中文词语内部层次结构标注语料库的建立

摘要

针对现有中文自然语言处理研究多以词或者字符为单位,忽视了中文词的内部层次结构的问题,提出一种新的中文词内部层次结构定义标准.该标准定义了内部结构的节点类型和节点内部关系.在此基础上,进一步提出了中文词内部层次结构的标注规范,并且人工标注了含有带内部层次结构的53918个中文词的词料库.该研究有望为后续的细粒度中文自然语言处理提供新思路.