ICTPOS3.0汉语词性标记集

1、 Http:/ictclas.org计算所汉语词性标记集计算所汉语词性标记集Version 3.0 制订人：刘群 张华平 张浩 计算所汉语词性标记集.1 0.说明.1 1.名词 (1 个一类，7 个二类，5 个三类).2 2.时间词(1 个一类，1 个二类).2 3.处所词(1 个一类).3 4.方位词(1 个一类).3 5.动词(1 个一类，9 个二类).3 6.形容词(1 个一类，4 个二类).3 7.区别词(1 个一类，2 个二类).3 8.状态词(1 个一类).3 9.代词(1 个一类，4 个二类，6 个三类).3 10.数词(1 个一类，1 个二类).4 11.量词(1 个一类，2 个二类).4 12.副词(1 个一类).4 13.介词(1 个一类，2 个二类).4 14.连词(1 个一类，1 个二类).4 15.助词(1 个一类，15 个二类).4 16.叹词(1 个一类).4 17.语气词(1 个一类).5 18.拟声词(1 个一类).5 19.前缀(1 个一类).5 20.后缀(1 个一类).5 21.字符串(1 个一类，2 个二类).5 22.标点符号(1 个一类，1

2、6 个二类).50.说明说明计算所汉语词性标记集（共计 99 个，22 个一类，66 个二类，11 个三类）主要用于中 国科学院计算技术研究所研制的汉语词法分析器、句法分析器和汉英机器翻译系统。本标 记集主要参考了以下词性标记集： 1.北大人民日报语料库词性标记集； 2.北大 2002 新版词性标记集（草稿） ； 3.清华大学汉语树库词性标记集； 4.教育部语用所词性标记集（国家推荐标准草案 2002 版） ； 5.美国宾州大学中文树库（ChinesePennTreeBank）词性标记集； 由于计算所的汉语词法分析器主要采用北大人民日报语料库进行参数训练，因此Http:/ictclas.org本 词性标记集主要以北大人民日报语料库的词性标记集为蓝本，并参考了北大汉语语 法信息词典中给出的汉语词的语法信息。 本标记集在制定过程中主要考虑了以下几方面的因素： 1.有助于提高汉语词法分析器的切分和标注正确率； 2.有助于提高汉语句法分析器的正确率； 3.有助于汉英机器翻译系统进行翻译； 4.易于从北大人民日报语料库词性标记集进行转换； 5.对于语法功能不同的词，在不造成词法分析和句法分析歧义

3、区分困难的情况下， 尽可能细分子类。 基于以上考虑，我们在标注过程中尽量避免那些容易出错的词性标记，而采用那些不 容易出错、而对提高汉语词法句法分析正确率有明显作用的标记。例如，在动词的子类中， 我们参考了宾州大学中文树库的做法，把汉语动词“是”和“有”分别做成单独的标记， 而没有采用“系动词”的标记。因为同样是“是”这个动词，其句法功能很多，作“系动 词”只是其中一种功能，而要区分这些功能是非常困难的，会导致词法分析的正确率下降。在名词子类中，我们区分了“汉语人名” 、 “日语人名”和“翻译人名” ，这不仅仅是因 为这三种人名要采用不同的参数进行训练与识别，而且在汉英机器翻译中也要采用不同的 分析算法进行翻译。又如，我们把表示时间的“数词年 ” （如“1995 年” ）合并成一 个时间词，而表示年头的“数词年 ”分别标注为“数词”和“量词” ，这是因为我们 通过实验发现这种区分在词法分析阶段通过统计方法可以达到较高的正确率，而且这种区 分对于后续的句法分析和机器翻译有非常重要的作用。 对于某些词类（助词和标点符号） ，基本上是一个封闭集，而这些词类中各个词的语法 功能相差很大，在这种

4、情况下，我们尽可能地细分其子类。 另外，与其他词性标记集类似，在我们的标记体系中，小类只是大类中一些有必要区 分的一些特例，但小类的划分不满足完备性。1.名词名词 (1 个一类，个一类，7 个二类，个二类，5 个三类个三类)名词分为以下子类： n 名词 nr 人名 nr1 汉语姓氏 nr2 汉语名字 nrj 日语人名 nrf 音译人名 ns 地名 nsf 音译地名 nt 机构团体名 nz 其它专名 nl 名词性惯用语 ng 名词性语素2.时间词时间词(1 个一类，个一类，1 个二类个二类)t 时间词Http:/ictclas.orgtg 时间词性语素3.处所词处所词(1 个一类个一类)s 处所词4.方位词方位词(1 个一类个一类)f 方位词5.动词动词(1 个一类，个一类，9 个二类个二类)v 动词 vd 副动词 vn 名动词 vshi 动词“是” vyou 动词“有” vf 趋向动词 vx 形式动词 vi 不及物动词（内动词） vl 动词性惯用语 vg 动词性语素6.形容词形容词(1 个一类，个一类，4 个二类个二类)a 形容词 ad 副形词 an 名形词 ag 形容词性语素 al

5、形容词性惯用语7.区别词区别词(1 个一类，个一类，2 个二类个二类)b 区别词bl 区别词性惯用语8.状态词状态词(1 个一类个一类)z 状态词9.代词代词(1 个一类，个一类，4 个二类，个二类，6 个三类个三类)r 代词 rr 人称代词 rz 指示代词 rzt 时间指示代词 rzs 处所指示代词 rzv 谓词性指示代词 ry 疑问代词 ryt 时间疑问代词Http:/ictclas.orgrys 处所疑问代词 ryv 谓词性疑问代词 rg 代词性语素10. 数词数词(1 个一类，个一类，1 个二类个二类)m 数词 mq 数量词11. 量词量词(1 个一类，个一类，2 个二类个二类)q 量词 qv 动量词 qt 时量词12. 副词副词(1 个一类个一类)d 副词13. 介词介词(1 个一类，个一类，2 个二类个二类)p 介词 pba 介词“把” pbei 介词“被”14. 连词连词(1 个一类，个一类，1 个二类个二类)c 连词 cc 并列连词15. 助词助词(1 个一类，个一类，15 个二类个二类)u 助词 uzhe 着 ule 了 喽 uguo 过 ude1 的 底 ude2 地 ude3 得 usuo 所 udeng 等 等等 云云 uyy 一样 一般 似的 般 udh 的话 uls 来讲 来说 而言 说来uzhi 之 ulian 连 （“连小学生都会” ）Http:/ictclas.org16. 叹词叹词(1 个一类个一类)e 叹词17. 语气词语气词(1 个一类个一类)y 语气词(delete yg)18. 拟声词拟声词(1 个一类个一类)o 拟声词19. 前缀前缀(1 个一类个一类)h 前缀20. 后缀后缀(1 个一类个一类)k 后缀21. 字符串字符串(1 个一类，个一类，2 个二类个二类)x 字符串 xx 非语素字 xu 网址 URL22. 标点符号标点符号(1 个一类，个一类，16 个二类个二类)w 标点符号 wkz

《ICTPOS3.0汉语词性标记集》由会员飞***分享，可在线阅读，更多相关《ICTPOS3.0汉语词性标记集》请在金锄头文库上搜索。