北大切分及词性标注参考.docVIP

切分 从字数考虑，对两个字的组合较宽地看作是一个切分单位，三个字的较严，四个字以上的若不是成语、习用语一般不看作是一个切分单位。 （1） 人名: nr （2）地名: ns （3）团体、机构、组织的专有名称: nt （4） 除人名、国名、地名、团体、机构、组织以外的其他专有名词都标以nz，具体规定如表示民族的“族”、表示语言的“语”，表示文字的“文”，则不切分。 （5） 数词与数量词组 （6） 时间词 （7） 单音节代词“本”、“每”、“各”、“诸”后接单音节名词时，和后接的单音节名词合为代词；当后接的名词有2个以上音节时，应予切分。 （8） 区别词 如① 一般为切分单位，并标以词性b。 女/b 司机/n， 金/b 手镯/n （9）动词加动词或动词加形容词构成的述补结构 （10）四个字以上的短语，通常应切分。 （11）超过四个字的成语或习用语，一般不予切分，暂不要求划分子类。 （12）表达一个完整概念或集合的简称或缩略语为一个切分单位，标以j，也要求根据其在句子中的功能进一步标注子类。子类的划分原则同成语和习用语。 （13）文本中非汉字的字符串的处理意见 如 已经约定俗成的或科学技术中已通用的符号保持原有的意义，根据其原有的意义决 定相应的标记。 阿拉伯数字：121/m 号/q 房间/n 2000年/t 8月/t 15日/t 单独的罗马数字：Ⅱ/m ⅠⅩ/m ⅩⅤ/m 英文字母（或字母组合）代表常用的度量单位：A代表“安培”， 切分标注结合 重叠 ⑴ “AA”重叠形 单字动词重叠式AA作为一个切分单位，并标注为动词词性v。 单字形容词重叠式AA，有的成词，有的不成词。如后面不紧跟“的”就成词，作为一个切分单位，通常为副词d。 单字名词重叠式AA，为一个切分单位，并标注为名词词性n。 （2）“AAB”重叠形 （3）“ABB”重叠形 ⑷ “AABB”重叠形 ⑸ “A里AB”和“A不AB”的词形 ⑹ “ABAB”重叠形 ⑺ 双音节拟声词的 “ABAB”重叠形式同其他词类一样，切分开 5.2 附加 ⑴ 前接成分＋语素或词 由“前接成分＋语素或词”构成的合成词，为一个切分单位。 ⑵ 语素或词＋后接成分 5.3 复合词 “复合”方式可将两个构词成分结合成一个新词。 ⑴ 二字名词 ① “名＋名”的定中结构， 一般为一个切分单位。 ② “动＋名”如果是定中结构，一般为一个切分单位。 ③ “动＋名” 如果是述宾结构，则是短语，应切分开。 ④ “形＋名”的定中结构，若中间不能插“的”或插“的”后意义改变，则作为一个切分单位；否则，应予切分。 ⑵ 三字名词 ① “动（双音）＋名（单音）”的定中结构，一般为一个切分单位。 ② “名（双音）＋名（单音）”结构，通常为一个切分单位，但弹性较大，若前面的双音节名词与后面的单音节名词组合后意义不变，也可以分开 ③ “名（单音）＋名（双音）”结构，通常为一个切分单位，但弹性较大，若前面的单音节名词与后面的双音节名词组合后意义不变，也可以分开。 ④ “形（单音）＋名（双音）”的定中结构，处理原则同二个字的“形＋名”组合。 ⑤ “形（双音）+名（单）”的定中结构，处理原则同④。 ⑶ 其他 ① 单纯方位词＋名（单音）的定中结构，为一个切分单位。所组成的合成词一般是处所词，但在某些特殊情况下可能是名词或时间词。 明显带排行的亲属称谓要切分开，分不清楚的则不切开。 标注规范 《规范2001》的词性标注除了使用《语法信息词典》中的26个词类代码（名词n、时间词t、处所词s、方位词f、数词m、量词q、区别词b、代词r、动词v、形容词a、状态词z、副词d、介词p、连词c、助词u、语气词y、叹词e、拟声词o、成语i、习用语l、简称j、前接成分h、后接成分k、语素g、非语素字x、标点符号w）外，增加了以下3类标记：①专有名词的分类标记，即人名nr，地名ns，团体机关单位名称nt，其他专有名词nz，英语等其他非汉字的字符串nx。②语素的子类标记，即名语素Ng，动语素Vg，形容语素Ag，时语素Tg，副语素Dg等；由于标注时只使用这些子类标记，故语素标记g 不在标注语料库中出现。 ③动词和形容词的特殊用法标记，即名动词vn（动词的名词用法），名形词an（形容词的名词用法），副动词vd（动词的副词用法），副形词ad（形容词的副词用法）。合计约40个。 1.常见兼类词的词性选择 ⑴ n-q兼类情况。 汉语中的一些名词（主要是单音节名词）可以兼作量词，对于这些词，依据上下文来确定句子中的词的词性。 ① 数词＋ n-q ＋