基于逗号的汉语子句识别研究

被引：22

作者：

李艳翠 ^{[1
,2
]}

冯文贺 ^{[3
]}

周国栋 ^{[1
]}

朱坤华 ^{[2
]}

机构：

[1] 苏州大学计算机科学与技术学院

[2] 河南科技学院信息工程学院

[3] 河南科技学院人文学院

来源：

北京大学学报(自然科学版) | 2013年 / 49卷 / 01期

关键词：

逗号; 汉语子句; 子句识别;

D O I：

10.13209/j.0479-8023.2013.002

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

根据篇章分析的任务和实践,结合传统研究,提出汉语的基本篇章单位为子句,并从结构、功能、形式等方面给出其定义。分析了逗号与子句的关系,并在标注语料上进行了基于逗号的汉语子句识别研究。首先手工标注了CTB6.0中前100篇文档的逗号是否为子句边界的信息,在标注结果中抽取句法、词汇、长度等特征进行实验,子句识别准确率为90%。然后利用信息增益选出贡献最大的9个特征,使用它们也可获得较高的子句识别准确率。最后仅使用词法信息,子句识别准确率可达84.5%。实验证明子句的定义合理,基于逗号的子句识别在理论上和实验上均可行。

引用

页码：7 / 14

页数：8

共 10 条

[1] 现代汉语小句的研究现状及存在的问题 [J].