现代汉语高频后缀派生词的识别研究

论文摘要

在中文信息处理领域,自动分词是一项基础工作,未登录词的切分是影响分词正确率的重要因素之一。派生词占据了未登录词中新词的大部分,解决好派生词的识别问题,对提高分词精度和进一步的汉语句法自动分析都有着重要的意义。本文在考察大规模语料的基础上,以信息处理为目标,选取后缀“子”、“头”和“者”作为研究对象。首先探讨其派生词的内部构词规律和左右边界特征,然后结合搭配信息和共现频率等进行识别算法设计。本文共分为六章:绪论,介绍选题意义,界定研究对象,对研究现状进行评述,提出本文的研究方法。然后介绍语料的来源及其处理方法。第一章,介绍分词和分词歧义的相关概念,对词法分析的总体模式和规则的形式化表述进行说明。第二章,主要从派生词的内部结构探讨后缀“子”构词的音节限制条件和词类限制条件,以及含后缀“子”派生词的左右边界特征。第三章,主要从派生词的内部结构探讨后缀“头”构词的音节限制条件和词类限制条件,以及含后缀“头”派生词的左右边界特征。第四章,主要从派生词的内部结构探讨后缀“者”构词的音节限制条件和词类限制条件,以及“者”的相关因素分析。第五章,在总结前几章研究结果的基础上,建立词语表和规则库,提出识别的总体思路和方法,并介绍识别的步骤,进行算法设计,对疑难问题进行分析。第六章,首先总结本文研究的结论,进而提出存在的不足和尚需解决的问题,并对未来研究作可能的展望。

论文目录

• 摘要
• Abstract
• 零 绪论
• 0.1 选题意义
• 0.2 国内外研究状况
• 0.2.1 汉语词缀研究
• 0.2.2 自动识别研究
• 0.3 本文采用的理论、方法和语料
• 0.3.1 本文采用的主要理论和方法
• 0.3.2 本文所采用的语料
• 0.4 可能的创新点
• 0.5 存在的困难和解决这些困难的打算
• 0.6 主要内容（思路、章节内容简介）
• 第一章 总体设计
• 1.1 分词的相关概念
• 1.2 歧义的类型及处理方法
• 1.2.1 歧义的类型
• 1.2.2 歧义的处理方法
• 1.3 规则的形式化表述
• 1.3.1 变量表示法
• 1.3.2 条件表达式
• 1.3.3 复杂特征表示法
• 第二章 后缀“子”及相关因素分析
• 2.1 后缀“子”构词的音节限制条件
• 2.1.1 含后缀“子”的双音节词
• 2.1.2 含后缀“子”的三音节和多音节词
• 2.1.3 小结
• 2.2 后缀“子”构词的词类限制条件
• 2.2.1 名词性的“X”
• 2.2.2 形容词性的“X”
• 2.2.3 动词性的“X”
• 2.2.4 量词性的“X”
• 2.2.5 小结
• 2.3 含后缀“子”派生词的边界特征
• 2.3.1 含后缀“子”派生词的左边界特征
• 2.3.2 “子”的右边成分分析
• 2.4 小结
• 第三章 后缀“头”及相关因素分析
• 3.1 后缀“头”构词的音节限制条件
• 3.1.1 含后缀“头”的双音节词
• 3.1.2 含后缀“头”的三音节词
• 3.2 后缀“头”构词的词类限制条件
• 3.2.1 名词性词根+头
• 3.2.2 动词性词根+头
• 3.2.3 形容词性词根+头
• 3.2.4 方位词词根+头
• 3.3 “头”缀派生词的边界特征
• 3.4 小结
• 第四章 后缀“者”及相关因素分析
• 4.1 后缀“者”构词的音节限制条件
• 4.1.1 含后缀“者”的双音节词
• 4.1.2 含后缀“者”的三音节和多音节词
• 4.2 “X + 者”中“X”的语法性质
• 4.2.1 名词性的“X”
• 4.2.2 动词性的“X”
• 4.2.3 形容词性的“X”
• 4.3 “者”的相关因素分析
• 第五章 后缀派生词自动识别的算法设计
• 5.1 识别的总体思路
• 5.1.1 词语表的建立
• 5.1.2 规则库的建立
• 5.1.3 对歧义的处理
• 5.2 派生词识别的算法设计和识别步骤
• 5.2.1 算法设计和识别步骤
• 5.2.2 后缀派生词自动识别的流程图
• 5.3 疑难问题分析
• 第六章 结语
• 6.1 本文的结论
• 6.2 尚需解决的问题和对未来研究的展望
• 参考文献
• 附录
• 致谢
• 攻读学位期间发表的学术论文