语言数据库建设_2词语切分和词性标注.ppt

《红楼梦》自动分析示例 原来/b 女娲/n 氏/g 炼石补天/v 之/u 时/g ，/w 于/p 大/a 荒山/n 无/v 稽/nr 崖/g 练/v 成/v 高/a 经/p 十二/m 丈/q ，/w 方/d 经/p 二十四/m 丈/q 顽石/n 三万六千五百零一/m 块/q 。/w 娲/x 皇/g 氏/g 只用/v 了/u 三万六千五百/m 块/q ，/w 只/d 单单/d 剩/v 了/u 一/m 块/q 未/d 用/v ，/w 便/d 弃/g 在/p 此/r 山/n 青/a 埂/g 峰/g 下/f 。/w 谁知/v 此/r 石/g 自/p 经/p 煅/v 炼/v 之后/f ，/w 灵性/n 已/d 通/v ，/w 因/c 见/v 众/g 石/g 俱/g 得/v 补/v 天/qt ，/w 独/d 自己/r 无/v 材/g 不堪/v 入选/v ，/w 遂/d 自/p 怨/v 自/r 叹/v ，/w 日夜/d 悲/g 号/n 惭愧/an 。/w * * 2012年8月9日《人民日报》第1版 真正/b 的/u 义务教育/l 应当/v 是/v 免费/v 教育/v 。/w 《/w 世界/n 人权/n 宣言/n 》/w 和/cc 《/w 儿童/n 权利/n 公约/n 》/w 都/d 有/v 让/v 孩子/n 接受/v 免费/v 义务教育/l 的/u 明确/a 表述/vn 。/w 全球/n 170/m 多/m 个/q 实行/v 法定/b 义务/n 教育/vn 的/u 国家/n 和/cc 地区/n 均/d 宣布/v 实施/v 免费/v 。/w 许多/m 国家/n 的/u 义务教育/l 免费/v 从/p 免/v 学杂费/n 开始/v ，/w 然后/c 是/v 免费/v 提供/v 教科书/n 和/cc 其它/r 学习/v 用品/n ，/w 有的/r 还/d 免/v 午餐/n 、/w 校服/n 、/w 医疗/n 和/cc 交通/n 等/u 费用/n 。/w * * 2012年8月9日《人民日报》第1版 进入/v 新/a 世纪/n ，/w 我国/n 义务教育/l 迈入/v 巩固/v 提高/v 和/cc 全面/ad 普及/v 的/u 新/a 阶段/n 。/w 这样/r 的/u 共识/n 逐渐/d 达成/v ：/w 义务教育/l 免费/vn 是/v 政府/n 的/u 基本/a 公共/b 职能/n 。/w 普及/v 教育/vn 、/w 强制/vn 教育/vn 和/cc 免费/v 教育/v 是/v 义务教育/l 的/u 本质/n 特征/n ，/w 免费/v 的/u 步骤/n 可以/v 根据/p 国情/n 来/f 分步/v 实施/v ，/w 但/c 必须/d 坚持/v 免费/v 的/u 特点/n 。/w * * 第四节 人工校对实践及其问题 * * 分词与词性标注工程实践选题 论语 11705个字 可参考安作璋《论语辞典》，收词3030条 2012年1月份人民日报 * * * 1、韵律单位最底层的是韵素（mora），韵素组成音节（syllable），音节组成音步（foot）。 2、从韵律的角度看，汉语的词（包括单纯词和合成词）在很大程度上是汉语韵律系统中的一个音步或者一个双音或多音节结构；而双音节合成词也就是标准的韵律词。 3、从韵律词到固化韵律词再到词化韵律词，是大量汉语复合词形成的过程 * * * （2）这里的“等到”是动词，“在”、“到”兼属动词与介词。 （4）这是时间词区别于名词的依据。专有时间词如“宋朝”不能单独作状语。 * （5）但语义上与时间有关的词不一定是时间词，如“时间、时候、功夫”是名词，“已经、刚、忽然”是副词，“半天、三年”是数量词组。 （6）表示时量（即时间长短）的，都可以划为数量词或数量词组，如“一会儿、三年、两个钟头” * （2）这里的“在、到、往”兼属动词和介词。不表示处所的名词通常要先和方位词“上、中、下、里”等结合成表示处所（或引申意义的）的短语才能作这些介词的宾语 （4）这是处所词区别于名词的主要依据。处所词直接作状语的机会比时间词要少一些。 （5）但地点并不是教学中严格的点，“海外”、“国内”也属于处所词。 * 注意：这些词处理成名词，不处理成处所词 * 、里、外、内、中、左、右、东、西、南、北 * （2）在对举的条件下，单纯方位词也可以直接充当句法成分，如“上有天堂，下有苏杭” （3）方位词可起英语中介词的作用，但是汉语中方位词是后置的，而介词总是前置的。 * “第、点、分之、好几”属于助数词 * 顺便指出，虽然以上述4项功能作为判断一个动词是否为名动词的标准，但并不要求每一个名动词全具备上述4项功能。 承认动词中有一部分名动词，绝不等于认为，主宾语位置上的动词都兼属名词，因为名动词不是根据动词能不能作主宾语而区分