知网中文信息结构解析.ppt

知网-中文信息结构 董振东 董强 中科院计算机语言信息工程研究中心 语言知识研究室 e-mail: dzddong@ Tel: (8610) 6287-5641 Tel: (8610) 6676-8816 提纲 前言 什么是中文信息结构 为什么要研究中文信息结构 怎样研究中文信息结构 中文信息结构库 中文信息结构库的应用 前言 《知网》是不依赖于特定语言的；信息结构是依赖于特定语言的。不同的语言可表达相同的信息，但有着不同的信息结构。 《知网——中文信息结构库》的研究与建设， 是《知网》这一知识系统向中文研究延伸的具体体现。 概况 1996年知网-中文信息结构的理论研究 1998年国家语委97@YY001课题支持 1999年香港大学教育资助委员会基金 项目HKUST6149支持 词 ? 词语 语义结构 ? 信息结构 结构模式 ? 建库 什么是中文信息结构 由两个或两个以上的字、词或短语构成的、句法和语义合理的、并传达特定信息的结构，该结构内不含有介词、助词、连词、标点，该结构内部允许呈递归形态。 中文语言结构及其类型 结构的特性 规定性 稳定性 递归性 词、短语、句的共同性 结构的类型 语音结构 句法结构 语义结构 信息结构 1 语音结构 基本单元：字、词 规定性表现： 音节约束 发音变化 2 句法结构 基本单元：词语词类 规定性表现： 句法关系管辖 3 语义结构 基本单元：词语义类 规定性表现： 显性角色关系管辖 4 信息结构 基本单元：词语义类及语义属性 规定性表现: 显性角色关系管辖 道-路，花-草，树-叶，草-地，河-虾，晨-曦，逃-犯， 走私-犯，毒品-走私-犯，境外-毒品-走私-集团， 现代-汉语-词典，不锈钢-汽油-桶，高-跟-鞋，独-臂-英雄， 走私-香烟，香烟-走私，走私-香烟， 隐性角色关系管辖 花园-洋房，饺子-馆， 韭菜-炒-鸡蛋，陈-方-安生， 为什么要研究中文信息结构 缺乏形态标志 缺乏功能词 管辖范围（range governed） 未登录词语 (见下面一些有趣的例子!) 加强社会治安 北京发动群众今年北京市将尝试从出租车司机、 保洁工人中聘任一批带有行业特点的治安信息员， 以拓宽社会治安群防群治力量的来源。去年北京市严重暴力案件仍呈上升趋势，街头盗、抢等八类案件同比增加，城乡结合部地区的治安问题仍比较突出。 出租车司机、 保洁工人的工作地点主要在街头，工作流动性大，掌握街头违法犯罪活动线索的机会也比较多， 聘任他们做治安信息员有助于公安机关及时掌握街头案件的情况，迅速出警、破案。 (北京晨报2001.3.1 赵孟轶文) 总字数: 202 句数: 4 标点: 15 功能词: 9 最长词语结构字数: 25 (词语数: 12) President George W. Bush on Thursday expressed his regret over a Chinese fighter pilot missing after a collision with a US spyplane off southern China, as Beijing also softened its stance. It was the first time the president had expressed regret first voiced on Wednesday by Colin Powell, his secretary of State. While his comments fell short of the apology China demanded, Mr Bush also made an effort to respond to Chinese concerns by mentioning the pilot and his family. He said: “I regret that a Chinese pilot is missing and I regret that one of their airplanes is lost. Our prayers go out to the pilot, family.” (20