第四节 《汉字类信息库》的研究与实现.pptVIP

第四节 《汉字义类信息库》的研究与实现 内容提要： 建立义类信息库的基本思想 义类信息库收字、立条的原则 义类信息库属性的确立 一、建立义类信息库的基本思想 1、以目前现代汉语及汉语信息处理研究的权威理论与成果为指导，博采众长，描述“国标GB-2312”的6763个常用汉字读音、义项、同音、同形、语义类、词性、成词与否等信息，建立信息库。 2、人机两用的全新研究理念 《汉字义类信息库》的建立不仅要满足人学习、研究汉字的某些需要，而且要满足计算机进行汉字、汉语信息处理的某些需要，因此汉字义类信息库的建立不仅要适合于人读，而且要适合于机读，在信息库的收字立条、结构的设计、属性的确定、属性的描述及信息的存储等方面充分都考虑到“人机”两用的特点。 3、以“字位”为描述的基点 “字位” 是指特定的形、特定的音、特定的义相结合的形音义一体化的汉字。通俗地说，一个单音单义的汉字就是一个字位。 以“字位”为描述基点的好处 描述的信息颗粒度更小 更具有实用价值 二、义类信息库收字、立条的原则 1、一字一条的原则 同形字分别立条。例如： “好坏”的“好”和“喜好”的“好”，同形但不同音，分别立条，记为“好A”“好B”；类似的还有“挨A、挨B，艾A、艾B”等。 同形同音字分别立条。例如： “别去”的“别”和“把花别上”的“别”同形同音，但不同义，是不同的字，分别立条，记为“别1”“别2”；类似的还有“艾1、艾2、艾3、艾4、艾5”等。 完全同义字分别立条 。例如： “捱”义同“挨(aí)”，“案”其中一个义同“按”，“骜”义同“傲”，都单独立条，不因义同而合并为一个字条。 2、一义一条的原则 如果某个字是一个实义的多义字，一个义项立一个条。比如：“搭”，《现代汉语词典》解释为7个义项：（1）支，架，比如“搭桥”；（2）把柔软的东西放在可以支架的东西上，比如“把东西搭在竹竿上”；（3）连接在一起，比如“两根电线搭上了”；（4）凑上、加上，比如“把这些钱搭上就够了”；（5）搭配，配合，比如“粗粮和细粮搭着吃”；（6）共同抬起，比如“书柜已经搭走了”；（7）乘、坐（飞机、汽车等），比如“搭轮船到上海”。 我们将这些解释和其他词典进行对比，认为是准确合适的，就立为7个字条。小部分字的一些义项解释为“原指----，也指（或喻指）---”，“原指”与“也指”的意思差别较大，无法归入一类，也考虑将其各自单独立条；比如“祟：原指鬼怪或鬼怪害人（迷信），借指不正当的行动”。 3、义项与词性相结合的原则 一个字自成虚词或虚语素，如果词性不同，就单独立条； 如果词性一致，所表示的语法意义不同，从现有语义分类体系中比较容易标注的也单独立条； 如果词性一致，所表示的语法意义有所差别，并且有些语法意义从现有的分类体系不好归类时则考虑合为一个字条，不单独立条。 比如“从2”，《现代汉语词典》解释为：（1）介词，起于，“从---”表示“拿---做起”，例如“从北京到上海”。（2）介词，表示经过，用在表示处所的词语前面，如“从窗缝里往外望”。（3）副词，从来，用在否定词前面，如“从没听说过”。“从2”的（1）（2）义项为介词，语法意义差别比较大，容易标注，（3）为副词，因此分别立条。 “的（de）1”《现代汉语词典》的解释为：（1）助词用在定语的后面。（2）用来构成没有中心语的“的”字结构。（3）用在谓语动词的后面，强调这动作的施事者或时间、地点、方式等。（4）用在陈述句末尾，表示肯定的语气。（5）用在两个同类的词或词组之后，表示“等等、之类”的意思。（6）用在两个数词中间，表示相乘、相加。义项（6）有实在的词汇意义，是实词，单独立条。义项（1）—（5）都是虚词，其中（4）是表示语气，是语气词，单独立为一个字条；其他四个都是助词，表示的语法意义有所差别，但标注起来并不容易，合并为一个字条。 4、补充原则 以上三条主要处理实词字、实语素字、虚词字和虚语素字，此外还有非语素字。非语素字即单独没有意义的字，如“葡”“萄”“咖”“啡”等，也同样立一个条。这些字形成词的功能比较单一，一般都是和另外一个或两个同性质的字合在一起代表一个语素或词。这样，这些字在进行语义归类时是按照他们所形成的词或语素的意义归类的。 三、《汉字义类信息库》属性信息的确立 《汉字义类信息库》的建立主要是为人识读、研究汉字的语义和计算机语言信息处理中对汉语字词句的识别、理解、分析、合成建立基本资源。为此目的，信息库属性信息确立的总原则是：以汉字语义为中心，重点考察汉字的语义分类；围绕对汉字语义分类的区分，涉及到汉字的读音、同形、同音、词性、是否成词等方面的信息。具体确立的属性信息如下： 1、语义分类信息 语义分类信