唐宋诗词分词规则及命名实体特徵.PPT

唐宋詩詞分詞規則及命名實體特徵 前言 詩詞文體特性 分詞準則與詞彙切分方法 詩詞人名之命名實體構詞特徵 結語 前 言 本文以文學內容分析的方法，以唐宋詩詞為範圍，以符合文體特性及滿足文學研究為前提，建立詩詞韻文詞彙切分原則，探討詩詞文體人名之命名實體構詞特徵，以作為進行命名實體標註規範之參考。 詩詞文體特性 詩詞是特殊的語言形式，以雙音節詞居多。 因遷就雙音節及平仄格律，使得很多詞彙只用於詩詞，不用於其他文體。 或該詞彙在詩詞裡是通順有意義的詞彙，當抽離詩詞文本時，語義便不通。 或者為了符合平仄聲調而使用方言俗語及罕用詞彙，使用特殊句法、句型。 分述如下： 詩詞文體特性：構詞特殊 詩詞文體特性：構句特殊 詩詞文體特性：用法特殊 詩詞文體特性：用語特殊 除了專有名詞會為了符合平仄聲調而改用通俗名稱、方言俚語之外，在講究精緻典雅修辭技巧的詩詞裡亦是。 例如： 杜甫〈三絕句〉詩：「無數春筍滿林生，柴門密掩斷人行。會須上番看成竹，客至從嗔不出迎。」 元稹〈賦得春雪映早梅〉詩：「飛舞先春雪，因依上番梅。」 「上番」的「番」讀去聲，根據《辭源》的解釋：「唐人稱植物不斷生長為上番，為當時四川方言。」杜甫是四川人 ，元稹住過成都 。 分詞準則與詞彙切分方法 1/3 本研究將依據詩詞文體的句法特性，建立詞彙切分規則，並開發詞彙自動切分工具，輔以人工校正，建立詩詞之專有名詞、典故、疊字詞、專屬領域詞、一般詞彙等不同的詞彙資料庫。 詩詞的詞彙以雙音節為主，句子轉折處及含有領字的詞牌的首字使用單音節詞，但是專有名詞及典故詞彙字數則不固定，因此進行詩詞詞彙切分前，如能先建立下列三種資料庫，將可提高詞彙切分的正確性。分述如下： 分詞準則與詞彙切分方法 2/3 一、建立詞譜、專有名詞、典故詞彙等基本資料庫 二、詞彙切分方法與步驟之一： (一)以專有名詞為切分詞彙最優先順位 (二)依建立的宋詞詞譜優先將單字領字切分 (三)先切出疊字詞（茫茫） (四)比對典故詞彙資料庫，典故詞不切分 (五)「兮」字無論在任何位置，皆優先切分 分詞準則與詞彙切分方法 3/3 二、詞彙切分方法與步驟之二： (六)1.五、七言近體詩依「（七）之2、3」步驟切分 2.六言近體詩依「（七）之1」步驟切分 3.古體詩依「（七）之1、2、3」步驟切分 (七)1.句子字數為偶數句，兩兩切分為雙音節詞 2.句子字數為奇數句，末三字之外，兩兩切分為 雙音節詞 3.奇數句之末三字，其句法為上一下二；上二下 一，無準則。 (八)詩之詞彙切分法，除了沒有領字規則，其餘均同 (九)切分正確率的高低與用以比對的詞彙資料的多寡 成正比 詩詞人名之命名實體構詞特徵1/7 本研究是在「歷代語言知識庫」之「詩詞語言知識庫」的語義概念分類基礎上，以李白、杜甫、韓愈三家詩為範圍，抽取人名類別的詞彙，分析其命名實體之構詞特徵。 詩詞人名之命名實體構詞特徵 2/7直書本名 詩詞人名之命名實體構詞特徵 3/7 詩詞人名之命名實體構詞特徵 4/7他稱的種類 1.姓＋氏 2.姓＋生 3.姓＋子 4.姓＋君 5.姓＋客 6.姓＋處士 7.姓＋公子 8.姓＋夫子 9.姓＋公 10.姓＋老或叟 11.姓＋地名 12.地名＋姓 13.姓＋員外 14.姓＋卿 15.姓＋大夫 16.姓＋侯 詩詞人名之命名實體構詞特徵 5/7 詩詞人名之命名實體構詞特徵並稱 6/7 詩詞人名之命名實體構詞特徵 7/7 結 語 詩詞的命名實體構詞方式，一言以蔽之，都是為了符合格律的要求，以雙音節詞最多，其次是單音節詞。 而地名與人名一樣，也使用別名、俗名、古地名，或以並稱、合稱、省稱等方式構詞。 動植物詞彙在詩詞裡，因附著了作者的情感而成為意象詞，多數以單音節詞書寫的動植物名稱，都會在字前或後加上其他語素，以結合成雙音節詞，既能符合格律，又可豐富語義，與之結合的語素種類及語義類別比人名、地名複雜多變，限於篇幅，只能另文探討。 致 謝 詞 本文得到下列二項經費支持，特此致謝 蔣經國國際學術交流基金會「歷代語言知識庫建置計畫」（RG013-D-09） 國科會「從不能到能：以語言知識庫為基礎的作詩填詞輔助系統」（NSC101-2410-H-155-044）計畫 謝謝聆聽，敬請指教 * * * 台灣元智大學?羅鳳珠、邱筱榆、林宜嫺 代為宣讀：北京大學?胡俊峰 將「蚯蚓」與「蜘蛛」本來不能切分為單音節詞使用的雙音節詞省略為「蚓」、「蛛」，這是因為受到包含：字數、