中文信息学报对蒙古语语料库基本名词短语的定界与统计分析.PDF

中　文 　信 　息 　学 　报 第 19 卷 第 5 期 　 JOURNAL OF CHINESE INFORMATION PROCESSING Vol 19 No5 ( ) 文章编号 :1003 - 0077 2005 05 - 0052 - 07 对蒙古语语料库基本名词短语的定界与统计分析① 华沙宝 ,达胡白乙拉 ( 内蒙古大学 蒙古学学院 , 内蒙古 呼和浩特 　010021) 摘要 :解决蒙古语基本名词短语的定界问题 ,是在蒙古语词性标注语料库的基础上进行的探索性研究 。 基本名词短语的内部结构信息对其定界问题具有重要作用 。确定基本名词短语内部结构的因素有多种 ,但基 本名词短语成分的词类信息是最基本的因素 。我们以词类信息为核心 , 附加一些限定条件 ,构建识别基本名 词短语的形式规则集 ,并在实际语料中进行基本名词短语标注测试 。 关键词 :计算机应用 ; 中文信息处理 ;蒙古语 ;基本名词短语 ;短语结构 ;形式化描述 中图分类号 :TP391 　　　文献标识码 :A The Research on Base NP Boundary Determination and Its Statistical Analysis in Mongolian Corpus HUA Shabao , Dabhurbayar (Mongolian Studies College , Inner Mongolia University , Hohhot 010021 ,China) Abstract : The Boundary Determination of Mongolian BaseNP is an exploratory task based on POS Tagged Mongolian Corpo ra . The determination of the inner structure of baseNP will be very helpful for BaseNP boundary recognition . The inner structure of BaseNP can be analyzed based on different features , among them , POS tagging information is the most important feature . Using POS tagging information as the core feature , together with other determinative conditions , we construct a rule set for Mongolian BaseNP recognition , which will be a necessary resource for BaseNP recognition . Key words :computer application ; Chinese information processing ; Mongolian language ; base NP ; phrase structure ; formal description 从 20 世纪 80 年代初开始 ,我们着手进行现代蒙古语语料库建设工作 ,初步完成了词处理 阶段上需要做的一些标注 。目前 ,我们正在结合国家相关课题研究任务 ,开始进行对现代蒙古 语语料库的标注加工研究 。系统研究短语内部结构特征 ,完成对蒙古语语料库的短语标注 ,是 继续进行语料库深加工 、建立大规模树库和其他语言知识库的先决条件 ,是蒙古文信息处理各 个环节中起到承前启后作用的重要研究课题 。汉语 、英语等其他语言的信息处理实践也见证 了这一点[ 1～5 ] 。 在蒙古语传统研究中 ,对蒙古语的词组进行了比较详细的研究[6