1 范围
本标准规定了信息处理中现代汉语词类及其他切分单位的标记代码。
适用于汉语信息处理,也可供现代汉语教学与研究参考。
2 术语和定义
下列术语和定义适用于本标准。
2.1 汉语信息处理 Chinese Information Processing,CIP
用计算机对汉语形、音、义等信息进行输入、排序、存储、输出、统计、提取等。
2.2 切分单位 Segment Unit
汉语信息处理使用的、具有确定语法功能的基本单位。它包括本标准的规则所限定的词、短语及其他单位。
2.3 词类 parts of speech,POS
词的语法分类,主要是根据语法功能划分出来的类。
2.4 标记 Tag
对文本中切分单位的类别进行标注的代码。
3 总则
3.1 切分单位的范围
本标准的切分单位包括词、短语和其他切分单位,如习用语、缩略语、前接成分、后接成分、语素字、非语素字、标点符号、非汉字符号等。
3.2 词类划分的原则
本标准的词类分类体系参考了吕叔湘、朱德熙、胡裕树等先生的语法体系和《中学教学语法系统提要》。
本标准根据汉语信息处理的特点和要求,主要依据语法功能原则划分词类。
3.3 标记代码的制定原则
依据国际通常做法,标记代码主要采用英文术语的字母。例如,“名词”,采用英文术语“noun”的首字母“n”作为标记代码;“数词”,采用英文术语“numeral”的第三个字母“m”作为标记代码。
汉语独有的,或使用英文术语字母不便的,依据国内通常做法,标记代码采用汉语拼音字母。如,“缩略语”,采用汉字“简”汉语拼音的首字母“j”作为标记代码;“语素字”,采用汉字“根”汉语拼音的首字母“g”作为标记代码。
4 词类及其他切分单位分类
本标准将词类划分为13个一级类,16个二级类;其他切分单位划分为7个一级类,13个二级类。用户可根据需要自行增补。
4.1 词类划分及标记代码
4.1.1 名词(n),表示人或事物的名称,在句子中主要充当主语和宾语。
4.1.1.1 普通名词(ng),表示事物的名称。如:
人马 书 教师 飞机 电冰箱 阿姨 桌子 木头
道德理论 历史 思想 文化 因素 作风 哲学
4.1.1.2 时间名词(nt),包括一般所说的时量词。如:
年月日 分 秒
现在过去昨天 去年 将来 宋朝 星期一
4.1.1.3 方位名词(nd),表示位置的相对方向。如:
上下左 右 前 后 里 外 中 东 西 南 北
前边左面里头 中间 外部
4.1.1.4 处所名词(nl),表示处所。如:
空中高处 隔壁 门口 附近 边疆 一旁 野外
4.1.1.5 人名(nh),表示人的名称的专有名词。
华罗庚阿凡提 诸葛亮 司马相如 松赞干布 卡尔·马克思
4.1.1.6 地名(ns),表示地理区域名称的专有名词。如:
亚洲 大西洋 地中海 阿尔卑斯山 加拿大
中国 北京 浙江 景德镇 呼和浩特 中关村
4.1.1.7 族名(nn),表示民族或部落名称的专有名词。如:
回族 藏族 壮族 蒙古族 维吾尔族 哈萨克族
4.1.1.8 机构名(ni),表示团体、组织、机构名称的专有名词。如:
联合国 教育部 北京大学 中国科学院
4.1.1.9 其他专有名词(nz)。如:
五粮液宫爆鸡丁 桑塔纳
4.1.2 动词(v),表示动作、行为,心理活动、生理状态及事物的存现、变化等,在句子中主要充当谓语。
4.1.2.1 及物动词(vt),能够带宾语。如:
吃打擦 洗 喂 借 送 买 捧 提 填
喜欢告诉接受 羡慕 考虑 调查 同意 发动
4.1.2.2 不及物动词(vi),不能够带宾语。如:
病休息 咳嗽 瘫痪 游泳 睡觉
4.1.2.3 联系动词(vl),表示关系的判断。如:
是
4.1.2.4 能愿动词(vu),表示可能、意愿。如:
能够能 应该 可以 可能 情愿 愿意 要
4.1.2.5 趋向动词(vd),表示趋向。如:
(走)上(趴)下(进)来 (回)去
(跑)上来(掉)下去(提)起来 (扔)过去
4.1.3 形容词(a),表示性质、状态,在句中主要充当谓语、定语、状语和补语。
4.1.3.1 性质形容词(aq),表示性质。如:
好高 美 大 勇敢 危险 漂亮 干净 伟大
4.1.3.2 状态形容词(as),表示状态。如:
雪白黢黑 通红 冰凉 绿油油 亮堂堂 白花花 冷冰冰
4.1.4 区别词(f),表示事物的区别性特征,在句子中只能做定语修饰名词或跟助词“的”组成“的”字结构。如:
男女 公 母 雌 雄 微型 国产 军用
4.1.5 数词(m),表示数目和次序。如:
零一半 百 千 百万 一百零八
第一第十八
4.1.6 量词(q),表示人、事物或动作的单位。如:
个 条 片 匹 辆 尺 斤 两 吨 支 回 次 遍 千瓦时
4.1.7 代词(r),起替代和复指作用。如:
我你 他 这 那 谁 我们 你们 他们
这个那个 大家 自己 什么 哪里 怎么 怎么样
4.1.8 副词(d),修饰或限制动词和形容词,表示范围、程度等。在句子中做状语。如:
都只就 仅 很 再三 屡次 将 不 却
总共正在常常 重新 曾经 竟然 居然
4.1.9 介词(p),引介名词性成分,不单独充当句子成分。如:
把 被 从 向 对 凭
按照 对于 为了 自从 关于
4.1.10 连词(c),连接词、短语或句子,表示两者之间所具有的某种关系。如:
和同与 及 并 或
并且而且或者 因为 所以
4.1.11 助词(u),附着在词、短语、句子后面表示某种附加意义。如:
的地 得 了 着 过 等等 似的 一样
4.1.12 叹词(e),表示感叹、呼唤或应答,可独立成句或在句中充当独立成分。如:
啊嗯 唉 哎 哼 哦 哎哟 哎呀
4.1.13 拟声词(o),模拟自然界事物的某种声音,不能单独成句。如:
砰滴答 扑通 咕咚 丁丁当当
4.2 其他切分单位划分及标记代码
4.2.1 习用语(i),一种相沿习用的定型短语。
4.2.1.1 名词性习用语(in)。如:
海市蜃楼 井底之蛙 蛛丝马迹
4.2.1.2 动词性习用语(iv)。如:
跑龙套 打官腔 吃老本 与时俱进 励精图治
4.2.1.3 形容词性习用语(ia)。如:
丰富多彩 艰苦朴素 光明正大
4.2.1.4 连词性习用语(ic)。如:
总而言之 由此可见 综上所述
4.2.2 缩略语(j),专有名词或常用语的简缩形式。
4.2.2.1 名词性缩略语(jn)。如:
人大 五四 奥运
4.2.2.2 动词性缩略语(jv)。如:
调研 离退休
4.2.2.3 形容词性缩略语(ja)。如:
短平快 高精尖
4.2.3 前接成分(h),词根前面的附加构词成分。如:
阿 老 初 第
4.2.4 后接成分(k),词根后面的附加构词成分。如:
子 儿 头 化 们 式 性 者
4.2.5 语素字(g),汉字字符集中一般不单独使用的汉字。
4.2.5.1 名词性语素字(gn)。如:
民 农 材
4.2.5.2 动词性语素字(gv)。如:
抒 究 涤
4.2.5.3 形容词性语素字(ga)。如:
殊 遥 伟
4.2.6 非语素字(x),汉字字符集中单独使用时不具有意义的汉字,如:
垃 琵 蜘 踌 鸯 蜻
4.2.7 其他 (w)
4.2.7.1 标点符号(wp),如:
,。 、 ; ? ! : “” ……
4.2.7.2 非汉字字符串(ws),如:
office windows
4.2.7.3 其他未知的符号(wu)。
5 词类及其他切分单位标记代码表(略)
必备畅销工具书Hot
# “一问三不知”指哪三不知 # 偏旁部首大全及名称 # 红色主题手抄报 # 汉语拼音卡片 # 一年级汉语拼音辅导
# 发号施令 # 不知不觉 # 心弛神往 # 天寒地冻 # 入吾彀中
# 藻 # 亼 # 牳 # 爝 # 恲 # 潇 # 挶 # 騃 # 蒺 # 鐁
# 攀蹑 # 破桐之叶 # 囊载 # 千真万确 # 进造 # 消售 # 制地 # 列峙 # 染惹 # 兽补
# 学习歇后语 # 十二生肖歇后语 # 谐音歇后语 # 关于动物的歇后语 # 骂人的歇后语 # 小学生常用歇后语 # 带水歇后语 # 艰难类歇后语
下一篇:汉语拼音字母笔顺写法