蒙古语基本名词短语自动标注研讨.pdfVIP

蒙古语基本名词短语自动标注研究 达胡白乙拉 !由茎直盔堂塞直堂堂堡!壁塑堕壁Q!殳壁!!! E·mail：．d．．a．．b．．．h．．v．．r．．b．．。a．．v．．a．．r．．国．．．．．1，．6、．．3．．．．c．．．o—m— 摘要： 本文对蒙古语基本名词短语进行功能分类的前提下，以蒙古语词类和词语形态变化特 征为主要依据，归纳出相应的蛄构规则12务，并用带有复杂特征标记的PSG重写规则形式采进行 彤式化描述．在此基础上，用Ci6言蝙写了基本名词短语自动标注程序，对10万词级蒙古语语料 库进行自动标注．目前条件还不太成热的情况下，实验结果显示了较好的自动标注率。 关键词：蒙古语；短语结构规则；形式化描述；基本名词短语标注 引言 短语标注研究属于语言学基础应用研究，是语言信息处理重要研究课题。系统研究短语内 部结构和外部功能的特点将会促进大规模树库的构建、深加工语料库的基础上刨建语言知识库 以及诸如机器翻译、自动校对等自然语言处理系统的研究开发。其他语言的信息处理实践也见 证了这一点…………“1。详细描述并用易于计算的方式来形式化蒙古语基本名词短语各方面的特 征将会推动蒙古语短语标注研究乃至对整个自动句法分析研究做出贡献。 1研究基础与研究方法(1) 蒙古语基本名词短语标注研究是蒙古语词性标注语料库的基础上进行的探索性研究。蒙古 语语料库的词性标注与统计是华沙宝教授在国家自然科学基金的支持下主持完成的重要研究成 词)。我所较早制定的该分类体系，随着蒙古语文信息处理研究的深入开展．受到来自蒙古语文 信息处理各领域的挑战．促使早日制定反映蒙古语文本身特点的更细化的词语分类体系及其标 记规范。虽然我所已经初步提出了更完善的词语分类体系及其标记集．但目前尚未应用于蒙古 语文词性标注语料库中。因此本文暂且采用16分类体系及其标记集。另外，该语料库中浅加工 的内容还有切分蒙古语词语变形形式(词语变形形式前加中线一、斜线／表示)，标注人名、地名 (人名前加方括号C]表示：地名前加][表示)和一些复合形式(构成复合形式的各成分之间用=、 ＆等来连接)等。至今，从信息处理角度研究蒙古语短语的成果主要有蒙古语语法信息词典中拟 采用的短语分类体系…、蒙古语固定词组研究”1、汉蘩短语转换规则研究…“”等。本文采取了归 纳验证的研究方法，具体步骤如下：(1)通过人工统计分析，从蒙古语语料库文件AMOIl2里挑 选出基本名词短语，并归纳其类型：(2)形式化描述基本名词短语的内部结构和外部功能特征， 从而提供语言学限制条件：(3)根据基本名词短语的类型与相关限制条件，在10万词级蒙古语 语料库中自动标注基本名词短语：(4)分析自动标注实验结果。 2蒙古语基本名词短语结构规则(2) 。本项研究得到田家自然科学基金项目和国家杜会科学基金项目(02BYY036)的瓷助． 2 AMOIl是初中肇古语文第一册．其中除去古文、诗歌体裁． 474· 2．1 蒙古语基本名词短语类型(2．1) 构成基本名词短语的词语在组合功能上有区别。因此根据实际语料归纳出基本名词短语的 功能类型是自动标注蒙古语名词短语的首要任务。对蒙古语基本名词短语来说，其功能分类应 该以名词的修饰词或依附词的功能为依据。比如说。UDE—YIN NARA(热太阳)同样都是名词短语，但它们的修饰词有功能上的区别，UDE—YIN NARA中修饰词 UDE(中午)是名词·它具备名词的功能，而HALAGVN NARA中修饰词HALAGVN(热)是形容词， 它具各形容词的功能。名词短语总是由一个或几个词重新组合成更大的复合名词短语。在这样 的扩展过程中．名词短语的修饰词或依附词的功能区别会起某种选择限制的作用。例如．名词 一般不能由程度副词修饰t相比之下形容词则．-IpA。因此UDE-YIN NARA扩展为复合名词短语 时，在它的前面一般情况下不能加类似MASI(非常)的程度副词，但HALAGVN