計算語言學視角下的語料庫標注探析.pdf

1、語料庫的出現(xiàn)以及語料庫語言學的誕生,在語言學研究中具有劃時代的意義。語料庫出現(xiàn)后發(fā)展迅猛,容量不斷擴大,功能不斷增強,研究和應用的范圍也不斷擴展。在這個過程中,語料庫標注發(fā)揮了巨大作用。語料庫標注是語料庫的重要組成部分,已成為語料庫研究的熱點。語料庫標注能夠揭示語言深層信息,拓展語料庫的功能,是語料庫資源用于計算語言研究的前提條件。目前尚未有文獻全面論述語料庫標注,以往對語料庫標注的研究側(cè)重于構(gòu)建實用的標注系統(tǒng),孤立地研究某一種標注類型

2、,散見于大型語料庫的技術(shù)規(guī)范中缺乏對相關(guān)理論的思考和探討。
　　文章從計算語言學的角度,論述語料庫標注的概念、意義﹑原則﹑類型等一系列問題,側(cè)重介紹結(jié)構(gòu)標注和語義標注這兩種標注類型,重點提出了一種結(jié)構(gòu)標注模型和語義標注模型。引言部分總結(jié)了目前國內(nèi)對語料庫標注的研究現(xiàn)狀,對研究內(nèi)容﹑研究方法做出說明,指明文章的重點。第二章聯(lián)系語料庫的特征歸納出語料庫標注的概念,從兩方面闡述語料庫標注的意義。在闡釋語料庫語言學家Leech提出的語料庫

3、標注原則基礎上,針對新型語料庫的標注需求補充了四條標注原則:①以語料庫的主要用途為導向設計實用的標注系統(tǒng);②注意不同層次語料庫標注之間的的兼容性;③重視語料庫標注對相關(guān)軟件的支持;④設計便于共享的語料庫標注。第三章介紹新舊兩種語料庫的標注模式,闡明一系列圍繞TEI標注模式的概念。引入與TEI模式聯(lián)系緊密的標準通用置標語言。對幾種標注類型做出總結(jié)。第四章分析語料庫的語法標注,重點論述語法標注中的結(jié)構(gòu)標注,介紹兩種主要的結(jié)構(gòu)標注語料庫:短語

4、結(jié)構(gòu)樹庫以及依存結(jié)構(gòu)樹庫,并針對漢語語法結(jié)構(gòu)特點提出句法結(jié)構(gòu)最簡標注模型。該模型以直接成分分析法作為標注理論,通過簡單的符號系統(tǒng)描寫句子的語法結(jié)構(gòu),用類似詞性標注的形式實現(xiàn)了結(jié)構(gòu)標注,對漢語結(jié)構(gòu)標注有一定的參考價值。第五章以語義標注為主要內(nèi)容,在前人研究基礎之上,提出了一種句義標注模型,該模型句義標注部分參考格語法制訂標注集,標注種類包括詞性標注,結(jié)構(gòu)標注,句義標注,信息容量大且易于在機器中實現(xiàn),為漢語句義標注提供全新的可供參考的模型。