第二章 自然语言基础知识.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 示例 音字转换系统语言知识库 … 机器 ji1qi4 激起 ji1qi3 吉期 ji2qi3 极其 ji2qi2 及其 ji2qi2 … 研究生专业必修课 自然语言处理 , 2010年秋季 Copyrights @ 2010. HIT. All Rights Reserved 哈尔滨工业大学计算机学院语言技术研究中心 哈工大-阿里巴巴联合实验室 示例 现代汉语语义词典 … 安乐/形 D378 安理会/名 L16 安谧/形 D405 安眠/动 C133 安眠药/名 C235 … 研究生专业必修课 自然语言处理 , 2010年秋季 Copyrights @ 2010. HIT. All Rights Reserved 哈尔滨工业大学计算机学院语言技术研究中心 哈工大-阿里巴巴联合实验室 什么是 ontology 定义 An ontology consists of a set of concepts, axioms, and relationships that describe a domain of interest Standard Upper Ontology (SUO) Working Group 中文译为“本体” 可以理解为知识库 研究生专业必修课 自然语言处理 , 2010年秋季 Copyrights @ 2010. HIT. All Rights Reserved 哈尔滨工业大学计算机学院语言技术研究中心 哈工大-阿里巴巴联合实验室 什么是 ontology 不同领域有不同的ontology 我们关心的是语言ontology，又称语言本体 语言本体通常特指语义知识库，而语言知识库则泛指词汇、语法、语义知识库 研究生专业必修课 自然语言处理 , 2010年秋季 Copyrights @ 2010. HIT. All Rights Reserved 哈尔滨工业大学计算机学院语言技术研究中心 哈工大-阿里巴巴联合实验室 关于Hownet 董振东，董强 是一个以汉语和英语的词语所代表的概念为描述对象，以揭示概念与概念之间以及概念所具有的属性之间的关系为基本内容的常识知识库 -董振东 研究生专业必修课 自然语言处理 , 2010年秋季 Copyrights @ 2010. HIT. All Rights Reserved 哈尔滨工业大学计算机学院语言技术研究中心 哈工大-阿里巴巴联合实验室 知网概况 汉字 7108 词汇 83397 英语单词和短语 79246 研究生专业必修课 自然语言处理 , 2010年秋季 Copyrights @ 2010. HIT. All Rights Reserved 哈尔滨工业大学计算机学院语言技术研究中心 哈工大-阿里巴巴联合实验室 知网词汇定义示例 NO.=020957 W_C=大学生 G_C=N E_C= W_E=college student G_E=N E_E= 研究生专业必修课 自然语言处理 , 2010年秋季 Copyrights @ 2010. HIT. All Rights Reserved 哈尔滨工业大学计算机学院语言技术研究中心 哈工大-阿里巴巴联合实验室 知网词汇定义示例（续） DEF={human|人:{study|学习:agent={~},location={InstitutePlace|场所:domain={education|教育},modifier={HighRank|高等},{study|学习:location={~}},{teach|教:location={~}}}}} 研究生专业必修课 自然语言处理 , 2010年秋季 Copyrights @ 2010. HIT. All Rights Reserved 哈尔滨工业大学计算机学院语言技术研究中心 哈工大-阿里巴巴联合实验室 知网可以告诉我们… 词类： ADJ： 11648 ADV： 1513 NOUN： 46412 VERB： 25742 … 研究生专业必修课 自然语言处理 , 2010年秋季 Copyrights @ 2010. HIT. All Rights Reserved 哈尔滨工业大学计算机学院语言技术研究中心 哈工大-阿里巴巴联合实验室 知网可以告诉我们… 词长度统计 词长=1： 6905 词长=2： 45724 词长=3： 13681 词长=4： 1382