齐普夫定律在中文短语知识中的呈现

本文对大规模汉语短语树库中的短语直接成分进行了抽取，在统计各短语结构直接成分频次的基础上排序，并进行短语成分的齐普夫定律验证。实验由局部及整体两部分组成：在局部实验中，对单一短语直接成分进行齐普夫定律验证；在整体实验中，对全部短语直接成分进行齐普夫定律验证。实验结果表明，在汉语短语树库中，短语的直接成分分布符合齐普夫定律。这个现象表明，从计量角度而言，汉语短语具有其内核知识，并以内核为基础在最省力原则下对不同语境进行派生，这种派生首先要围绕语法内核知识进行构建，同时又要根据不同语境进行拓展。本研究一方面实现了面向短语层次的语法知识抽取，从计量角度揭示了汉语短语构成的分布规律；另一方面对于中文信息处理中的短语识别、自动句法分析等研究提供短语基础知识支持，这些知识最终可应用于术语短语识别、自动标引、知识抽取、语义分析等研究。