汉语句法语义标注库的描述格式说明.doc

汉语句法语义标注库的描述格式说明为便于自动处理，我们设计了一种灵活的“属性=值”描述格式，可以方便地添加不同层次的句法语义标注信息。按照不同的数据内容，可以分成以下三部分：1）元信息标注，主要包括以下内容： 句子序号：对句子集合中的每个待处理句子，给出唯一的句子序号ID ；语料来源：使用 TCT '、RMRB '等标识不同语料来源信息； 来源位置：使用 文件名-句子序号 （ 开始位置-终止位置 ）'格式表示 该句子在原始语料库的哪个文件、哪个句子的哪个位置片段出现，便于以后方便 地找到对应的语料库标注句子； 基本标注：使用 词语/词类 '标注格式给出原始的词语切分和词性标注 处理句子，它是后续处理的基础数据；2）目标动词义项标注，主要包括以下内容： 目标动词：给出目标动词的基本词条信息，作为后续处理的基础； 动词位置：描述该动词在句子中出现的词语位置，从 0 开始计数； 义项标注：给出该目标动词在不同语义词典中的义项标注信息，数据内容包括：XX义项描述 和XX确定度 ，其中XX分别表示目前处理的几个语义资源： 情境库、知网、词林、现汉通和清华知识库等。对于情境库，给出情境表达式描 述；对于知网中，给出知网内部 ID 和 DEF 表达式；对于词林，给出词林内部语 义编码和相应的同义词集合描述；对于现汉通和清华知识库，给出自然语言释义 文本。3）句法语义信息标注，针对上面给出的每个事件载体目标动词，标注以下内容： 句法语义块标注：在基本信息标注基础上，给出针对目标动词的句法语义块标注 信息。使用："句法标记 语义标记 ”格式标注每个块，其中句法标记 描述格式为： 功能标记 -成分标记 -关系标记 ，分别表示该块在句子中的句 法功能、成分组合标记和内部关系标记； 语义标记'描述格式为：对目标动词 所在块，用 Tgt '表示，对其他事件体描述块，使用相应的语义角色或锚定参量 表示。另外，每个块中的语义中心词，通过 -'标记表示。 核心句式描述：从句法语义标注句子中，提取形成以下核心句式描述信息：核心句式 ：给出核心句式中各个块的句法语义链接信息，基本格式为： 块序号描述 -句法功能标记 -语义角色标记 ； 分别给出各个描述块的详细信息描述，包括：词语位置 ，给出该块在句子中的左右边界位置和中心词语位置； 句法描述 ，给出该块的句法标记 信息； 语义角色 ，给出该块的语义角色描述。词汇关联对描述：保存从上述标注句式中可以提取的词汇关联对信息，主要内容 包括：关联对总数 ：描述可以提取的关联对数目， 与下面的关联对描述相匹配； 词汇关联对 - 块序号n-关联对编号 m :表示从上面的第 n个块中可 以提取出的第 m 个关联对描述信息。每个关联对描述信息格式为： 目标 词 目标词词性 关联词 关联词词性 目标词功能位置 关联词功 能位置 关联词语义角色描述 可能的分隔词语信息 。面给出一个具体的标注实例：句子序号 = 45语料来源 = TCT来源位置 = SW0120-28(0-13)目标动词 = 编造动词位置 = 0基本标注=编造/v 假/a 话/n 容易/aD 讨/v 老师/n 喜欢/v , /, 讨好/v 老师/n 容易/aD 得到/v 表扬/v 。/。情境库义项描述 = DO(x,P(x,y)_CAUSE_exist(y,L)+P=Forge情境库确定度 = 1.00知网义项描述=8282- forge|伪造知网确定度 = 1.00 词林义项描述 = Hj580101- 编,编造,杜撰,假造,捏合 ,捏造,无中生有 ,向壁虚构 ,虚构,造 词林确定度 = 1.00现汉通义项描述 = 凭想象创造现汉通确定度 = 1.00 清华库义项描述 = 凭想像创造(故事) 。清华库确定度 = 1.00句法语义块标注 =P-vp-SG编造/v- Tgt O-np-DZ 假/a 话/n- y容易/aD 讨/v 老师 /n 喜欢 /v ， /， 讨好 /v 老师 /n 容易 /aD 得到 /v 表扬 /v 。 /。核心句式 = Ch1-P-Tgt Ch2-O-yCh1. 词语位置 = 0-0-0Ch1.句法描述=P-vp-SGCh1.语义角色=TgtCh2.词语位置=1-2-2Ch2.句法描述=0-n p-DZCh2.语义角色=y关联对总数 = 1词汇关联对 2-1= 编造 v 话 n G O y *