一、概述
1、什么是词性?
词性(part-of-speech)是词汇基本的语法属性,通常也称为词性。
2、什么是词性标注?
词性标注(part-of-speech tagging),又称为词类标注或者简称标注,是指为分词结果中的每个单词标注一个正确的词性的程序,也即确定每个词是名词、动词、形容词或者其他词性的过程。
3、为什么要标注?
词性标注是很多NLP任务的预处理步骤,如句法分析,经过词性标注后的文本会带来很大的便利性,但也不是不可或缺的步骤。
4、怎么标注?
词性标注这里基本可以照搬分词的工作,在汉语中,大多数词语只有一个词性,或者出现频次最高的词性远远高于第二位的词性。据说单纯选取最高频词性,就能实现80%准确率的中文词性标注程序。
主要可以分为基于规则和基于统计的方法,下面列举几种统计方法:
(1)基于最大熵的词性标注
(2)基于统计最大概率输出词性
(3)基于HMM的词性标注
5、词性标注的应用?
(1)句法分析预处理
(2)词汇获取预处理
(3)信息抽取预处理
二、汉语词性对照表
代码 | 名称 | 说明 | 举例 |
a | 形容词 | 取英语形容词adjective的第1个字母 | 最/d 大/a 的/u |
ad | 副形词 | 直接作状语的形容词.形容词代码a和副词代码d并在一起 | 一定/d 能够/v 顺利/ad 实现/v 。/w |
ag | 形语素 | 形容词性语素。形容词代码为a,语素代码g前面置以a | 喜/v 煞/ag 人/n |
an | 名形词 | 具有名词功能的形容词。形容词代码a和名词代码n并在一起 | 人民/n 的/u 根本/a 利益/n 和/c 国家/n 的/u 安稳/an 。/w |
b | 区别词 | 取汉字“别”的声母 | 副/b 书记/n 王/nr 思齐/nr |
c | 连词 | 取英语连词conjunction的第1个字母 | 全军/n 和/c 武警/n 先进/a 典型/n 代表/n |
d | 副词 | 取adverb的第2个字母,因其第1个字母已用于形容词 | 两侧/f 台柱/n 上/ 分别/d 雄踞/v 着/u |
dg | 副语素 | 副词性语素。副词代码为d,语素代码g前面置以d | 用/v 不/d 甚/dg 流利/a 的/u 中文/nz 主持/v 节目/n 。/w |
e | 叹词 | 取英语叹词exclamation的第1个字母 | 嗬/e !/w |
f | 方位词 | 取汉字“方” 的声母 | 从/p 一/m 大/a 堆/q 档案/n 中/f 发现/v 了/u |
g | 语素 | 绝大多数语素都能作为合成词的“词根”,取汉字“根”的声母 | 例如dg 或ag |
h | 前接成分 | 取英语head的第1个字母 | 目前/t 各种/r 非/h 合作制/n 的/u 农产品/n |
i | 成语 | 取英语成语idiom的第1个字母 | 提高/v 农民/n 讨价还价/i 的/u 能力/n 。/w |
j | 简称略语 | 取汉字“简”的声母 | 民主/ad 选举/v 村委会/j 的/u 工作/vn |
k | 后接成分 | 权责/n 明确/a 的/u 逐级/d 授权/v 制/k | |
l | 习用语 | 习用语尚未成为成语,有点“临时性”,取“临”的声母 | 是/v 建立/v 社会主义/n 市场经济/n 体制/n 的/u 重要/a 组成部分/l 。/w |
m | 数词 | 取英语numeral的第3个字母,n,u已有他用 | 科学技术/n 是/v 第一/m 生产力/n |
n | 名词 | 取英语名词noun的第1个字母 | 希望/v 双方/n 在/p 市政/n 规划/vn |
ng | 名语素 | 名词性语素。名词代码为n,语素代码g前面置以n | 就此/d 分析/v 时/Ng 认为/v |
nr | 人名 | 名词代码n和“人(ren)”的声母并在一起 | 建设部/nt 部长/n 侯/nr 捷/nr |
ns | 地名 | 名词代码n和处所词代码s并在一起 | 北京/ns 经济/n 运行/vn 态势/n 喜人/a |
nt | 机构团体 | “团”的声母为t,名词代码n和t并在一起 | [冶金/n 工业部/n 洛阳/ns 耐火材料/l 研究院/n]nt |
nx | 字母专名 | ATM/nx 交换机/n | |
nz | 其他专名 | “专”的声母的第1个字母为z,名词代码n和z并在一起 | 德士古/nz 公司/n |
o | 拟声词 | 取英语拟声词onomatopoeia的第1个字母 | 汩汩/o 地/u 流/v 出来/v |
p | 介词 | 取英语介词prepositional的第1个字母 | 往/p 基层/n 跑/v 。/w |
q | 量词 | 取英语quantity的第1个字母 | 不止/v 一/m 次/q 地/u 听到/v ,/w |
r | 代词 | 取英语代词pronoun的第2个字母,因p已用于介词 | 有些/r 部门/n |
s | 处所词 | 取英语space的第1个字母 | 移居/v 海外/s 。/w |
t | 时间词 | 取英语time的第1个字母 | 当前/t 经济/n 社会/n 情况/n |
tg | 时语素 | 时间词性语素。时间词代码为t,在语素的代码g前面置以t | 秋/Tg 冬/tg 连/d 旱/a |
u | 助词 | 取英语助词auxiliary 的第2个字母,因a已用于形容词 | 工作/vn 的/u 政策/n |
ud | 结构助词 | 有/v 心/n 栽/v 得/ud 梧桐树/n | |
ug | 时态助词 | 你/r 想/v 过/ug 没有/v | |
uj | 结构助词的 | 迈向/v 充满/v 希望/n 的/uj 新/a 世纪/n | |
ul | 时态助词了 | 完成/v 了/ ul | |
uv | 结构助词地 | 满怀信心/l 地/uv 开创/v 新/a 的/u 业绩/n | |
uz | 时态助词着 | 眼看/v 着/uz | |
v | 动词 | 举行/v 老/a 干部/n 迎春/vn 团拜会/n | |
vd | 副动词 | 强调/vd 指出/v | |
vg | 动语素 | 动词性语素。动词代码为v。在语素的代码g前面置以V | 做好/v 尊/vg 干/j 爱/v 兵/n 工作/vn |
vn | 名动词 | 指具有名词功能的动词。动词和名词的代码并在一起 | 股份制/n 这种/r 企业/n 组织/vn 形式/n ,/w |
w | 标点符号 | 生产/v 的/u 5G/nx 、/w 8G/nx 型/k 燃气/n 热水器/n | |
x | 非语素字 | 非语素字只是一个符号,字母x通常用于代表未知数、符号 | |
y | 语气词 | 取汉字“语”的声母 | 已经/d 30/m 多/m 年/q 了/y 。/w |
z | 状态词 | 取汉字“状”的声母的前一个字母 | 势头/n 依然/z 强劲/a ;/w |
三、参考
1、《统计自然语言处理》 宗成庆