论文部分内容阅读
本文认为，为提高语料库的分词标注质量应在分词规范中补充三个内容：①命名实体（人名、地名、机构名）标注细则；②表义字串（日期、时间、百分数等）标注细则；③歧义字串的消解细则。因为一方面命名实体和表义字串已被不少分词语料库视为分词单位，另一方面在以往的分词规范中几乎从不谈及歧义消解问题。其实人们对歧义字串的语感往往是不同的。因此有必要在规范中对典型的歧义字串予以说明。实践表明，在规范中交待清楚以上三方面内容，就可以在很大程度上避免标注的错误和不一致性。