基于逗号的汉语子句识别研究

作者：李艳翠; 冯文贺; 周国栋; 朱坤华

来源：北京大学学报(自然科学版), 2013, (01): 7-14.

DOI：10.13209/j.0479-8023.2013.002

• 逗号
• 汉语子句
• 子句识别 comma
• Chinese clause
• clause identification

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。

• 单位
  苏州大学; 河南科技学院