詞性標注說明_128601491

《詞性標注說明_128601491》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、人民日報標注語料庫（PFR）使用說明書本文是PFR標注語料庫的使用說明書，幫助用戶了解它，更好地使用它。PFR語料庫是對人民日報1998年上半年的純文本語料進行了詞語切分和詞性標注制作而成的，嚴格按照人民日報的日期、版序、文章順序編排的。文章中的每個詞語都帶有詞性標記。目前的標記集里有26個基本詞類標記（名詞n、時間詞t、處所詞s、方位詞f、數(shù)詞m、量詞q、區(qū)別詞b、代詞r、動詞v、形容詞a、狀態(tài)詞z、副詞d、介詞p、連詞c、助詞u、語氣詞y、嘆詞e、擬聲詞o、成語i、習(xí)慣用語l、簡稱j、前接成分h、后接成分k、語素g、非語素字x、標點符號w）外，從語料庫應(yīng)用的角度，增加了專有

2、名詞（人名nr、地名ns、機構(gòu)名稱nt、其他專有名詞nz）；從語言學(xué)角度也增加了一些標記，總共使用了40多個個標記。一．標記簡要說明代碼名稱Ag形語素a形容詞ad副形詞an名形詞Bg區(qū)別語素b區(qū)別詞c連詞Dg副語素d副詞e嘆詞f方位詞g語素h前接成分i成語j簡略語k后接成分l習(xí)用語Mg數(shù)語素m數(shù)詞Ng名語素n名詞nr人名ns地名nt機構(gòu)團體nx外文字符nz其它專名o擬聲詞p介詞Qg量語素q量詞Rg代語素r代詞s處所詞Tg時間語素t時間詞Ug助語素u助詞Vg動語素v動詞vd副動詞vn名動詞w標點符號x非語素字Yg語氣語素y語氣詞z狀態(tài)詞一．格式說明1．語料是純文本文件，文件中每一

3、行代表一自然段或者一個標題，一篇文章有若干個自然段，因此在語料中一篇文章是由多行組成的。2．文件名格式為“月-日-版號-篇章號”。3．一篇文章里面的段落之間是不空行的，在兩篇文章之間，會有一個空行，表示文章的分界線，同時，下一篇文章的“篇章號-段號”都會有所改變。4．標號之后，是2個單字節(jié)空格，然后開始正文。5．正文部分按照規(guī)范已經(jīng)切分成詞，并且加上標注，標注的格式為“詞語/詞性”，即詞語后面加單斜線，再緊跟詞性標記。詞與詞之間用2個單字節(jié)空格隔開。每段最后的詞，在標記之后也有2個單字節(jié)空格，保持格式一致。6．語料中除了詞性標記以外，還有“短語標記”，這種情況一般出現(xiàn)在機構(gòu)團體

4、名稱、成語等情況中。如“通過/p[中央/n人民/n廣播/vn電臺/n]nt、/w”中，用“[]”合起來的部分是一個完整的機構(gòu)團體名稱，方括號后面緊跟標注nt，nt之后空兩個單字節(jié)空格，保持了格式的一致。二．例子邁向/v充滿/v希望/n的/u新/a世紀/n——/w一九九八年/t新年/t講話/n（/w附/v圖片/n１/m張/q）/w……在/p１９９８年/t來臨/v之際/f，/w我/r十分/m高興/a地/u通過/p[中央/n人民/n廣播/vn電臺/n]nt、/w[中國/ns國際/n廣播/vn電臺/n]nt和/c[中央/n電視臺/n]nt，/w向/p全國/n各族/r人民/n，/w向/p

5、[香港/ns特別/a行政區(qū)/n]ns同胞/n、/w澳門/ns和/c臺灣/ns同胞/n、/w海外/s僑胞/n，/w向/p世界/n各國/r的/u朋友/n們/k，/w致以/v誠摯/a的/u問候/vn和/c良好/a的/u祝愿/vn！/w