欢迎光临“《上海电力学院语言文字网》”大力推广普及普通话,增强中华民族凝聚力!
 




 
信息处理用现代汉语词类标记规范


1 范围

本标准规定了信息处理中现代汉语词类及其他切分单位的标记代码。

适用于汉语信息处理,也可供现代汉语教学与研究参考。

2 术语和定义
下列术语和定义适用于本标准。

2.1 汉语信息处理 Chinese Information Processing,CIP

用计算机对汉语形、音、义等信息进行输入、排序、存储、输出、统计、提取等。

2.2 切分单位 Segment Unit

汉语信息处理使用的、具有确定语法功能的基本单位。它包括本标准的规则所限定的词、短语及其他单位。

2.3 词类 parts of speech,POS

词的语法分类,主要是根据语法功能划分出来的类。

2.4 标记 Tag

对文本中切分单位的类别进行标注的代码。

3 总则

3.1 切分单位的范围

本标准的切分单位包括词、短语和其他切分单位,如习用语、缩略语、前接成分、后接成分、语素字、非语素字、标点符号、非汉字符号等。

3.2 词类划分的原则

本标准的词类分类体系参考了吕叔湘、朱德熙、胡裕树等先生的语法体系和《中学教学语法系统提要》。

本标准根据汉语信息处理的特点和要求,主要依据语法功能原则划分词类。

3.3 标记代码的制定原则

依据国际通常做法,标记代码主要采用英文术语的字母。例如,“名词”,采用英文术语“noun”的首字母“n”作为标记代码;“数词”,采用英文术语“numeral”的第三个字母“m”作为标记代码。

汉语独有的,或使用英文术语字母不便的,依据国内通常做法,标记代码采用汉语拼音字母。如,“缩略语”,采用汉字“简”汉语拼音的首字母“j”作为标记代码;“语素字”,采用汉字“根”汉语拼音的首字母“g”作为标记代码。

4 词类及其他切分单位分类

本标准将词类划分为13个一级类,16个二级类;其他切分单位划分为7个一级类,13个二级类。用户可根据需要自行增补。

4.1 词类划分及标记代码

4.1.1 名词(n),表示人或事物的名称,在句子中主要充当主语和宾语。

4.1.1.1 普通名词(ng),表示事物的名称。如:

人 马 书 教师 飞机 电冰箱 阿姨 桌子 木头

道德 理论 历史 思想 文化 因素 作风 哲学

4.1.1.2 时间名词(nt),包括一般所说的时量词。如:

年 月 日 分 秒

现在 过去 昨天 去年 将来 宋朝 星期一 

4.1.1.3 方位名词(nd),表示位置的相对方向。如:

上 下 左 右 前 后 里 外 中 东 西 南 北

前边 左面 里头 中间 外部

4.1.1.4 处所名词(nl),表示处所。如:

空中 高处 隔壁 门口 附近 边疆 一旁 野外

4.1.1.5 人名(nh),表示人的名称的专有名词。

华罗庚 阿凡提 诸葛亮 司马相如 松赞干布 卡尔·马克思

4.1.1.6 地名(ns),表示地理区域名称的专有名词。如:

亚洲 大西洋 地中海 阿尔卑斯山 加拿大 

中国 北京 浙江 景德镇 呼和浩特 中关村

4.1.1.7 族名(nn),表示民族或部落名称的专有名词。如:

回族 藏族 壮族 蒙古族 维吾尔族 哈萨克族

4.1.1.8 机构名(ni),表示团体、组织、机构名称的专有名词。如:

联合国 教育部 北京大学 中国科学院

4.1.1.9 其他专有名词(nz)。如:

五粮液 宫爆鸡丁 桑塔纳

4.1.2 动词(v),表示动作、行为,心理活动、生理状态及事物的存现、变化等,在句子中主要充当谓语。

4.1.2.1 及物动词(vt),能够带宾语。如:

吃 打 擦 洗 喂 借 送 买 捧 提 填

喜欢 告诉 接受 羡慕 考虑 调查 同意 发动

4.1.2.2 不及物动词(vi),不能够带宾语。如:

病 休息 咳嗽 瘫痪 游泳 睡觉

4.1.2.3 联系动词(vl),表示关系的判断。如:



4.1.2.4 能愿动词(vu),表示可能、意愿。如:

能够 能 应该 可以 可能 情愿 愿意 要

4.1.2.5 趋向动词(vd),表示趋向。如:

(走)上  (趴)下  (进)来  (回)去

(跑)上来 (掉)下去 (提)起来 (扔)过去

4.1.3 形容词(a),表示性质、状态,在句中主要充当谓语、定语、状语和补语。

4.1.3.1 性质形容词(aq),表示性质。如:

好 高 美 大 勇敢 危险 漂亮 干净 伟大

4.1.3.2 状态形容词(as),表示状态。如:

雪白 黢黑 通红 冰凉 绿油油 亮堂堂 白花花 冷冰冰

4.1.4 区别词(f),表示事物的区别性特征,在句子中只能做定语修饰名词或跟助词“的”组成“的”字结构。如:

男 女 公 母 雌 雄 微型 国产 军用

4.1.5 数词(m),表示数目和次序。如:

零 一 半 百 千 百万 一百零八 

第一 第十八

4.1.6 量词(q),表示人、事物或动作的单位。如:

个 条 片 匹 辆 尺 斤 两 吨 支 回 次 遍 千瓦时

4.1.7 代词(r),起替代和复指作用。如:

我 你 他 这 那 谁 我们 你们 他们

这个 那个 大家 自己 什么 哪里 怎么 怎么样

4.1.8 副词(d),修饰或限制动词和形容词,表示范围、程度等。在句子中做状语。如:

都 只 就 仅 很 再三 屡次 将 不 却

总共 正在 常常 重新 曾经 竟然 居然

4.1.9 介词(p),引介名词性成分,不单独充当句子成分。如:

把 被 从 向 对 凭 

按照 对于 为了 自从 关于

4.1.10 连词(c),连接词、短语或句子,表示两者之间所具有的某种关系。如:

和 同 与 及 并 或 

并且 而且 或者 因为 所以 

4.1.11 助词(u),附着在词、短语、句子后面表示某种附加意义。如:

的 地 得 了 着 过 等等 似的 一样

4.1.12 叹词(e),表示感叹、呼唤或应答,可独立成句或在句中充当独立成分。如:

啊 嗯 唉 哎 哼 哦 哎哟 哎呀

4.1.13 拟声词(o),模拟自然界事物的某种声音,不能单独成句。如:

砰 滴答 扑通 咕咚 丁丁当当 

4.2 其他切分单位划分及标记代码

4.2.1 习用语(i),一种相沿习用的定型短语。

4.2.1.1 名词性习用语(in)。如:

海市蜃楼 井底之蛙 蛛丝马迹

4.2.1.2 动词性习用语(iv)。如:

跑龙套 打官腔 吃老本 与时俱进 励精图治

4.2.1.3 形容词性习用语(ia)。如:

丰富多彩 艰苦朴素 光明正大

4.2.1.4 连词性习用语(ic)。如:

总而言之 由此可见 综上所述

4.2.2 缩略语(j),专有名词或常用语的简缩形式。

4.2.2.1 名词性缩略语(jn)。如:

人大 五四 奥运 

4.2.2.2 动词性缩略语(jv)。如:

调研 离退休 

4.2.2.3 形容词性缩略语(ja)。如:

短平快 高精尖

4.2.3 前接成分(h),词根前面的附加构词成分。如:

阿 老 初 第

4.2.4 后接成分(k),词根后面的附加构词成分。如:

子 儿 头 化 们 式 性 者

4.2.5 语素字(g),汉字字符集中一般不单独使用的汉字。

4.2.5.1 名词性语素字(gn)。如:

民 农 材

4.2.5.2 动词性语素字(gv)。如:

抒 究 涤

4.2.5.3 形容词性语素字(ga)。如:

殊 遥 伟

4.2.6 非语素字(x),汉字字符集中单独使用时不具有意义的汉字,如:

垃 琵 蜘 踌 鸯 蜻

4.2.7 其他 (w)

4.2.7.1 标点符号(wp),如:

, 。 、 ; ? ! : “” ……

4.2.7.2 非汉字字符串(ws),如:

office windows

4.2.7.3 其他未知的符号(wu)。

5 词类及其他切分单位标记代码表(略)