藏语语料库中词性分类代码的确定研究.pdfVIP

藏语语料库中词性分类代码的确定’ 才让加．吉太加 青海师范大学藏文信息处理与机器翻译省级重点实验室．青海西宁810008 Emai 1：zwxxzx@qhnu．edu．cn 摘要：本文从藏语词类的功能和性质提出了一个藏语词类的基本标记集．以期为藏语词类标注的自动处理 和人工校对提供一个统一的标注标准． 关键词：自然语言；藏文；词类；代码；语法信息 Onthecodeclassificationof of in Tibetan partsspeech Corpora CAI gang-jia，JITaijia Normal Qinghai University,Xining810008，China Abstract：This a setforTibetan totheir tag functionsand in paperproposes partsofspeechaccording propercies setwillbeusedtoannotateTibetan asastandardfornatural and syntax．Thetag corpora languageprocessing artificiaIrevision． words：nature information Key ofspeech；Tibetan；code；gffd／nmar language；parts 自然语言处理研究的历史虽然不是很长，但就目前已有的成果足以显示它的重要性和 应用前景，在美、英、日、法等发达国家，自然语言处理如今不仅作为人工智能的核心课 题来研究，而且也作为新一代计算机的核心课题来研究。国内从80年代中期以来，在汉 语自然语言处理研究方面取得了不少成果，为进一步深入的研究打下了基础。为使具有一 千三百多年历史的藏文适应语言信息处理技术发展的需求，进而加速藏族教育和科学技术 的普及和发展，开展藏语自然语言信息处理的研究势在必行。 藏文也与汉语、日语等东方语言相似，词与词之间无明确的分割标记，要进行藏语信 息处理技术研究同样存在着问题。由于词典是藏语语料库自动切词与标注的基础，电子词 典的规模、质量和信息容量已成为衡量某种语言分词的关键指标之一，因此，学术界历来 对电子词典的建设都非常重视，根据藏语语料库建设和自动标注过程中切词词典的词类代 码的类别进行了划分。下面仅仅是从自然语言处理的角度，参考汉文的词性分类代码确定 的方法，初步分析了藏文的词性分类及代码。 ． 奉项目得到国家语委项目的资助(项目编号：MZll5-018) 才让加男藏族(1963tO--)青海师范大学教授主要研究方向；计算语言学、藏文信息处理． 一14l一 ——六级代码 lv炼” J＼五级代码 四级代码 三级代码 l词类的一级代码 一级代码是指词类的基础属性．其功能一般不可变化，不考虑其兼类功能。另外，由于助 词在藏文中具有特殊的用法，将其单独列出，还有，语气词在藏文中具有特殊的添接