大型词典编纂的计算机辅助开发与管理系统.docxVIP

大型词典编纂的计算机辅助开发与管理系统 晶 王惠李康年 摘 要：词典编纂是一项需要投入大量人力、物力、财力的大型语言工程。由于 词典包含的信息量巨大，开发周期长，编纂人员多，工程项目所要求的进度与词 典的质量保证都是非常关键的问题。为此，我们设计并实现了一个词典编纂的计 算机辅助开发与管理系统。该系统已经在北京大学“现代汉语语义词典”的开发 过程中发挥了重要作用，它有效地提高了词典编纂的效率和质量；同时，该项研 究也是对汉语计算词典学理论的一种有益探索。 关键词：词典编纂词典管理知识挖掘自动翻译计算词典学 刖言 随着自然语言处理技术的迅速发展，词义分析的重要性与迫切性也为越来越 突出。为了给计算机自动分析提供更全面、深入的语义信息，北京大学计算语言 学研究所与中科院计算所自1994年联合开发“汉英机器翻译模型系统”开始，就 着手研制面向汉英机器翻译的“现代汉语语义词典” 。1996年至1998年，受到国 家863高科技项目“通用机器翻译开发平台和汉英机器翻译系统”的支持，语义 词典进入到大规模开发阶段，并取得重要的阶段性成果，完成了 4.9万汉语词语 的语义分类和搭配信息描述［1］。四年多来，北京大学计算语言学研究所在积极应用、 推广该词典的同时，仍不断地投入力量进行词典本身的发展。从 2001年11月开 始，“现代汉语语义词典”的二期开发工作受到了国家 973重点基础研究项目 （G1998030507-1）的支持，由北大计算语言学研究所和中文系 联合承担，对词典规模进行较大幅度的扩充，并对全部词语的语义分类及属性描 述进行全面修订。在双方的积极努力下，项目进展得非常顺利。 目前，现代汉语语义词典的规模与质量都有了显著的提高，共收录词条 6.6 晶本研究得到国家863项目“语言资源建设及相关研究探索” （项目号：2002AA117010-08）与国家973重点 基础研究项目“面向新闻领域的汉英机器翻译系统” （项目号：G1998030507-4）的支持。 万，采用Access数据库实现。其中包含全部词语的总库1个，每类词语各建一库， 计11个。每个库文件都详细刻画了词语及其语义属性的二维关系。比如，总库中 包括词语、拼音、同形、义项、语义类、词类、子类、兼类 8个属性字段。名词 库设15个属性字段，动词库设16个属性字段。所有的库都可以通过“词语、词 类、同形、义项”这4个关键字段进行链接［2］。现在，它正在一个汉英机器翻译系 统中发挥着重要的作用。 在语义词典的编纂修订过程中，为了保证词典内容准确可靠，有效地管理编 纂人员，同时兼顾工程进度，我们开发了一个计算机辅助词典开发和管理系统， 用于词典编辑、校订、检索、排序、检测、自动翻译、版本比较、任务管理等。 本系统在 Windows 2000的操作系统下使用Visual C++ 6.0编写、运行，采用Access 2000数据库存储词典数据库。系统的构成主要包括以下 4个子系统：词典编辑、 自动检测、自动翻译、项目管理。 词典编辑(Dict_Edit ) 本子系统的主要任务是对数据库格式的词典文件进行编辑(图 1)。首先，选 中“编辑”菜单中的“排序”，可采用多种方式对词典进行排序和浏览。 aem壬萍对象文件(F)編曙(E)查盲(V)选项⑴ 永助(H)卫无标趣-DicEdit在 aem壬萍 对象 文件(F)編曙(E)查盲(V)选项⑴ 永助(H) 卫无标趣-DicEdit 在 子 自 应 哀爰爱谢安安安凹諏傲肅败饕棒保峯抱暴把悲悲悲 ai lyuaa4 ai4mei3 ti4mi w4xi5 anl dinrf ajil shi4 ：=LTLlKi sm2zi4zai4 魚ol ao4qi4 biL4qii4 bai4si ng4 ban3 bui3ji?2 bang4 b aa3 shou3 bfto4 b ao4km 4 bao4nn4 bae4wti3qu5 bei 1 chou2 bei 1 feM 安稳 蛮横.专植的气势 硬 能力强:成绩好 急陳.歿聽;猛藝 心中有愧 极端质怒 抱屈 呪蔚 值 懾 呪格格錐呪呪呪瞬格格格呪感感嵐质格呪呪呪呪呪况 境品品三境境境外品品品境触斛性性品境境说境境境 人I动物 扎动物 A 人I动物 人I动物 A 人I动物 具怀爭物 xm A A A 具棒爭物 非空物 具体爭物I抽象爭物 人I抽象爭物I爭件 人1动物 A 人I动物 A 人 爭件I情感I複糊属性 数字 图1语义词典的形容词 在“查看”菜单中点击“查询”按钮，即可根据首字、尾字、词类、语义类、 义项、配价数等多种条件进行检索，包括组合检索、模糊检索等。比如，选取条 件“词语=悲* ”，以“悲”字开头的形容词及属性就都会显示出来（图 2）： 词语词类拼音配