基于动态流通语料库(DCC)的中文组织名简称考察和研究.pdfVIP

陈慧1董守志2张普1 山东252059 1北京语言大学应用语言学研究所北京lO0083；2聊城大学文学院 摘要：基于动态流通语料库，构建了一系列组织名简称数据库，并对其进行了校对、各项统计、用字分析 和缩略规律的初步考察。 关键词：动态流通语料库：组织名简称 T．heShonened Names：BasedonDCC stu啦rOn Organ睦：afjon ChenHuil Shouzhi2 Pul Dong zllang 1 cIllmI．e Appkdunguisticjnstitute，Be巧ingL丑ngIlage柚d 2schoolof literature，Ljaocheng a the names AbsIract：B硒ed have seriesof shon如ed oⅡDynanlic Circtlla血gC呻us，we got o曙anizadon charactef thenIle0f也eir databaseJmdwehave and th。ir abb陀via【ion．． aⅡalyzed proo血℃ad，stat也em using如d Shoncned N姗es KeyWords：Dyn删ccircIllat吨C0rpus；ne0rganiza曲n 1 研究背景和基础 1．1引言 织名识别中的应用已较为成熟1。但中文组织名识别精度依然差强人意，这在我国863智能接口与技术专 题2003、2004年命名实体评测结果中可见一斑2。如表1所示。 表1 863评测最优成绩(F值)(％) 人名 地名 组织名 1 日期 l 时闻 l 数字 整体 I 2舶3 鹋33 I 86』9 68j6 l — i — l 一 73．16 2004 85j1l 82jl 6。．8l J 85五 84，锄 92．60 60j6 从评测的总体结果看，组织名识另U精度和其他命名实体识别相比差距很大，是命名实体识别中最为薄弱 的环节。制约中文组织名识别的瓶颈不是技术，而是有效的资源建设和面向识别的本体研究，如蔡用词、左 边界、结构规则等等。其中组织名简称做为识别的重要任务和主要难点，更需要加强资源建设和考察研究。 但目前组织名简称的相关资源建设和考察研究几近空白。全面考察真实语料中组织名简称的分布情况和识别 ·本文承国家语言资源监铡与研究中心平面媒体分中心规划项目(基于动态流通语料库的中文组织名考察与研究)的资助． ·10· 情况，建设系统的中文组织名简称库，并在此基础上得到基于简称库的缩略规律专家知识，变得尤其重要。 基于此考虑，我们基于动态流通语料库着手了这项资源的建设和相关考察研究。本文报告的仅是这项工作的 部分初步考察结果。 1．2语料库基础 动态流通语料库(DynamicCircIlla血g 分中心建设的一个动态更新的大规模真实语料库。从2001年开始我们每年根据报纸流通度属性3(发行量、 发行周期、媒体价值、阅读率等综合指标)