说到语言和文字，那就必须对我们常见的语言和文字做个简单的介绍
说到语言和文字，那就必须对我们常见的语言和文字做个简单的介绍。这不同于前一节我们说过的楔形文字、甲骨文等，那些是在考古中才会碰到的文字类型，暂时不属于我们这个课题研究的领域。现在的NLP技术还是比较务实的，还是主要针对当前世界上的“活”语言来进行研究并付诸应用的。由于每种语言的特点不同，不同语言在进行NLP应用研究的过程中面对的问题也不完全一样。
其实文字是一种比较特殊的数据——它是一种文字流或者说符号流，是有连续不断的一系列符号所组成的拥有具体含义的信息描述。由于这种连续不断的特点，也就导致要想把它分析明白就需要一定手段的切割。
从语言学上来说，世界上的语言通常会被分成9大语系。哪9大语系呢，它们分别是：
- 汉藏语系
- 印欧语系
- 阿尔泰语系
- 闪-含语系
- 乌拉尔语系
- 高加索语系
- 南岛语系
- 南亚语系
- 达罗毗荼语系
我们平时接触最多的莫过于汉语了，它属于汉藏语系。
汉语的特点很明显，它由一个一个的汉字构成，汉字和汉字构成词，词和词构成词组，完整的词汇主谓关系又构成短句，句子和句子之间的“并列”、“递进”、“转折”等关系又可以使他们构成长句和段落。然后辅以标点符号来标定区分相对完整的含义片段。
有一种说法，我们现在看到的英文属于印欧语系，当然法语、意大利语、西班牙语也属于印欧语系。这类语言的单词和单词之间是明确用空格分开的，句子结束有句号“.”。
例如：My sister has never been to China. 这就是一个非常典型的英文句子，每个词汇都有具体的含义和成分，这当然在分析起来会省点事情（下一节我们会具体看到）。
中文属于汉藏语系，特点咱们刚才也提到了。
而日语这样的语言，你别看它里面很多汉字跟中文长得有点像，但是它却属于阿尔泰语系（或称乌拉尔拉尔泰语系）。它的意思表达和汉语有非常不一样的特点。
我们来看一个例子：“また、日本国外務省から発給される旅券の表紙には「日本国」の表記と十六一重表菊を提示している。法令で日本を指し示す表記には統一されておらず日本、日本国、本邦、わが国、などが混在している。”
日语通常需要通过助词来给它前面的单词“标注含义”，比如前面这段话中“から”表示动作起始的方向，这里就是指从“日本国外務省”发出的；“の”表示用前面的名词描述后面的名词，即“旅券”的“表紙”；“と”表示谁跟谁，也就是“表記”和“十六一重表菊”；“で”表示用前面的“法令”作为手段，“を”表示其后面的动词谓语对其前面的名词宾语进行动作；“に”表示处所所在；“が”表示前面是主语后面是谓语。听起来乱乱的吧？那只是因为不合我们汉语的习惯而已，日语的这种词汇与助词“黏着”的特点给它的分析也带来了一定的便利，因为只要你一看到助词，就可以猜到它前后词汇之间的逻辑关系了。
思考题：你有学过除英语日语以外的哪种语言，或者会某种特殊的中国方言吗？请试着说一说其中一些有趣的语言特点。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69954080/viewspace-3127733/ ，如需转载，请注明出处，否则将追究法律责任。
