基于词性标注语料库名词序列捆绑研究.pdfVIP

基于词性标注语料库的名词序列捆绑研究4 刘长征 北京语言文化大学汉语速成学院，北京100083 educn schxy@Mcu 擅要名词序列构成的名词短语是汉语中一种重要的短语形式，是名词短语的重要组成部分。本 文采用“统计+规则”的方法对出现在任意上下文中的普通名词序列是不是一个语法形式进行自 动识别。语料规模为200万字。开放测试准确率和召回率分别达到92【％和92．5％。 关健词语料库，名词序列，名饲短语。 Researchon ofNPfromNoun Recognition Sequences Liu Changz-．hcng CollegeofIntensiveChineseLanguage edu．crl schxy@blcu AbstractNoun constitutedofnoun isan formofChinese it is phrases sequenceimportant phrase，and also This all statistics· animponantpartofchinesenounphrasespaperpresentsapproachcombiningthe methodtodeterminewhenanoun isaconstruction．Thescaleof basedmethodandrule-based sequence is2millionchinesecharactersThe andrecallresults reach921％and corpus precision respectively 925％ corpus，nounsequence’nounphfast． Keywords 0．引言 现代汉语中，名词序列构成的名词短语是一种重要的短语形式，它是名词短语的一个 重要组成部分。本文应用北京语言文化大学语言信息处理研究所的“现代汉语研究语料库”， 对机器自动识别出现在任意上下文中的普通名词序列是不是一个语法形式(【2】[3】)进行试 验性研究。 1名词序列构成的名词短语 1．1名词序列 “现代汉语研究语料库”中名词分为专有名词、普通名词、时间词、处所词、方位 。本项研究得到国家重点自然科学基金的资助(项目号．本文写作中得到张普先生和孙宏林先生的指导与帮助 谨致谢忱． 词等五类。本文中的名词，除非特别指明，都是指该语料库中的普通名词，词类标记为n90。 “名词序列”，就是该语料库中词性标记为n90的两个或多个名词的连续共现序列。序列 之间不含非普通名词，每个名词序列在上下文中其前边一个词和后边一个词都不再是普通 名词。根据序列所含名词项的个数，我们把名词序列分为两种情况，一种是两个名词的连 续共现序列，记为“NI+N2”．称为双项名词序列。如下例中的“，【政策】，【措施】，” 就是一个双项名词序列。 ，要，采取／有效，的／【政策】，【措施】／． ／va／vwn／a90／usd／【ri90】／【n90】／wdl／ 另一种情况是三个或三个以上普通名词的连续共现序列，记为“Nl+N2十…Nn”，称 为多项名词序列。如下例中的“／【国家】／【公务员】／【代表】／”就是一个多项名词序列。 ／【国家】／【公务员】／【代表】／由／民主，推选／产生／，