BFS-CTC汉语句义结构标注语料库

摘要
参考文献
相关文章 (15)

全文: PDF (4480 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要句义结构分析是汉语语义分析中不可逾越的重要环节,为了满足汉语句义结构分析的需要,基于现代汉语语义学理论构建了一种层次化的汉语句义结构模型,定义了标注规范和标记形式,建设了一个汉语句义结构标注语料库BFS-CTC(Beijing Forest Studio-Chinese Tagged Corpus)。标注内容方面,基于句义结构模型的定义标注了句义结构句型层、描述层、对象层和细节层中所包含的各个要素及其组合关系,包括句义类型、谓词及其时态、语义格类型等信息,并且提供了词法和短语结构句法信息,便于词法、句法、句义的对照分析研究;语料库组织结构方面,该语料库包括四个部分,即原始句子库、词法标注库、句法标注库和句义结构标注库,可根据研究的需要,在词法、句法、句义结构标注的基础上进行深加工,在核心标注库的基础上添加更多具有针对性的扩展标注库,利用句子的唯一ID号进行识别和使用;语料来源和规模方面,语料全部来自新闻语料,经过人工收集、整理,合理覆盖了主谓句、非主谓句、把字句等六种主要句式类型,规模已达到10 000句。同其他语义标注库相比,BFS-CTC基于现代汉语语义学,提供了多层次的句义结构标注信息,兼容进行了词法和语法标注,各类标注既可以单独使用也可综合使用进行横向分析,可用于自然语言处理多方面的研究,进一步推动汉语语义分析的研究和发展。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	刘盈盈
	罗森林
	冯扬
	韩磊
	陈功
	王倩

关键词 ：自然语言处理, 语义标注, 句义结构, 语料库

Abstract：Sentential semantic structure analysis is an important issue in Chinese semantic analysis. Based on the Modern Chinese Semantics, this paper establishes a hierarchical Chinese sentential semantic structure model, defines the standard and the tagset, and thus constructs a Chinese corpus of sentential senmantic structureBFS-CTC (Beijing Forest Studio - Chinese Tagged Corpus). All sentences in this corpus are tagged on the lexical, the syntactic and the whole sentential semantic structure levels, and it is easy to analyze the relation between syntax and semantics. The core of BFS-CTC is consists of four banksthe original sentence bank (OSB), the lexical tagged bank (LTB), the syntax tagged bank (STB) and the semantic structure tagged bank (SSTB). The more than 10,000 sentences in current version come from news texts, covering six major sentence types in Chinese.
Key wordsnatural language processing; semantic analysis; sentential semantic structure; corpus

Key words： natural language processing semantic analysis sentential semantic structure corpus

收稿日期: 2011-03-29

中图分类号:

TP391

基金资助:国家242项目(2005C48);北京理工大学科技创新计划重大项目培育专项计划资助(2011CX01015)

作者简介: 刘盈盈(1987—),女,硕士研究生,主要研究方向为中文信息处理;罗森林(1968—),男,教授,博士生导师,主要研究方向为中文信息处理、信息安全、数据挖掘、媒体计算等;冯扬(1982—),男,博士,高级工程师,主要研究方向为中文信息处理。

链接本文:

http://jcip.cipsc.org.cn/CN/Y2013/V27/I1/72

[1] 何婷婷. 语料库研究[D]. 华中师范大学, 2003.
[2] M Palmer, D Gildea, P Kingsbury. The Proposition Bank: An Annotated Corpus of Semantic Roles[J]. Computational Linguistics, 2005, 31(1): 71-105.
[3] 刘开瑛, 由丽萍. 汉语框架语义知识库构建工程[C].中文信息处理前沿进展——中国中文信息学会二十五周年学术会议, 2006.
[4] 由丽萍, 杨翠. 汉语框架语义知识库概述[J]. 电脑开发与应用, 2007, 20(6): 2-7.
[5] http://cslt.riit.tsinghua.edu.cn/~qzhou/chs/Resou-rces.htm.
[6] 贾彦德. 汉语语义学[M]. 北京: 北京大学出版社, 2005: 249-265.
[7] 冯扬. 汉语句义模型构建及若干关键技术研究[D]. 北京理工大学, 2010.
[8] 贾彦德. 对现代汉语语义格的认识与划分[J]. 语文研究, 1997, (3): 23-29.
[9] 龚千言. 汉语的时相时制时态[M]. 北京: 商务印书馆, 1995.
[10] 俞士汶, 段慧明, 朱学锋,等. 北京大学现代汉语语料库基本加工规范[J]. 中文信息学报, 2002, 16(5): 49-64.
[11] 俞士汶, 段慧明, 朱学锋,等. 北京大学现代汉语语料库基本加工规范(续)[J]. 中文信息学报, 2002, 16(6): 58-64.
[12] 周强. 汉语语料库的短语自动划分和标注研究[D]. 北京大学, 2002.
[13] 陈立民. 汉语的时态和时态成分[J]. 语言研究, 2002, (3): 14-31.
[14] 周一民. 现代汉语(修订版)[M]. 北京: 北京师范大学出版社, 2006.
[15] C Baker, C Fillmore, J Lowe. The Berkeley FrameNet Project[C]//Proceedings of COLING/ ACL [C] . Montreal, Canada, 1998, 86-90.
[16] 袁毓林. 语义角色的精细等级及其在信息处理中的应用[J]. 中文信息学报, 2007, 21(4): 10-20.
[17] 刘莉莉. 汉语句义类型及谓词时态识别算法研究[D]. 北京理工大学, 2010.
[18] 郝晓燕, 李伟, 李茹等. 汉语框架语义知识库及软件描述体系[J]. 中文信息学报, 2007, 21(5): 96-100.
[19] 张惠春, 由丽萍. 基于中文框架网络的浅层语义分析模型[J]. 电脑开发与应用, 2009, 22(8): 4-6.