小学语文ICAI系统诊断模块中的造句错误类型分析Ξ-计算机工程.PDFVIP

中　文 　信 　息 　学 　报 第 13 卷 第 3 期 JOURNAL OF CHINESE INFORMATION PROCESSING Vol . 13 No. 3 小学语文 ICA I 系统诊断模块中的 造句错误类型分析 杨开城 北京师范大学现代教育技术研究所 　北京 　100875 摘要 　本文从句法分析的角度出发 ,全面分析了错误文本的技术表现 ,从信息处理的需要 出发扩展了造词法的概念 ,提出把词语搭配错归入句法错的观点 ,并试着对“语义错”这种模糊 的提法给出了明确的描述 。本文在详细分析各种错误类型的特征的基础上 ,提出了相应的诊 断策略 。 关键词 　造词法 　搭配 　语义 一 、错误类型分析意义及分析的角度 错误类型分析对于小学语文 ICA I 系统造句诊断模块的目标设计以及功能评价都是一个 至关重要的参照 。如果分析得不清晰不彻底 ,就会妨碍造句诊断的总体功能设计 ,甚至影响整 个 ICA I 系统的性能指标 ,而且会使 ICA I 系统智能诊断功能的评价指标变得模糊而缺乏可操 作性 。 对错误类型的分析通常有两种角度 :人的角度和计算机算法分析的角度 。从人的角度对 错误进行分类 ,虽然有一定的客观性 ,但会出现同一类错误在系统中会对应多种技术表现的现 象 ,并且处理方式不同的系统技术表现也会迥异 。这就给系统功能设计和最终的性能评价带 来很多不便 。从计算机算法分析的角度进行错误分类 ,会因语言处理系统的用途不同而出现 差异 。但从计算机处理的角度进行错误分类的一个明显优点是利于界定和评价系统的功能 。 我们正在开发的小学语文 ICA I 系统中 ,造句错误诊断模块与常规的文稿校对技术在很 ( ) 多方面 处理文本的性质 、诊断错误类型的重点等 存在着差异 。我们认为有必要根据系统的 特殊要求对错误类型从计算机处理的角度进行系统地分析 。下面将讨论分析结果 。 二 、错误类型分析 我们粗略地将错误类型分为不成词错 、造词法错 、句法错 、语义错和百科知识错五大类 。 2 . 1 　不成词错 由于汉语在书写时汉字是连续排放的 ,词与词之间没有分隔标志 ,所以在对汉语句子进行 分析之前 ,必须对句子进行分词处理 ,将汉字串切分为词串。汉语词汇中有一些是多音节单语 本文于 1998 年 10 月 27 日收到 54 素的单纯词 ,并且构成语素的字在任何情况下都不能独立成词 。如果切分过程中出现不成词 的“语素字”,就应判定句子出现了不成词错 。如 : ( ) 吐鲁番的葡熟了。 本来是缺了一个“萄”字 ,但技术表现则是切分出来一个不成词的字 除了有些多音节单纯词在丢字 、多字或错字的情况会出现不成词错外 ,有些带有粘着语素 的派生词和复合词也会造成不成词错 。如 : ( ) 他碌了一整天 。 少了一个“忙”字 ,“碌”为粘着语素 ,不能独立成词 由于各个系统的收词量不同 ,因此系统应根据各自的切分算法和收词情况 ,在采取切分歧 义消解措施的情况下 ,如果切分出来的字无法在词库中检索到 ,就应诊断为不成词错 。如果不 ( ) 采取消歧措施 ,下面的句子会被认为是错的 假设按最大匹配算法分词 : 做 了解释( “释”在现代汉语中极少单用 ,因此系统会诊断该句为不成词错) 考虑到小学生的用词量 ,我们的系统中单字词只收入 1378 个词条 , 因此 ,6763 个汉字中 就有 5385 个汉字不能用来充当单字词 ,我们认为