計(jì)算所漢語詞性標(biāo)記集

計(jì)算所漢語詞性標(biāo)記集Version3.0制訂人：劉群張華平張浩TOC\o"1-5"\h\z\o"CurrentDocument"計(jì)算所漢語詞性標(biāo)記集 1\o"CurrentDocument"0.說明 1\o"CurrentDocument"名詞（1個(gè)一類，7個(gè)二類，5個(gè)三類） 2\o"CurrentDocument"時(shí)間詞（1個(gè)一類，1個(gè)二類） 2\o"CurrentDocument"處所詞（1個(gè)一類） 3\o"CurrentDocument"方位詞（1個(gè)一類） 3\o"CurrentDocument"動(dòng)詞（1個(gè)一類，9個(gè)二類） 3\o"CurrentDocument"形容詞（1個(gè)一類，4個(gè)二類） 3\o"CurrentDocument"區(qū)別詞（1個(gè)一類，2個(gè)二類） 3\o"CurrentDocument"狀態(tài)詞（1個(gè)一類） 3\o"CurrentDocument"代詞（1個(gè)一類，4個(gè)二類，6個(gè)三類） 3\o"CurrentDocument"數(shù)詞（1個(gè)一類，1個(gè)二類） 4\o"CurrentDocument"量詞（1個(gè)一類，2個(gè)二類） 4\o"CurrentDocument"副詞（1個(gè)一類） 4\o"CurrentDocument"介詞（1個(gè)一類，2個(gè)二類） 4\o"CurrentDocument"連詞（1個(gè)一類，1個(gè)二類） 4\o"CurrentDocument"助詞（1個(gè)一類，15個(gè)二類） 4\o"CurrentDocument"嘆詞（1個(gè)一類） 4\o"CurrentDocument"語氣詞（1個(gè)一類） 5\o"CurrentDocument"擬聲詞（1個(gè)一類） 5\o"CurrentDocument"前綴（1個(gè)一類） 5\o"CurrentDocument"后綴（1個(gè)一類） 5\o"CurrentDocument"字符串（1個(gè)一類，2個(gè)二類） 5\o"CurrentDocument"標(biāo)點(diǎn)符號(hào)（1個(gè)一類，16個(gè)二類） 50.說明計(jì)算所漢語詞性標(biāo)記集（共計(jì)99個(gè)，22個(gè)一類，66個(gè)二類，11個(gè)三類）主要用于中國(guó)科學(xué)院計(jì)算技術(shù)研究所研制的漢語詞法分析器、句法分析器和漢英機(jī)器翻譯系統(tǒng)。本標(biāo)記集主要參考了以下詞性標(biāo)記集：北大《人民日?qǐng)?bào)》語料庫詞性標(biāo)記集；北大2002新版詞性標(biāo)記集（草稿）；清華大學(xué)漢語樹庫詞性標(biāo)記集；教育部語用所詞性標(biāo)記集（國(guó)家推薦標(biāo)準(zhǔn)草案2002版）；美國(guó)賓州大學(xué)中文樹庫（ChinesePennTreeBank）詞性標(biāo)記集；由于計(jì)算所的漢語詞法分析器主要采用北大《人民日?qǐng)?bào)》語料庫進(jìn)行參數(shù)訓(xùn)練，因此本詞性標(biāo)記集主要以北大《人民日?qǐng)?bào)》語料庫的詞性標(biāo)記集為藍(lán)本，并參考了北大《漢語語法信息詞典》中給出的漢語詞的語法信息。本標(biāo)記集在制定過程中主要考慮了以下幾方面的因素：有助于提高漢語詞法分析器的切分和標(biāo)注正確率；有助于提高漢語句法分析器的正確率；有助于漢英機(jī)器翻譯系統(tǒng)進(jìn)行翻譯；易于從北大《人民日?qǐng)?bào)》語料庫詞性標(biāo)記集進(jìn)行轉(zhuǎn)換；對(duì)于語法功能不同的詞，在不造成詞法分析和句法分析歧義區(qū)分困難的情況下，盡可能細(xì)分子類?；谝陨峡紤]，我們?cè)跇?biāo)注過程中盡量避免那些容易出錯(cuò)的詞性標(biāo)記，而采用那些不容易出錯(cuò)、而對(duì)提高漢語詞法句法分析正確率有明顯作用的標(biāo)記。例如，在動(dòng)詞的子類中，我們參考了賓州大學(xué)中文樹庫的做法，把漢語動(dòng)詞“是”和“有”分別做成單獨(dú)的標(biāo)記，而沒有采用“系動(dòng)詞”的標(biāo)記。因?yàn)橥瑯邮恰笆恰边@個(gè)動(dòng)詞，其句法功能很多，作“系動(dòng)詞”只是其中一種功能，而要區(qū)分這些功能是非常困難的，會(huì)導(dǎo)致詞法分析的正確率下降。在名詞子類中，我們區(qū)分了“漢語人名”、“日語人名”和“翻譯人名”，這不僅僅是因?yàn)檫@三種人名要采用不同的參數(shù)進(jìn)行訓(xùn)練與識(shí)別，而且在漢英機(jī)器翻譯中也要采用不同的分析算法進(jìn)行翻譯。又如，我們把表示時(shí)間的“數(shù)詞+'年’”（如“1995年”）合并成一個(gè)時(shí)間詞，而表示年頭的“數(shù)詞+'年'”分別標(biāo)注為“數(shù)詞”和“量詞”這是因?yàn)槲覀兺ㄟ^實(shí)驗(yàn)發(fā)現(xiàn)這種區(qū)分在詞法分析階段通過統(tǒng)計(jì)方法可以達(dá)到較高的正確率，而且這種區(qū)分對(duì)于后續(xù)的句法分析和機(jī)器翻譯有非常重要的作用。對(duì)于某些詞類（助詞和標(biāo)點(diǎn)符號(hào)），基本上是一個(gè)封閉集，而這些詞類中各個(gè)詞的語法功能相差很大，在這種情況下，我們盡可能地細(xì)分其子類。另外，與其他詞性標(biāo)記集類似，在我們的標(biāo)記體系中，小類只是大類中一些有必要區(qū)分的一些特例，但小類的劃分不滿足完備性。名詞（1個(gè)一類，7個(gè)二類，5個(gè)三類）名詞分為以下子類：n名詞nr人名nr1漢語姓氏nr2漢語名字nrj日語人名nrf音譯人名ns地名nsf音譯地名nt機(jī)構(gòu)團(tuán)體名nz其它專名nl名詞性慣用語ng名詞性語素時(shí)間詞（1個(gè)一類，1個(gè)二類）t時(shí)間詞tg時(shí)間詞性語素3.處所詞（1個(gè)一類）s處所詞方位詞（1個(gè)一類）f方位詞動(dòng)詞（1個(gè)一類，9個(gè)二類）v動(dòng)詞vd副動(dòng)詞vn名動(dòng)詞vshi動(dòng)詞“是”vyou動(dòng)詞“有”vf趨向動(dòng)詞vx形式動(dòng)詞vi不及物動(dòng)詞（內(nèi)動(dòng)詞）vl動(dòng)詞性慣用語vg動(dòng)詞性語素形容詞（1個(gè)一類，4個(gè)二類）a形容詞ad副形詞an名形詞ag形容詞性語素al形容詞性慣用語區(qū)別詞（1個(gè)一類，2個(gè)二類）b區(qū)別詞bi區(qū)別詞性慣用語狀態(tài)詞（1個(gè)一類）z狀態(tài)詞代詞（1個(gè)一類，4個(gè)二類，6個(gè)三類）r代詞rr人稱代詞rz指示代詞rzt時(shí)間指示代詞rzs處所指示代詞rzv謂詞性指示代詞ry疑問代詞ryt時(shí)間疑問代詞rys處所疑問代詞ryv謂詞性疑問代詞rg代詞性語素?cái)?shù)詞（1個(gè)一類，1個(gè)二類）m數(shù)詞mq數(shù)量詞量詞（1個(gè)一類，2個(gè)二類）q量詞qv動(dòng)量詞qt時(shí)量詞副詞（1個(gè)一類）d副詞介詞（1個(gè)一類，2個(gè)二類）p介詞pba介詞“把”pbei介詞“被”連詞（1個(gè)一類，1個(gè)二類）c連詞cc并列連詞助詞（1個(gè)一類，15個(gè)二類）u助詞uzhe著ule了嘍uguo過udel的底u(yù)de2地ude3得usuo所udeng寺寺寺石云uyy一樣一般似的般udh的話uls來講來說而言說來uzhi之ulian連（“連小學(xué)生都會(huì)”）嘆詞（1個(gè)一類）e嘆詞語氣詞（1個(gè)一類）y語氣詞（deleteyg）擬聲詞（1個(gè)一類）o擬聲詞前綴（1個(gè)一類）h前綴后綴（1個(gè)一類）k后綴字符串（1個(gè)一類，2個(gè)二類）x字符串xeEmail字符串xs微博會(huì)話分隔符xm表情符合xu網(wǎng)址URL22.標(biāo)點(diǎn)符號(hào)（1個(gè)一類，16個(gè)二類）w標(biāo)點(diǎn)符號(hào)wkz左括號(hào)，全角：（〔［｛《【〖〈半角：（［｛<wky右括號(hào)，全角：）〕］｝》】〗〉半角：）］｛>wyz左引號(hào)，全角：“‘『wyy右引號(hào)，全角：”’』wj句號(hào)，全角：。