中国国家标准 SIGHAN.doc

SEGMENTATION PRINCIPLE FOR CHINESE LANGUAGE PROCESSING 適用範圍：本標準規定資訊處理用分詞標準研擬草案之原則、層次劃分及應用實例，並且經後處理之後適用於中文資訊檢索、機器翻譯和文句校正等。 用語釋義 分詞標準：根據語言學的資訊處理為著眼點，規範中文字串基本語意單位切分的遵循標準。 定義：用來說明中文分詞的基本單位。 基本原則：中文分詞標準的一般性原則，從語意、語法兩方面來規範，符合語言學理論。 輔助原則：中文分詞的操作型原則，輔助原則可因需要而有變異性。 層次劃分：依自動化處理的難易，規定不同階段應達成的分詞目標。 信級：在本規範的前提下，所定的的操作原則，依標準詞典將詞切分，用來作基本資料交換。 達級：在本規範的前提下，所定的的操作原則，是簡單構詞規律所能組合成詞的層次，用於大部分自然語言處理。 雅級：在本規範的前提下，所定的的操作原則，是符合語言學理論的理想階層，可用於剖析。 操作型定義：在本規範的前提下，依詞類、結構等，列出各類型詞語，供使用者實際操作時的依據。 標準辭典：是理想中的辭典，辭典收納的詞能符合分詞標準，並能與時俱增，隨時更新編入語言演變產生的新詞。 附著語素：有獨立意義卻無法獨立扮演一個語法功能的語言成分。 衍生詞綴：具有衍生性的附著語素，可由構詞律組成複合詞，對資訊處理的困難度不大，在達級即可達成組合詞的目標。 語法詞綴：具有固定獨立的語法功能，且不影響緊鄰成分語法類別的詞綴，包括「了、著、過、看、看看、們、者」等。 接頭詞：附加於別的成分之前構成複合詞的詞，在雅級處理其組合。如「準－、多－、非－」。 接尾詞：附加於別的成分之後構成複合詞的詞，在雅級處理其組合。如「－盃、－盒、－觀」。 第二次修訂：87.05.29 (共27頁） 並列結構：具有相同詞類的成分並排出現，如兩個動詞並列「研究」或兩個名詞並列「兄弟」。 偏正結構：修飾成分與主要語形成的結構，如「汽車」是偏正式名詞，「微笑」是偏正式動詞。 主謂結構：主語性及謂語性成分所構成的結構，例如：臉紅、心跳。 動賓結構：動詞與受詞結合形成的結構，例如：開門、打嗝。 述補結構：由動詞或形容詞與描述其動作結果或狀態的詞組合而成，例如：走光、洗掉。 3. 分詞原則及層次劃分 3.1 分詞原則：規定分詞之依據，包含定義、兩條基本原則、六條輔助原則。 3. 1. 1 定義：具有獨立意義，且扮演固定詞類的字串視為一分詞單位。 3.1.2 基本原則 (1) 語意無法由組合成分直接相加而得到之字串應該合為一分詞單位。 例1. 下列字串因其組合後語意改變皆應視為一個分詞單位：飛黃騰達（成語），撞期、吃醋（熟語），或多或少、十二萬分（定量結構），五月（定名結構：不是五個月）、三樓（定名結構：不是三層樓），談談（重疊結構：表嘗試）、坐坐（重疊結構：短暫貌）、辛辛苦苦（重疊結構：程度加強）、片片（重疊結構：具泛指意涵）(1)。 註(1) 當重疊結構之意義未失組合性，則不予合併。例如“坐 坐 坐、哈 哈、叮噹 叮噹”不須組合成一個詞，因該字串之語意可從每個成分組合而成，並無多出的詞意。 例2. 合併結構，像是“上下課、高中職、中山南北路”，依此原則也應該合併為一個詞。因為該字串的意義並非“上”加“下課”、“高中”加“職”，中山南加“北路”，而是“上課”加“下課”、“高中”加“高職”、“中山南路”加“中山北路”，可見合併結構的意義不等於組合意義，故應合併(2)。 註(2) 唯帶專名之合併詞，像是“台北市長”（“台北市”加“市長”）、“新竹縣政府”（“新竹縣”加“縣政府”），因切分後前方的專名和後方的名詞皆可獨用，意義可以組合成，故仍予以切分。 (2) 詞類無法由組合成分直接得到，應該合為一分詞單位。 例1.　動作及物動詞“喝、吃、聽”前面加“好”構成“好喝、好吃、好聽”，不能再加賓語，成為不及物動詞，且能被程度副詞“很、十分、非常”修飾，與原來的語法特性不同，故可視為一個分詞成分。 例2. “那隻狗不會游水”中“游水”指的是“在水裡游”，但“游”是不及物動詞，不可直接後接名詞。因此，“游水”不符合動詞“游”的語法規律，故應合併之。 備考：基本原則(1)(2)配合定義分詞單位，視同選詞之標準，故為合併原則。 3.1.3. 輔助原則 有明顯分隔標記應該切分之。 例1. 動賓中插：洗了一個澡 例2. 述補中插：打得破、打不破(3) 例3. 交互中插：彎下腰去、喘不過氣來 例4. 合併中插：動詞：上、下課 例5. 合併中插：名詞：父、母親，高中、職，中山南、北路 例6. 合併中插：定量：本 (二) 月，七、八月，1995、6年，三 到 四月(4) 例7. 外來語：BBS 站(5) 備考：中插的分隔標記可能是詞、標點符號或是外