分词规范亟需补充的三方面内容.pdfVIP

第 2 1 卷 　第 5 期 中文信息学报 Vol . 2 1 , No . 5 2007 年 9 月 J OU RN AL O F C H IN ESE IN FO RMA T ION PROCESSIN G Sep . , 2007 文章编号 : (2007) ( 编者按 : 由中国中文信息学会主办的“第九届全国计算语言学学术会议”9t h Chine se N ational Conf erence o n Co mp ut ational Lingui stics , CN CCL2007) 于 2007 年 8 月 6 日～8 月 8 日在大连理 ( 工大学举行 注 : 该系列会议原名 “全 国计算语 言学联合 学术会 议 ”, J oint Sympo sium o n Co mp ut ational Lin gui stic s , 英文缩写为J SCL , 从今年起名称调整为 CN CCL ) 。本届会议共征集 到论文 178 篇 ,经大会程序委员会认真评审 ,录用 104 篇 。程序委员会进一步从录用的论文中 ,精 选出评审得分排在最前面的24 篇论文 ,推荐到《中文信息学报》,经作者修改后 , 以最快的速度发 表 ,形成了本期专辑 。这些论文从若干侧面及时反映了我国以中文为核心的内容计算研究与应用 的最新前沿进展 , 希望能对广大读者有所裨益 。 分词规范亟需补充的三方面内容 1 1 1 1 1 2 李玉梅 ,陈 晓 ,姜自霞 ,易江燕 ,靳光瑾 ,黄昌宁 ( 1. 教育部语言文字应用研究所 ,北京 1000 10 ; 2 . 微软亚洲研究院 ,北京 100080) ( 摘 　要 : 本文认为 ,为提高语料库的分词标注质量应在分词规范中补充三个内容 : ①命名实体 人名 、地名 、机构 ) ( ) 名 标注细则 ; ②表义字串 日期 、时间、百分数等 标注细则 ; ③歧义字串的消解细则 。因为一方面命名实体和表义 字串已被不少分词语料库视为分词单位 ,另一方面在以往的分词规范中几乎从不谈及歧义消解问题 。其实人们对 歧义字串的语感往往是不同的。因此有必要在规范中对典型的歧义字串予以说明。实践表明 ,在规范中交待清楚 以上三方面内容 ,就可以在很大程度上避免标注的错误和不一致性 。 关键词 : 计算机应用 ; 中文信息处理 ;语料库 ;分词规范 ;分词歧义消解 中图分类号 : TP39 1 　　　　文献标识码 : A Three C