段 磊，韩 芳，宋继华

(北京师范大学 计算机科学与技术学院,北京 100875)

1 概述

在汉语中，字和词不是同一个概念。词是语言中可以独立运用的最小表意单位，而字是词的记录符号[1]。

与现代汉语中双字词和多字词居多的情况不同，在古汉语中，多数为单字词，少数为多字词，因而增加了多字词获取的难度。但由于古汉语句式简单、单句字数少，反而减少了对多字词获取结果的干扰。所以将词汇获取的统计模型应用于古汉语，可以更加客观地评价各种获取方法的性能。对古代汉语词汇的自动获取方法进行研究，其成果不但将对古汉语词典编撰等古籍的信息化处理应用起到不可忽视的作用，同时也会促进古汉语语法研究与现代汉语语法研究的结合，推动现代汉语语法研究的深入展开。

我国历史悠久，文化遗产丰富，用文言记录的典章制度及史料，用文言撰写的文学作品，多到不可计数。由于时间跨度大(上下三千多年)，不同时代，不同体裁的文言作品，其语言特点有很大差异。而最能反映古汉语原貌的，莫过于先秦两汉的作品[1]。由我国西汉著名史学家司马迁撰写的纪传体史书——《史记》，是先秦两汉文学作品中最具有代表性的典籍之一，被誉为“史家之绝唱，无韵之《离骚》”。

已有相关的统计自然语言处理专著[2]及论文[3]曾对搭配获取方法进行过阐述。在自然语言处理领域中，“搭配”一般指两个或多个连续的词序列构成的某种习惯性的表达，是词与词的关系[4]。……