中小学语文课文语料标注及相关研究.pdfVIP

首届全国教育教材语言专寇学术研讨会 2006·爱仃大学 中小学语文课文语料标注及相关研究 鲁东大学中文信息处理研究所 亢世勇 刘金风吕玲娜 ． 摘 要： 本文简单介绍了我们开发的曩中小学语文课文语料库一和“中小学生语言偏误语料库”，并利用这 两个语料库对小学三年级学生的别字、错字、错词进行了对比分析，在此基础上对中小学语文课文选择提出了 一点建议。 关键词：语文课文；语言偏误；语料库；语文教材 0研究思路 ， 我们拟建立“中小学生语言偏误语料库”和“中小学语文课文语料库一，在对语料库进行标注的基础上，归 纳总结中小学各个年级出现的各种语言偏误以及频度，然后将这些偏误和中小学语文课文中提供的相关内容进 行比较，以期说明各个年级的教学重点、难点以及教材课文选择存在的问题，进一步对各类考试提出参考意见。 和鲁东大学重点科研项目“中小学生语言偏误语料库的建设与应用”的支持下，我们对多种版本的中小学语文 课本语料进行搜集、标注，建立了“中小学语文课文语料库”、“中小学生语言偏误语料库’’，利用这两个语料库 进行相关的初步的研究，本文对此进行简单的介绍。 1中小学语文课本语料库建设 一 1．1中小学语文课本语料库的规模 中小学语文课本语料库以人民教育出版社的语文课本为基础，然后进行扩充，现在包括人民教育出版社(下 称“人教版”)、山东教育出版社(下称“鲁教版”)和北京师范大学出版社(下称“北师版”)三个版本。 语料库按版本建立子库，分库下又设分库。人教版子库现在建得比较完整，现已录入以下教材： 小学：九年义务教育六年制小学教科书 九年义务教育五年制小学教科书 义务教育课程标准实验教科书” ．． 初中：九年义务教育教材三年制教科书 九年义务教育初中四年制教科书 义务教育课程标准实验教科书 高中：全日制普通高级中学教科书 课程标准实验教科书 为防止出现语料重复的现象，造成不必要的浪费，几个小库共有的课文，只在某个小库中收一次，其他库 的只保留目录，注明检索路径，便于查找。 鲁教版、北师版语文课文语料只收录了部分。 1．2中小学语文课本语料的标注 一 · 中小学语文课本语料的标注的主要信息有：分词标记、词类信息、句法成分、句子语义成分、句型、句子 语义结构及语料来源信息。 ． 我们的标注过程是这样的：首先用北京大学计算语言学研究所开发的分词系统对语料进行分词，打上词性 标记；然后在人工校对的基础上，以句子为单位，进行句法成分、语义成分以及语料来源信息的标注。利用标 ．27· 首届全国敦育教材语言专题学术研讨会 2006·爱仃大学 注好的语料，我们可以抽取字、词、句法成分、句型、句子语义结构等信息以及文章体裁等，从而进行相关研 究。 需要解释的是语料库中的相关标注符号及其含义，主要有以下五类标记： 1．2．1词类信息标记 词(u)、语气词(y)l 8个非词的单位：语素(g)、前接成分(h)、后接成分(k)、 成语(I)、简称略语(j_)、习用语(1)、 ‘ 标点符号(w)、非语素字(x)； 4个专有名称：人名(m)、地名(1ls)、机构团体(m)、其他专名(舵)： 5个语素子类：副语素(Dg)、名语素(Ng)、时语素(Tg)、动语素(Vg)、形语素(A毫)。 直接作状语的动词)、名动词(vn，具有名词功能的动词)。