现代汉语综合型语言知识库.pdfVIP

现代汉语综合型语言知识库 北京大学 (北京大学计算语占学研究所北京100087I) 语言知识库是自然语言处理系统不可或缺的组成部分，语言知识序的规模和质苗在很 大程度上决定了自然语言处理系统的成败。这已经成为自然语言处理技术研究者和系统开 发者的共识，语言知识库的内容及其知识表达形式是多种多样的。 of 北京人学计算语言学研究所(InstituteComputationalLinguistics，ICL／PKU) 自1986年成立以来，一直在语言知识库建设这块土地上耕耘，现今有了如下一些收获： (1)现代汉语语法信息词典(GrammaticalKnowledgeBase，GKB) Semantic (2)面向汉英机器翻译的现代汉语语义词典(ChineseDictionary，cSD) (3)大规模现代汉语多级标注语料库(word—SenseTaggingCorpus，STC) (4)面向跨语言文本内容处理的中文概念词典(ChineseConceptDictionary，CCD) (5)英汉对照般语语料库(BilingualA1ignedCorpus，BAC) Term (6)多个专业领域的术语库(Multi—disciplineBank，MTB) Structure (7)现代汉语短语结构规则库(PhraseBase，PSB) Poem (8)中国古代诗词语料库(Ancient Corpus，APC) (9)服务于语言知识库建堤的各种『：具软件 在各种语言知识中，词汇知识是最基本的。ICL／PKU把词汇知识库看作是语言知识库的 主体，其中成果(1)至(4)就是在词汇语义知识库方面的积累。 成果(1)至(5)汇集的都是日常生活语言的知识，成果(6)则提供专业知识。成果 (7)描述的则是句法结构知识．含600多条扩充的上下文无戈句法规则。成果(8)利用 在现代汉语信息处理研究中积累的技术和方法开展古代诗词计算机辅助深层研究，同时进 行古代汉语和现代汉语的纵向对比研究。建造语言知识库同样需要，L具软件的辅助，成果 (9)中包含了北大计算语言所开发的一系列工具软件。 这些语言数据资源汇集的语言知识及其表述形式独立于特定的语言信息处理系统和实 现算法，这种设计理念使得使得知识库的内容便丁用户理解和运用，井得以广泛传播。这 些语言数据资源之间的相互支撑关系如图1所示。 图1语言数据资源支撑关系 ．-39．． 北大计算语言所的研究成果不仅规模大、种类多。而且质量上乘，目前已经购买以上 研究成果许可使用权的有各大公司、研究所和大学，地域遍布美国、德国、法国、瑞典、 日本、韩国、新加坡、中国大陆、香港和台湾，这些单位的相关自然语言处理研究涉及的 语言除汉语外，还包括英语、日语、法语、德语、韩语(朝鲜语)、蒙占语、藏语等等。 这些知识库的规范大部分已经公开发表，并且规模相当大的样例在网上公布并鼓励自 由下载，欢迎登陆网站www．icl．Bku．edu．C11查看。 修桥铺路甘为人梯(GKB) 《现代汉语语法信息词典》(GKB)是ICL／Pl(U建设的语言知识库大厦的第一块基石， 这是一部面向语言信息处理的大型电子词典，依照语法功能和意义相结合的准则收录了8 万词语，建立了基于语法功能分布的词类体系，在分类的基础上按类详细描述每个词的各 种语法属性。其成功得益于北火中文系朱德熙、陆俭明、郭锐教授早期的合作与指导。GKB 的系统结构见图2。它以词的句法信息详实著称于学界(样例见表1)。 表1GKB总库之样例 词语 词类 同形 拼音 释史