语言注释的形式框架（修订版）
计算与语言
2007-05-23 v1 数据库
数据结构与算法
摘要
“语言注释”涵盖对原始语言数据所施加的任何描述性或分析性符号。基本数据可能以时间函数的形式出现——音频、视频和/或生理记录，亦或为文本。所添加的符号可能包括各种形式的转录（从语音特征到话语结构）、词性标注和义标注、语法分析、“命名实体”识别、指代注释等。尽管已有多个研究旨在提供格式和工具以支持此类注释并发布已注释的语言数据库，但缺乏广泛接受的标准正成为一个关键问题。已存在的提议标准（如果有的话）主要聚焦于文件格式。本文则侧重于语言注释的逻辑结构。我们调查了广泛的现有注释格式，并演示了其共同概念核心——注释图。これにより、多くの代替データ構造やファイル形式と一貫性を保ちながら、構築、維持、検索可能な言語注释のための形式的枠組みを提供します。
引用
@article{arxiv.cs/0010033,
title = {A Formal Framework for Linguistic Annotation (revised version)},
author = {Steven Bird and Mark Liberman},
journal= {arXiv preprint arXiv:cs/0010033},
year = {2007}
}
备注
29 pages, 20 figures, to appear in Speech Communication, An earlier version appeared as cs.CL/9903003