973课题G1998030501A-01.docVIP

973课题G1998030501A-01 《汉语语法信息词典（高频词）》 技术报告 1. 任务概述 973课题G1998030501A-01规定的任务可作如下概述：根据1998年全年2600万字《人民日报》基本标注语料库（以下简称“北大基本标注语料库”或“标注语料库”）统计词频，将《现代汉语语法信息词典》中所包含的25000-30000个高频词及其相关语法属性信息全部抽取出来，形成一个《现代汉语语法信息词典》的高频词子集，再在该子集中对每个词语补充两项信息：频度与从语料库挑选的3-5个例句。这样便得到任务书所要求的《汉语语法信息词典（高频词）》。 由此可见，本项任务完全立足于北京大学计算语言学研究所的两个基础资源：《现代汉语语法信息词典》和北大基本标注语料库。表面上看来，有了这两个资源，完成任务并不困难。然而，当实际应用这两个根据不同需求先后开发的资源时，仍有一些复杂的问题需要解决。 独立地考察，《现代汉语语法信息词典》和北大基本标注语料库的质量是完全可以信赖的，已得到业界的普遍认可，尽管不能说没有瑕疵（flaw）。但是，当综合应用这两项资源时，它们之间的“缝隙”或“鸿沟”（gap）立即暴露出来了。 如何处理不同知识库之间在应用时暴露出来时的“缝隙”，可能成为今后知识库建设和应用的普遍问题。 两个知识库的“缝隙”描述 《现代汉语语法信息词典详解（第二版）》（2003年2月清华大学