龙从军，刘汇丹，诺明花，吴 健

(1. 中国科学院软件研究所，北京 100190；2. 中国社会科学院民族学与人类学研究所，北京 100081)



基于藏语字性标注的词性预测研究

龙从军1,2，刘汇丹1，诺明花1，吴 健1

(1. 中国科学院软件研究所，北京 100190；2. 中国社会科学院民族学与人类学研究所，北京 100081)

该文选取了藏语文中小学教材的部分语料，构建了带有藏语字性标记、词边界标记和词性标记的语料库，通过比较不同的分词、标注方法，证明分词、词性标注一体化效果比分步进行的效果好，准确率、召回率和F值分别提高了0.067、0.073和0.07。但词级标注模型难以解决词边界划分的一致性和未登录词的问题。基于此，作者提出可以利用字性和字构词的规律预测合成词的词性，既可以融入语言学知识又可以减少由未登录词导致的标注错误，实验结果证明，作为词性标注的后处理模块，基于字性标注的词性预测准确率提高到了0.916，这个结果已经比分词标注一体化结果好，说明字性标注对纠正词性错误标注有明显的效果。

藏语； 语字标注； 分词； 词性标注

1 藏语词性标注的现状和问题

词性标注研究指为给定句子中的每个词确定一个合适的词性的过程。词性标注研究是自然语言处理基础研究内容之一，在语音识别、信息检索等很多领域发挥着重要的作用。

藏语词性标注研究已经取得了一些成果，文献[1]采用隐马尔科夫模型，实现分词和词性标注一体化，最终词性标注的F值达到79.494%；文献[2]采用了融合语言特征的最大熵词性标注模型，标注准确率达到90.94%；……