语料库语言学研究的理论、方法和工具

为实现大规模真实文本处理的战略目标，语料库语言学已成为当今自然语言处理的前沿课题。本项目在以下几个方面进行了较深入、系统的研究；①面向非受限文本的汉语自动分词及词性标注；②基于概率型上下文无关语法的汉语句法分析；③基于转换的汉语基本名词短语识别及其结构分析模型；④基于结构语义空间的汉语词义排歧模型；⑤从单语词典中获取定义原语方法及现代汉语定义原语的获取；⑥汉语语义关联网的构造，⑦信息处理用汉语文本分词规范和词性标准的制订；⑧关于语料库语文学的理论思考。并构造了相应的原型或实验系统，取得了有特色的成果。建立了1亿2千万字质量可靠的汉语生语料库及200万字经过分词和词性标准的汉语平衡语料库。