汉语词内部结构的深入研究
计算与语言
2021-06-02 v1
摘要
与英文字母不同，汉字具有丰富而具体的含义。通常，词的意义可通过某种方式由其组成字符推导得出。先前若干句法分析的工作提出标注浅层词内部结构以更好地利用字符级信息。本文提出将汉语词的深层内部结构建模为带有 11 种标签以区分句法关系的依存树。首先，基于新编标注指南，我们人工标注了一个词内部结构树库（WIST），包含来自 Chinese Penn Treebank 的超过 30K 多字词语。为保证质量，每个词由两名标注者独立标注，不一致之处由第三位资深标注者处理。其次，我们对 WIST 给出详细而有趣的分析，以揭示汉语构词规律。第三，我们提出词内部结构分析作为一项新任务，并使用一个有竞争力的依存分析器进行基准实验。最后，我们给出两种简单的词内部结构编码方式，在句子级句法分析任务上取得了有前景的提升。
引用
@article{arxiv.2106.00334,
title = {An In-depth Study on Internal Structure of Chinese Words},
author = {Chen Gong and Saihao Huang and Houquan Zhou and Zhenghua Li and Min Zhang and Zhefeng Wang and Baoxing Huai and Nicholas Jing Yuan},
journal= {arXiv preprint arXiv:2106.00334},
year = {2021}
}
备注
Accepted by ACL-IJCNLP 2021 (long paper)