基于文本内容理解的中医药数据基础研究——中医药文献语料库的建设

“中医药文献语料库系统”是汉语语料库建设中的一个分支，是在北京大学计算机语言所开发的“汉语文本切分与词性标注工具”的基础上，利用中医药专业切分词典再次加工而成，是为面向中医药文本内容理解的需要而设计研制的。其中中医药文献语料库是该系统中的基础数据，本语料库根据内容属性分为20个子目，每个子目下又各有细分类，共计四级分类。目前已经部分完成自动分词和词性自动标注的处理工作。