基于语篇分析难度的汉语树库构建方法研究

摘要

汉语树库是一种特殊的语言数据库,它的构建目的是使计算机学习人类语言的表达方式,最终达到使计算机理解人类语言.因此语言数据库的设计、标注和收集是一项重要的工作.基于汉语树库的建设,提出了一种利用语篇分析难度来选取篇章的方法,把抽取出的篇章作为树库保存的语料,然后对通过树库训练出的句法分析器的标注效果进行评价.实验表明:位于语篇分析难度1.5-2.5区间上的篇章训练出的句法分析器标注效果最优.