多义词词义搭配知识库与词义标注

"多义词词义搭配知识库与词义标注"是国家社科基金课题"基于国家语委‘通用语料库’的汉语义频词库的开发"的研究成果。研究过程中对最初设计的目标定位、处理的词语数量、语料规模都作了较大调整,表现为由义频研究转至义频获得,由部分多义词转至现代汉语的整体双音高频多义词,由2000万字的核心语料库转至2.5亿字的通用语料库。研究成果由7个资源库与3个软件处理平台构成,从而达到词义自动标注的目的。

基于多知识源的语义搭配知识获取及表示方法

为更全面准确地从字词搭配中获取语义搭配信息,提出一种新的语义搭配知识提取模型和知识库的表示方法。利用特殊度度量词语搭配的相关程度,在此基础上,基于知网的语义信息,实现从42万条记录的词语搭配中定量地抽取语义搭配信息。实验结果表明,该方法的语义搭配准确率为92.1%,且较大地扩充了字词搭配的规模。

汉语义频词库的开发研究

词语库与规则库是在“多义词词义搭配知识库”中起基础与核心作用的两个子库。词语库有两个来源，一是词典词，二是真实语料词，两类词语有着书面语与口语词、正体词与异体词、语言词与言语词、通用词与领域词、稳定词与具体词等方面的差异。词语库特点会在很大程度上影响到词义标注的效果与正确率。纳入首批考察的词语为双音节多义词3771条，共有义项7861个。规则库统摄语义库、义项库、语料库，这些知识库通过规则库的组织而发挥作用。规则库是实现词义标注工程目标的直接依据，对于任何一个多义词，规则定义的多寡有无、质量好坏都会直接影响标注结果。规则库集中体现SCT整个系统的意义与价值，是语言知识与工程实施的结晶体。