刘友强，李 斌,2，奚 宁，陈家骏

(1. 南京大学 计算机软件新技术国家重点实验室，江苏 南京 210093；2. 南京师范大学 语言信息科技研究中心，江苏 南京 210097)

1 引言

缩略语是短语或词的全称的缩写形式，如“中国”简称“中”。由于其省时省力的效果，在自然语言中被广泛使用，是未登录词的主要来源之一。据研究，在一篇典型的中文新闻文章中，近20%的句子包含缩略语[1]。而未登录词对于中文的自动分词与词性标注等词法句法分析任务有很大地影响，这使得中文缩略语有较大地研究价值。

一般来说，现代中文缩略语的构成方式主要有四种。(1)语素方式： 缩略语由原词语各部分的语素构成。例如，奥林匹克 运动——奥运；(2)中心词方式： 缩略语由原词语核心的词构成。例如，人造 地球 卫星——人造卫星；(3)混合方式： 缩略语由语素和中心词构成方式混合使用而得。例如，中央 电视台——中央台；(4)合并方式： 缩略语由原词语中的并列词归纳而得。例如，包退、包换、包修——三包。

从整体上看，缩略语研究可以分为缩略语的探测识别、简称—全称的对应(还原生成)两大类工作。在缩略语的探测识别方面，Zhu，et al.针对单字人名、地名简称，采取了基于分类器的预测模型[2]；李斌等对汉语单字国名采取了统计评分法进行识别[3]。缩略语的自动识别研究工作主要集中于缩略语的“简称—全称”的还原、生成工作以及缩略语词典的自动构建。在还原、生成方面，Chang 和 Lai将缩略语的生成和还原问题转化为隐马尔可夫模型(HMM)问题，使用缩略语词典进行训练[1]。……