词的情况要好一些，像正在开发的信息处 理用汉语配价词典，就是动词描写得较为 完备，名词知识明显不足。[9](㈣主要原因， 就在于名词语义分类与动词语义分类脱 节，不能满足计算机形式分析的需要。另 外，近年来国外一些有代表性的语义知识
库，越来越重视以“语义关系”作为重点描
-'N内容。随着汉语语义知识库建设的深入，国内也有更多的学者呼吁，加强对汉语 词语间各种组合语义的发现。【I’从这层意 义上看，我们主张在汉语语料库加工中，先 给名词标上关系义素特征，以便说明词语 之间“邻接对”和“非邻接对”等的搭配关 系，应该说也是恰#jzji顷应这一时代要求的。
至于名词组合关系特征的具体实现方
式，我们有两个选择：一是用分类的方法。 即，选择有限的特征立类，采用分类、分次 类、分次次类这样的方式，把这些类不断地
细分下去。就每一个名词而言，带上的是 “单一标记”。二是用属性标注的75-法。 即，通过属性特征描述，建立复杂特征集。 就每一个名词而言，带上的是“复杂特征标
记”。考虑到我们当前尚缺乏《现代汉语
语法信息词典》之类的词典作为底层支撑， 全面发现并落实词语的复杂特征属性将是 一项十分浩大的语言工程。而我们的目的 是希望，通过标注最主要的属性，来覆盖实 际语料中大多数分布的情况，从而优先发 现一批信息处理用规则，同时也便于语言 学本体研究的展开。因此我们倾向于用第 一种方法把语料中的词类标注得再细一
点，[15】(附’从大类到小类逐级细分的思路正
是基于这样的认识而产生的。 在上述原则思想的指导之下，我们设
计了具体的实现步骤：
(1)确定对大多数组合具有普遍解释 力的语义特征。通过比较现有各类信息处 理用语法信息词典、义类词典，以及传统的 语文词典和百科知识词典，提取其“最大公 约数”，作为名词的组合特征。有些特征在 词典中并未获得广泛认可，但凭借研究者 个人语感及语料库调查显示对组构有非常 重要影响的，也酌情增补。
(2)建立语义特征的层级体系。在我 们看来，从词类到语义聚合类，是抽象度渐 减、由形式到意义逐渐逼近的过程，而语义 组合类是居中衔接的桥梁。在分类深度上
不宜太深，一般有2到3个层级就比较合 适；在分类广度上也最好能在句法类的简 洁与语义聚合类的精细之间取得平衡。按
在组构中的重要性，把属性特征分出层级，
每个层级标注细度应该不同。
(3)确立语义特征的形式识别标准。
把带有某一特征的典型成员(prototype—
member)——其资格认定充分吸收现有研 究成果——放到大规模语料库中，观察其 在上下文语境中的分布情况，主要寻找邻 接性(adjacent)条件，提取出有用的句法框
架作为判定规则。事实上，同一组合特征 往往会有多种句法表现；不同组合特征也
可能会有相同的句法表现。因此，为每一 个组合特征制订形式标准时，还需参照概 率统计数据，确定规则使用的优先顺序，以 尽可能使分类线索明确，便于操作。
(4)依据形式标准对名词进行归类。 操作时，由《现代汉语词典》释义出发，看 义项不同是否造成用法或功能分布(如，N-
测试框架的适应情况)的差别。综合运用： a、内省法：根据说汉语的本族人语感来识 别。b、类推法：选取意义、功能、用法等都 典型的词项为样本，把有待明确身份的词 项与之进行类比推演，各方面都接近的，可
考虑是同类，否则为另一类。c、概率统计 法：如果上述方法仍然不能解决问题，就通 过统计词语在语料库中用法的概率，决定
词语的次(次)类归属。此外，还参考了现 有词典的一些作法。
上述四个步骤其实是做了两个方面的
工作：一是分类(第1至3步)，即设立名词 的范畴属性。二是归类(第4步)，即为每 个名词赋予具体的属性值。

二、名词多层级加工实践

2．1    名词三级加工模式 限于人力、物力和时间，我们当前只选
择了《同义词词林》、《现代汉语语法信息 词典》(2003年7月电子版)和知网How． net，从中筛选出名词共有的、最主要的组 合属性。主要原因是，《词林》是一部不可
或缺的传统义类词典；后两部机用词典则
是目前信息处理界使用广泛、较为成熟的
语法、语义词典，或已公开发行、或属免费 在线资源，信息的查询、下载或获取相对比 较容易。在比较了这些词典后，我们初步 确定名词共有的组合属性，并把它们大致 分成三级。
第一级包括个体、物质、集合、抽象、非 量、事件、指人7个特征。根据优选语义 学，虚词作为标记特征构成的特殊规则要
优先于一般规则。我们主要借鉴《现代汉语语法信息词典》，以量词作为最重要的分
类标准，并辅之以方位词、4't-词等。 第二级主要吸收现有语法研究成果，
通过设置测试框架，把有配价特征的依附
性关系名词分出来，包括一价名词、二价名
词等。 第三级因小类内部句法语义差异而
定。比如，在-I-体非关系名词中设置场所 名词、称呼名词、专有名词等。
2．2名词归类实践
我们以国家语委、北京大学计算语言
学研究所、山西大学计算机应用研究所编 制的三份比较有权威性、代表性的词表为 蓝本，使用的检索工具是山西大学开发的
“中文语料研究软件系统(1．0版本)”，与 之配套的语料库已经过分词、词性标注和 人工校对，可信度比较高。碰到数据稀疏 时，再利用其他语料库，直至用google进行 网上在线检索，平均搜索语料总字数达
2000万字左右。这样，得到按义项和功能 分布设立的约4万个名词项。
目前，我们初步提出的名词多级分类
标准和词表，已交由山西大学计算机应用 研究所算法化后编制成程,EF输入计算机， iT．等待实际结果的反馈，以做后续的修订 完善。
2．3多功能名词的处理策略 汉语词语在大类层面上的兼类，一直
是困扰语言学界的老大难问题。信息处理
界除了传统语言学讨论的：a一个词的某 一个义项有多个用法。如，“学习”在“从 阅读、听讲、研究、实践中获得知识或技能” 这个意义上兼动词、名词两种词性。b多(责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）