文本標(biāo)注的數(shù)據(jù)庫表達及應(yīng)用.pdf

1、詞典普遍被作為一種含有大量語言學(xué)知識、常識知識的知識庫。傳統(tǒng)英語詞典中一般包含詞形、詞性、詞義、例句、習(xí)語、各種語法語用說明以及出處、領(lǐng)域等注解。從傳統(tǒng)詞典中提取出這些語言詞匯知識并加以結(jié)構(gòu)化存儲，使詞典中的知識利于計算機使用和處理，將有利于促進語言學(xué)、自然語言處理、機器翻譯和知識工程等相關(guān)領(lǐng)域的研究，同時有利于語言教學(xué)。
　　 現(xiàn)有的紙版詞典是面向人類讀者，而非計算機的。其基本存儲格式為文本格式。雖然詞典的排版遵循一定的規(guī)則，

2、但由于是給人閱讀的，其中也存在相當(dāng)多的隨意性。其中很多部分之間的界限并不明顯，對于計算機自動解析具有相當(dāng)?shù)睦щy。
　　 對詞典文本信息的抽取取決于文本中文本信息實體的識別和標(biāo)注。本文提出一種文本標(biāo)注的數(shù)據(jù)庫表達方法，將文本實體特征信息和標(biāo)注結(jié)果表達在數(shù)據(jù)庫中，從而使特征信息參數(shù)化。并提出文本信息標(biāo)注的基本方法為依據(jù)文本信息實體的特征標(biāo)記和標(biāo)記序列組合特征以及實體間關(guān)系來識別和標(biāo)注實體。這樣使文本標(biāo)注的通用性增強，有利于標(biāo)注結(jié)構(gòu)類