词性标注:中文词性标注简介

一、概述

1、什么是词性?

词性(part-of-speech)是词汇基本的语法属性,通常也称为词性。

2、什么是词性标注?

词性标注(part-of-speech tagging),又称为词类标注或者简称标注,是指为分词结果中的每个单词标注一个正确的词性的程序,也即确定每个词是名词、动词、形容词或者其他词性的过程。

3、为什么要标注?

词性标注是很多NLP任务的预处理步骤,如句法分析,经过词性标注后的文本会带来很大的便利性,但也不是不可或缺的步骤。

4、怎么标注?

词性标注这里基本可以照搬分词的工作,在汉语中,大多数词语只有一个词性,或者出现频次最高的词性远远高于第二位的词性。据说单纯选取最高频词性,就能实现80%准确率的中文词性标注程序。

主要可以分为基于规则和基于统计的方法,下面列举几种统计方法:

(1)基于最大熵的词性标注

(2)基于统计最大概率输出词性

(3)基于HMM的词性标注

5、词性标注的应用?

(1)句法分析预处理

(2)词汇获取预处理

(3)信息抽取预处理

二、汉语词性对照表

代码名称说明举例
a形容词取英语形容词adjective的第1个字母最/d 大/a 的/u
ad副形词直接作状语的形容词.形容词代码a和副词代码d并在一起一定/d 能够/v 顺利/ad 实现/v 。/w
ag形语素形容词性语素。形容词代码为a,语素代码g前面置以a喜/v 煞/ag 人/n
an名形词具有名词功能的形容词。形容词代码a和名词代码n并在一起人民/n 的/u 根本/a 利益/n 和/c 国家/n 的/u 安稳/an 。/w
b区别词取汉字“别”的声母副/b 书记/n 王/nr 思齐/nr
c连词取英语连词conjunction的第1个字母全军/n 和/c 武警/n 先进/a 典型/n 代表/n
d副词取adverb的第2个字母,因其第1个字母已用于形容词两侧/f 台柱/n 上/ 分别/d 雄踞/v 着/u
dg副语素 副词性语素。副词代码为d,语素代码g前面置以d用/v 不/d 甚/dg 流利/a 的/u 中文/nz 主持/v 节目/n 。/w
e叹词取英语叹词exclamation的第1个字母嗬/e !/w
f方位词取汉字“方” 的声母从/p 一/m 大/a 堆/q 档案/n 中/f 发现/v 了/u
g语素绝大多数语素都能作为合成词的“词根”,取汉字“根”的声母例如dg 或ag
h前接成分取英语head的第1个字母目前/t 各种/r 非/h 合作制/n 的/u 农产品/n
i成语取英语成语idiom的第1个字母提高/v 农民/n 讨价还价/i 的/u 能力/n 。/w
j简称略语取汉字“简”的声母民主/ad 选举/v 村委会/j 的/u 工作/vn
k后接成分 权责/n 明确/a 的/u 逐级/d 授权/v 制/k
l习用语习用语尚未成为成语,有点“临时性”,取“临”的声母是/v 建立/v 社会主义/n 市场经济/n 体制/n 的/u 重要/a 组成部分/l 。/w
m数词取英语numeral的第3个字母,n,u已有他用科学技术/n 是/v 第一/m 生产力/n
n名词取英语名词noun的第1个字母希望/v 双方/n 在/p 市政/n 规划/vn
ng名语素名词性语素。名词代码为n,语素代码g前面置以n就此/d 分析/v 时/Ng 认为/v
nr人名名词代码n和“人(ren)”的声母并在一起建设部/nt 部长/n 侯/nr 捷/nr
ns地名名词代码n和处所词代码s并在一起北京/ns 经济/n 运行/vn 态势/n 喜人/a
nt机构团体“团”的声母为t,名词代码n和t并在一起[冶金/n 工业部/n 洛阳/ns 耐火材料/l 研究院/n]nt
nx字母专名 ATM/nx 交换机/n
nz其他专名“专”的声母的第1个字母为z,名词代码n和z并在一起德士古/nz 公司/n
o拟声词取英语拟声词onomatopoeia的第1个字母汩汩/o 地/u 流/v 出来/v
p介词取英语介词prepositional的第1个字母往/p 基层/n 跑/v 。/w
q量词取英语quantity的第1个字母不止/v 一/m 次/q 地/u 听到/v ,/w
r代词取英语代词pronoun的第2个字母,因p已用于介词有些/r 部门/n
s处所词取英语space的第1个字母移居/v 海外/s 。/w
t时间词取英语time的第1个字母当前/t 经济/n 社会/n 情况/n
tg时语素时间词性语素。时间词代码为t,在语素的代码g前面置以t秋/Tg 冬/tg 连/d 旱/a
u助词取英语助词auxiliary 的第2个字母,因a已用于形容词工作/vn 的/u 政策/n
ud结构助词 有/v 心/n 栽/v 得/ud 梧桐树/n
ug时态助词 你/r 想/v 过/ug 没有/v
uj结构助词的 迈向/v 充满/v 希望/n 的/uj 新/a 世纪/n
ul时态助词了 完成/v 了/ ul
uv结构助词地 满怀信心/l 地/uv 开创/v 新/a 的/u 业绩/n
uz时态助词着 眼看/v 着/uz
v动词 举行/v 老/a 干部/n 迎春/vn 团拜会/n
vd副动词 强调/vd 指出/v
vg动语素动词性语素。动词代码为v。在语素的代码g前面置以V做好/v 尊/vg 干/j 爱/v 兵/n 工作/vn
vn名动词 指具有名词功能的动词。动词和名词的代码并在一起股份制/n 这种/r 企业/n 组织/vn 形式/n ,/w
w标点符号 生产/v 的/u 5G/nx 、/w 8G/nx 型/k 燃气/n 热水器/n
x非语素字非语素字只是一个符号,字母x通常用于代表未知数、符号 
y语气词取汉字“语”的声母已经/d 30/m 多/m 年/q 了/y 。/w
z状态词取汉字“状”的声母的前一个字母势头/n 依然/z 强劲/a ;/w

三、参考

 

1、《统计自然语言处理》   宗成庆
 

已标记关键词 清除标记
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页