［教育资料精选］《信息处理用现代汉语分词规范》.docVIP

国家标准GB/T 13715-92 《信息处理用现代汉语分词规范》 1 主题内容与适用范围 1.1 主题内容 本规范规定了现代汉语的分词原则，以满足信息处理的需要。它对汉语信息处理的规范化，对各种汉语信息处理系统之间的兼容性有重要的作用。 1.2 适用范围 本规范适用于汉语信息处理各领域，其他行业和有关学科可以参考使用。 汉语信息处理各领域可以根据其专门需求，进一步补充和细化本规范的规定。 2 引用标准 GB12200汉语信息处理词汇 3 术语 以下术语引自CB 12200。 3.1 汉语信息处理 用计算机对汉语的音、形、义等信息进行的处理。 3.2 词 最小的能独立运用的语言单位。 3.3 词组 由两个或两个以上的词，按一定的语法规则组成，表达一定意义的语言单位。 3.4 分词单位 汉语信息处理使用的、具有确定的语义或语法功能的基本单位。它包括本规范的规则限定的词和词组。 3.5 汉语分词 从信息处理需要出发，按照特定的规范，对汉语按分词单位进行划分的过程。 4 概述 本规范以信息处理应用为目的，根据现代汉语的特点及规律，规定现代汉语的分词原则。 本规范用下划线“ ”作为分词单位标记。 4.1 空格或标点符号是计算机中分词单位的分隔标记。作为分隔标记的标点符号有：句号、逗号、顿号、分号、冒号、问号、叹号、引号、括号、破折号、省略号、书名号、间隔号、连接号及符号“/”等。 4.2 二字或三字词，以及结合紧密、使用稳定的二字或三字词组，一律为分词单位。例如： 发展 可爱 红旗 对不起 自行车 青霉素 4.3 四字成语一律为分词单位。例如： 胸有成竹 欣欣向荣 四字词或结合紧密、使用稳定的四字词组，一律为分词单位。例如： 社会主义 春夏秋冬 由此可见 4.4 五字或五字以上的谚语、格言等，分开后如不违背原有组合的意义，应予切分。例如： 时间 就 是 生命 失败 是 成功 之 母 人 心 齐，泰山 移 结合紧密、使用稳定的词组，分开后如违背原有组合的意义，或影响进一步的处理，则不予切分。例如： 不管三七二十一 4.5 惯用语和有转义的词或词组，在转义的语言环境下，一律为分词单位。例如： 妇女能顶半边天 他真小气，像个铁公鸡 4.6 略语一律为分词单位。例如： 科技 奥运会 工农业 4.7 分词单位加形成儿化音的“儿”，一律为分词单位。例如： 花儿 悄悄儿 玩儿 4.8 在现代汉语中出现的非汉字符号，例如其他语言的字符串、数学符号、化学符号、阿拉伯数字等，仍保留原有形式。例如： CAD CO ： = 1 247 1 298 576 3.14 4.9 现代汉语中其他语言的汉字音译外来词，不予切分。例如： 巧克力 吉普 4.10 不同的语言环境中的同形异构现象，按照具体语言环境的语义，根据本规范的规定进行切分。例如： 把 手抬起来 这个把手是木制的 5 具体说明 为叙述方便，本规范沿用了把词分为名词、动词、形容词、代词、数词、量词、副词、介词、连词、助词、语气词、叹词、象声词等十三类的方法。 5.1 名词 5.11 普通名词 5.1.1.1 二字的名词或结合紧密的二字名词词组，一律为分词单位。例如： 火车 牛肉 钢铁 5.1.1.2 结合紧密，分开后如违背原有组合的意义的名词性词组，一律为分词单位。例如： 有功功率 被子植物 5.1.1.3 由形容词加名词组成的词组，应予切分。例如： 绿 叶 小 床 形容词加名词组成的有转义的词组，一律为分词单位。例如： 小媳妇 戴高帽儿 5.1.1.4 前加成分加名词性分词单位应为分词单位。例如： 阿哥 老鹰 非金属 超声波 5.1.1.5 名词性分词单位加如下类型的后加成分： 家 手 性 员 子 化 长 头 者 应为分词单位。例如： 科学家 拖拉机手 革命性 理发员 椅子 标准化 科长 木头 学者 名词性分词单位后如有多个后加成分，则它们是一个分词单位。例如： 物理学家 5.1.1.6 名词性分词单位前后如有前加成分和后加成分，则它们是一个分词单位。例如： 非党员 超导性 5.1.1.7 各类专业的基本术语为分词单位。例如： 加速度 中央处理器 5.1.1.8 方位词应予单独切分。例如： 桌子上 长江以北 5.1.1.9 除“人们”之外，仅表示前一个名词性分词单位复数的“们”单独切分。例如： 朋友 们 学生 们 但是“哥儿们 爷们儿”等是分词单位。 5.1.1.10 时间名词或词组的分词规则如下： a.一年的十二个月份以及每周的七天，一律为分词单位。例如： 五月 元月 3月 星期日 礼拜三 b.“年、日、时、分、秒”分别为分词单