- 1、本文档共37页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
现代汉语语法信息词典的收词
原则
LT
1.规范原则
(1).符合国家标准《信息处理用现代汉语分
词规范》的词语,都属于电子词典的收词范围。
根据该《信息处理用现代汉语分词规范》中
对“分词单位”的定义:“汉语信息处理使用的、
具有确定的语义或语法功能的基本单位。它包括
本规范的规则限定的词和词组”。语言学中所定
义的词:“最小的能自由运用的语言单位,首先
是电子词典的收录对象。在目前已收录的五万余
条词语中,词占95%以上,包括了全部的18个
基本类。对于其中的9个封闭类:方位词、量词、
代词、副词、介词、连词、助词、语气词、叹
词等,电子词典尽可能全部收录。而另外9个开
放类,名词、时间词、处所词、动词、形容词、
状态词、区别词、数词、象声词等,由于其数目
众多,电子词典不可能都收录,而是还要进一步
参照下面将要介绍的其它几个收词原则(如高频
原则、稳定原则、词部件原则等)进行取舍。
除了18类基本词以外,符合《信息处理用
现代汉语分词规范》的成语、习用语、缩略语3
类比词大的语言成分也属于电子词典的收录范
围。这些固定短语大多数是由语素和词组合而成,
其构成成分和格式都是在汉语的长期发展中形
成的,不可随意切割,而且其意义也带有整体
性。在句子中所起的作用与词相当,是汉语词汇
体系的重要成员。如:
成语:胸有成竹、走马
观花、子虚乌有
固定短语习用语:跑龙套、卖关
子、总而言之
简称略语:三好、人大
由于这3类固定短语数量也非常可观,电子词典
对其处理策略与处理开放类的策略相同,只选收
其中一部分使用频率高、稳定性强的。
(2).不符合分词规范的词语,原则上将不予收
录。
这主要包括以下几种情况:
1).不是分词单位的词
实际文本中的数词千变万化,如:“一、十一、
一亿八千万、第六、五分之二、一千多、三十几、
数万……”等等。但根据分词规范,可以作分词
单位的只有:
a.系数词“一、十、两、几”等
b.位数词“十、百、千、万、亿、
兆”等
c.助数词“第、初、零、分之、多、
数、约”等
d.数量词“若干、许多、不少、大
量、少许”等
那么,除了这4组,其它数词都不是分词单位,
因而也不属于电子词典的收录范围之内。
2).不是分词单位的短语成分,如:
a.(一)般说(出其)不意热胀
(冷缩)超低(空)(三)年来
之首最关并以
应按
b.在讲话中写论文学不
好科技发展时间就是生命
听说读写早来桌子
上
c.联合国教科文组织国家标
准局北京大学中国少年先锋队
其中a组可能在词频统计时这些字的组合出现
频度较高,但它们不在合理的层次上,既不成词
也不成短语,b组是自由短语,c组是组织、机构、
单位的名称。
2.高频原则
现代汉语词语非常丰富,即使是严格符合
《信息处理用现代汉语分词规范》的分词单位,
也数不胜数。因而,电子词典不可能见词就收。
为了做到收词量一定而词的覆盖面最大或词的
覆盖
您可能关注的文档
- 电力系统分析(高起专).pdf
- 生物制品质量控制分析方法验证技术.pdf
- 班级植树节策划方案(精选12篇).pdf
- 环保工作计划表.pdf
- 爱岗敬业演讲稿责任重于泰山.pdf
- 热电联产工艺.pdf
- 正能量培训课件.pptx
- 国际标准 IEC 61191-6:2010 EN-FR 印刷板组件 - 第6部分: BGA和LGA焊接接头中空洞的评估标准及测量方法 Printed board assemblies - Part 6: Evaluation criteria for voids in soldered joints of BGA and LGA and measurement method.pdf
- 国际标准 IEC 61191-6:2010 EN-FR Printed board assemblies - Part 6: Evaluation criteria for voids in soldered joints of BGA and LGA and measurement method 印刷板组件 - 第6部分: BGA和LGA焊接接头中空洞的评估标准及测量方法.pdf
- 国际标准 IEC 61169-47:2015 EN 无线电频率连接器 - 第47部分:用于无线电频率同轴连接器的部分规范,具有夹紧耦合,通常用于75欧姆电缆网络(类型F-Quick) Radio-frequency connectors - Part 47: Sectional specification for radio-frequency coaxial connectors with clamp coupling, typically for use in 75 Ω.pdf
- 国际标准 IEC 60670-23:2006 EN-FR 家用和类似固定电气安装用电器配件的盒子与封闭装置——第23部分:地板箱和封闭装置的要求 Boxes and enclosures for electrical accessories for household and similar fixed electrical installations - Part 23: Particular requirements for floor boxes and enclosures.pdf
- 2024版完整的货物运输合同书.doc
- 2024版无财产的离婚协议书书模板.doc
- 2024版委托融资租赁合同书书.doc
- 2024版汪怡的离婚协议书书.doc
- 2024版委托活动代理服务协议书书.doc
- 2024版挖掘机租赁合同书范本最新.doc
- 2024版退款协议书书.doc
- 2024版维修服务合同书范本.doc
- 2024版文化艺术品买卖服务合同书.doc
最近下载
- 2022-2023学年湖北省鄂州市七年级下学期期末数学试卷(含答案解析).docx
- 成都市七中育才学校初一新生分班(摸底)语文考试模拟试卷(10套试卷带答案解析).pdf VIP
- 玄隐遗密(含黄帝内经).docx
- 幼儿园区域环境—语言区环境创设(幼儿园环境创设课件).pptx VIP
- 整体租赁底商运营方案(技术方案).docx
- 脑梗塞后遗症病人护理查房ppt课件.pptx
- 【上海市】医疗服务收费标准.pdf
- 灭菌方法和无菌操作.ppt
- 华中农业大学2020-2021学年《植物生理学》期末考试试卷(A卷)含参考答案.docx
- 华中农业大学2021-2022学年《植物生理学》期末考试试卷(A卷)含参考答案.docx
文档评论(0)