STL）和语法（GRAM）上有严重错误。翻译D也是如此，两位评估者认为它没有错误，而一位评估者认为它在意义上有重大错误，在术语使用（TRM）和风格（STL）上有严重错误。对于翻译A和C，所有评估者都认为它们在意义上有重大到严重的错误。其中一位评估者甚至认为翻译A和C在所有方面都有重大到严重的错误。

在句子（3）中，与前两个句子类似，前半部分提供了负面语境。翻译A和B都是许可性用法，但在意义上都被评估为有问题。一位评估者认为翻译A在术语使用（TRM）、风格（STL）和语法（GRAM）上有重大到严重的问题，而另外两位评估者认为这三个翻译在术语使用（TRM）、风格（STL）和语法（GRAM）上没有错误或仅有轻微错误。翻译C被三位评估者评为无错误。

在第三部分中，我将提出一种使用FrameNet表示“bei2畀”的许可性和被动性用法的框架。重点关注这两种用法有两个原因。首先，其他功能或意义的表示，如“give”、“to”和“for”，已经在现有的英文FrameNet中有所体现。其次，如上所述，机器翻译无法捕捉到许可性和被动性解释之间的模糊性，导致被动性解读被错误地翻译为许可性用法。

5.1. 许可性“bei2畀”的意义表示
许可性“bei2畀”的意义源自动词“GIVE”。其含义包括授予者（Grantor）给予受让者（Grantee）执行某动作的自由。许可的接受者必须是该动作的执行者。如第2节所讨论的，在许可性句子中，并不要求必须完成所授予的动作。这一含义在现有的FrameNet中的“Grant_permission”框架中得到了体现。

5.2. 被动性“bei2畀”的意义表示
“bei2畀”的被动性用法有两种类型。在粤语中，大多数被动性“bei2畀”的用法（58个被动性句子中的56个）是直接被动，其中受动者作为外部论元，施事者作为被动标记的间接宾语，这种语法结构被归类为覆盖语（Chow，2019）。另一种类型是间接被动。在这种类型中，包含拥有者和受影响实体的患者被“分割”开来。强调拥有者的恶意角色，拥有者作为外部论元/主语，承担语用上的话题角色，而受影响的实体（主要动词的宾语）则在语用上的评论部分中表达，位于主要动词之后（Chow，2018年）。被动语态的含义在现有的FrameNet中的“Eventive_affecting”框架中得到了体现，如下所示（FrameNet，2026年）。

（26）框架：Eventive_affecting
定义：一个实体经历了一些变化（该事件），这些变化是突发的或被理解为突发的。
“Eventive_affecting”框架的核心元素：
- Entity [Ent]：这个元素标识实体，无论是具体的还是抽象的。
- Event [Evnt]：这个元素标识发生并影响实体的事件。
语义类型：状态变化

在现有的框架中，核心元素仅包括Entity [Ent]。Event是一个核心未表达的元素，它描述了在英语被动句中导致Entity [Ent]变化的事件。值得注意的是，在英语被动句中，导致Entity [Ent]变化的事件可以可选地用介词短语表达。然而，在粤语被动语态bei2畀结构中，事件必须被表达出来。因此，在表示粤语被动语态的“Eventive_affecting”框架中，应包括Event [Evnt]，如下所示：

“Eventive_affecting”框架（修订后的）核心元素：
- Entity [Ent]：这个元素标识实体，无论是具体的还是抽象的。
- Agent：发起事件的个体。
- Event [Evnt]：这个元素标识发生并影响实体的事件。
语义类型：状态变化

表3展示了（27）中核心元素之间的关系。

表3. “Eventive_affecting”框架中的核心元素
- Entity [Ent]：keoi?（他/她）
- Agent：jan?（其他人）
- Event [Evnt]：(di1) jan? cou? dak1 do1（那些）人嘈得多（其他人抱怨很多）

（27）gam2 keoi? aa3, zi1cin? bei2 jan? cou? dak1 do1噉 他 啊，之前 畀 人 嘈 得多

尽管上述内容充分捕捉了bei2畀结构的主要类型（即直接被动语态）的含义，但它并不能完全适用于间接被动语态。原因是虽然直接被动和间接被动都表示“一个实体经历了一些变化”，但在间接被动bei2畀结构中，最重要的元素不是受影响的实体，而是实体的拥有者。为了捕捉间接被动bei2畀的含义，下面提出了一个新的框架“Eventive_affecting_mal”，它是现有“Eventive_affecting”框架下的一个子框架：

（28）框架：Eventive_affecting_mal
定义：实体X [Ent_Mal]因事件Y（由Agent发起）而受到负面影响或遭受了损失。实体Y可以是实体X的一部分或实体X的财产。

“Eventive_affecting_mal”框架的核心元素：
- Entity [Ent_Mal]：这个元素标识通常是指人，受到了负面影响的实体。
- Agent：发起事件的个体。
- Patient_POSS：这个实体，无论是具体的还是抽象的，经历了变化。
- Event [Evnt]：这个元素标识发生并导致Patient发生变化的事件。

语义类型：状态变化

表4展示了（29）中核心元素之间的关系。

表4. “Eventive_affecting_mal”框架中的核心元素
- Maleficiary [Mal]：coeng3go1 go2di1 唱歌嗰啲（那些唱歌的人）
- Agent：jan?dei?人哋（其他人）
- Patient_POSS：gung1lou? 功勞（功劳）
- Event [Evnt]：jan?dei? lo2zo2 go3 gung1lou? 人哋攞咗功勞（其他人取得了功劳）

（29）coeng3go1 go2di1 bei2 jan?dei? lo2zo2 go3 gung1lou?唱歌 嗰啲 畀 人哋 收咗 個 功勞
那些唱歌的人（歌手）因为他们的功劳被他人拿走了

直接被动和间接被动bei2畀的框架元素出现在以下句法模式中：

（30）被动bei2畀的配价模式：
- 空单元：直接被动
- Entity [Ent] COVERB bei2畀 tgta Agent ActionNP
- Indirect passive：Maleficiary [Mal] Agent Action Patient_POSS NP.ExtNP.OblbV
- NP.Obja：间接被动的目标词汇单位 OBLθ

基于FrameNet的含义表示规定了允许式和间接被动bei2畀的句法和语义特征，这对于消除bei2畀的允许可许式和间接被动用法之间的歧义至关重要。这种表示为将前缀提示整合到机器翻译工作流中提供了理论基础，以减少由模糊的bei2畀结构引起的错误。

5.4. 在机器翻译中的应用：使用前缀提示消除允许可许式和被动bei2畀的歧义
通过对语料库中bei2畀的允许可许式和被动用法的语义成分进行分析，揭示了这两种结构的区别特征。在潜在模糊的句子中（如（7）所示（在下面的（31）中重复），在被动读法中，主语“ngo5 我”（第一人称单数）是宾语“cin2錢”（钱）的拥有者。此外，在bei2畀的被动用法中，主语扮演了受害者的角色。

（31）ngo5 bei2 keoi5 yung6 saai3 di1 cin2 我 畀 他 用 晒 啲 錢
第一人称单数 被动 第三人称单数 使用 所有

FrameNet的表示将bei2畀的含义分解为语义框架和框架元素。第5.1节中允许可许式bei2畀的词汇条目可以翻译为：“如果主语有意志控制并允许该行为，则使用允许式框架。”相反，第5.2节中被动bei2畀的词汇条目可以翻译为：“如果主语是拥有者并且受到了负面影响，则使用事件影响框架。”

为了将上述内容转化为指导机器进行准确翻译的计算提示，我们可以指示AI工具实施语义角色的条件检查。

下面是一个前缀注入的例子，涉及在发起查询之前需要输入的提示：

（32）当遇到带有“bei2畀”的粤语句子时：
1. 检查：
- 主语（X）是否是宾语（NP.Obj）的拥有者，
- X是否受到了负面影响（非自愿的）。
2. 如果两个条件都成立：
- 将“bei2畀”翻译为被动标记（例如，“X遭受了Y V-ing O”）。
3. 否则：
- 将“bei2畀”翻译为“let”（例如，“X让Y V O”）。

5.4.1. 结果
在输入上述提示后，用于翻译测试的三种AI工具被要求再次翻译句子（7）-（9）（在下面的（33）-（35）中重复）。结果以及前缀注入前的翻译版本进行了对比：

（33）ngo5 bei2 keoi5 yung6 saai3 di1 sin2 我 畀 他 用 晒 啲 錢
第一人称单数 被动 第三人称单数 使用 所有

（33）在ChatGPT-4o（OpenAI，2024）前后前缀注入的翻译：
- “这次真的很糟糕，我让他把我的钱都花光了。”

（33）在Co-pilot（Microsoft，2024）前后前缀注入的翻译：
- “这次真的很糟糕，我让他把我的钱都花光了。”

（33）在Deepseek（Deepseek，2024）前后前缀注入的翻译：
- “这次真的很糟糕，我让他把我的钱都花光了。”

分析：
主语“我”拥有宾语“钱”。这个行为是非自愿的，并对主语产生了负面影响。因此，“畀”作为一个被动标记，表明说话者受到了他人的行为的影响。

（35）gam1ci3 zan1hai6 caam2 laa3, ngo5 bei2 keoi5 jung6 saai3 di1 sin2 今次 真係 慘 啦，我 畀 他 用 晒 啲 錢
第一人称单数 被动 第三人称单数 使用

（35）在ChatGPT-4o（OpenAI，2024）前后前缀注入的翻译：
- “这次真的很糟糕，我让他把我的钱都花光了。”

（35）在Co-pilot（Microsoft，2024）前后前缀注入的翻译：
- “这次真的很糟糕——我让他把我的钱都花光了。”

（35）在Deepseek（Deepseek，2024）前后前缀注入的翻译：
- “这次真的很糟糕——我的车被他撞坏了！”通过分析语料库中bei2畀的许可性和被动性用法，将许可性-bei2畀和被动性-bei2畀的含义分解为语义成分或框架元素（FEs）。本文呈现了该词素这两种用法的FrameNet表示方法，突出了它们之间的关键语义差异，即主语NP（在许可性用法中为施事者，在被动性用法中为受事者或受损者）的语义角色差异，以及动词后随后的事件框架差异。这些发现被转化为用于语义角色检测的提示语，并在执行查询后输入这些提示语。在两个人工智能工具（Co-pilot和Deepseek）中观察到翻译输出的显著改进，而在另一个工具（ChatGPT-4o）中则表现不稳定。本研究的贡献有以下几点：首先，通过分析语料库中的自然语言数据，揭示了特定语法化词素bei2的各种功能及其使用分布；其次，该研究展示了如何将语料库分析的见解应用于机器翻译，为粤语等资源匮乏的语言提供有价值的语言资源，以提高翻译准确性。本研究的局限性在于，人工智能工具通常不允许用户进行永久性训练；因此，所提出的提示语功能仅能作为前缀注入方式使用。换句话说，在执行翻译任务之前，必须指导人工智能工具遵循这些指导原则。由于人工智能的机器翻译依赖于语言数据，更大量的粤语语料库将产生更准确、更自然的翻译结果。希望本研究的结果和提出的应用方案能够有助于丰富粤语的数据资源，并为这一问题提供可行的解决方案。

作者贡献声明：
Pui Lun Chow：撰写－审稿与编辑、撰写－初稿、方法论、研究、形式分析、数据整理、概念化。