汉语复句语料库的建设与利用研究.pdf

汉语复旬语料库的建设与利用① 邢福义姚双云 华中师范大学语言与语言教育研究中心 武汉430079 fyxing@mail．ccnu．edu．Oilysy@mail．CCnU．edu．cn 摘要：复句在汉语句法分析中具有重要地位，要推动复句研究就有必要建设 一个专用语料库。“汉语复句语料库”是进行复句专题研究的大平台，是汉语本体 领域和中文信息处理领域的一项重要资源。本文讨论的内容主要包括了三个部分： 二、复句研究的重要意义；二、“汉语复句语料库”的建设情况，三、“汉语复旬语 料库”的利用。 关键词：汉语复句语料库，复旬，关系词，中文信息处理 复句研究的重要意义 在自然语言处理中，语料库建设的重要性日益凸现出来了。要满足汉语研究 的不同要求，推动中文信息处理的深入发展，就必须建设各种各样的汉语语料库。 不仅要重视现代汉语平衡语料库的建设，也要重视汉语历时语料库的建设，还要 重视面向特定领域的各种专用语料库的建设。专用语料库建设的重要意义在于它 可以推动专题研究并且带动相关研究。 在汉语句法体系中，复句具有重要的地位。要真正掌握汉语的句法规律，不 能孤立地研究小句，而应该重视复句的研究。在“小句中枢”理论体系中，复旬是 小句联结的一种重要的语法实体。弄清了复句的关联机制，下可促进对小句、短 语乃至词的研究，上可促进句群、段落和篇章的研究。复旬的重要性不仅体现在 ① 本课题属于华中师范大学重点建设学科项目“小句中枢说在汉语与临界领域研究中的应 用与验证”的一个分支项目。语料库的研制中，使用了中科院计算语言所张华平、刘群先生开发 的FreelCTCI．AS自动分词软件，使用了《人民日报》和《长江日报》的部分语料。项目开发过程 中，胡金柱教授、汪国胜教授做了大量t作，语言研究所和计算机科学系的肖明、罗进军、沈 威，杜超华、罗旋、尹蔚、李琼、俞小娟等研究生付出了辛勤的劳动。在此一并致谢。 它的语法地位上，还表现在它的使用数量上。汉语中，复句所占的比例非常高。 第五部分 研究复句，既可以发现许多复旬关联的规律，还可以发掘出更多的关于小句的句 法特征。复句问题解决了，许多句法问题就会相应地解决。解决复句问题应该以 有标复句为重点，因为有标复旬的关系词可以作为形式标记，便于计算机进行识 别和计算。以复句为突破口进行汉语的句法分析，是一种策略。许嘉璐先生 (2000)指出，“以词义为基础，与句法规则结合，以句为突破的单位”是中文信息 处理的“蹊径”。 of 华中师范大学语言与语言教育研究中心开发的“汉语复句语料库(theCorpus Chinese 知识表一币和资源及平台建设 Compound 建设以“小句中枢”理论为背景，它将成为汉语本体领域和中文信息处理领域的一 项重要资源。 二，“汉语复句语料库”的建设 (一)“汉语复句语料库”规模、语料来源和结构体系 库的语料来源以《人民日报》和《长江H报》为主，同时也有一部分录自现当代文学 作品。“汉语复句语料库”主要由5个部分组成，分别为：(1)复句语料库研究软件 系统；(2)复旬语料库标注符号集；(3)关系词句法信息库；(4)复句句法规则库； (5)复句数据库。 (二)语料库标注符号集、标注内容和标注样例 本语料库目前已经制定了4套标注符号集，分别为“关系词标注符号集”、“复 句类别标注符号集”、“层次关系标注符号集”和“短语标注符号集”。 标注工作是在分词的基础上进行的，标注前进行分词预处理。使用的分词工 具是中科院计算语言所张华平、刘群先生开发的自动分词软件FreeICTCLAS。标 注内容包括关系词的类别标注、关系词连接项的功能标注、分句的层次标注、复 句的句式类别的标注等。 下面是一个完整的标注样例： (1)(fiyg(Xjl Ewx缺乏／v必要／a的／u可行性／n论证／v，／w]vp)IYg((Xj2尽管／ccrbEzx rb(xj3也／derb 科技／n含量／n]npEwx很／d低／a，／w]ap)0 Ewx要／v仓促／ a上马／v，／w浪fi／v资gt／n和／c人力／n。／w]vp)))