第四节词性标注的方法.pptVIP

第四节 词性标注的方法 授课人：徐艳华 授课时间：2006年11月20日 内容摘要 基于规则的方法 基于统计的方法 规则和统计相结合的方法 一、基于规则的标注方法 （一） 标注规则的类型 基于规则的标注方法主要是利用上下文的词语、词类等信息来确定当前词（兼类词）的词性。按照所作用的对象，标注规则可分为以下几种： 第一，针对特定词的，作用对象往往是特定的高频兼类词，如“了”（助词兼语气词兼动词），可根据前面出现的是否谓词，后面是否句尾标志等上下文信息来选择合适的标记。 第二，针对特定兼类模式的，例如，“动词－形容词”兼类词前面出现程度副词时应选择形容词标记。 第三，针对特定词类序列的，例如v{p,u,a}表示三种合法的词类序列，即“动词＋介词”、“动词＋助词”和“动词＋形容词”，文本中的词类序列为“有/v+怪/a-d-v+招/n”，其中“怪”是当前词，兼属形容词、副词和动词，跟规则中的词类序列匹配，可知应选择标记a，即把“怪”标注为形容词。 在一个基于规则的标注系统中，我们总是希望每条规则的效用都比较高。规则的效用可从两个方面来衡量，即规则的正确率和覆盖率。正确率可表示为规则成功次数除以规则运用次数；覆盖率可表示为规则运用次数除以兼类词的总词次。显然，针对特定词的消歧规则，其正确率一般较高，但覆盖率可能较低；针对特定兼类模式或特定词类序列的消歧规则，其覆盖率较高，