基于逗号的汉语子句识别研究

• 作者: 冯文贺 周国栋 朱坤华 李艳翠
• 来源期刊: 北京大学学报（自然科学版）
• 学科: 工学
• 关键词: 逗号 汉语子句 子句识别
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 研究论文
• 页码范围: 7-14
• 页数: 8页
• 分类号: TP391
• 字数: 7293字
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯文贺	河南科技学院人文学院	12	82	4.0	9.0
2	李艳翠	苏州大学计算机科学与技术学院	37	146	6.0	11.0
4	朱坤华	河南科技学院信息工程学院	19	83	6.0	8.0
5	周国栋	苏州大学计算机科学与技术学院	138	1425	22.0	32.0