Contents

MSR中文文本标注规范 (5.0 版)

Contents

MSR中文文本标注规范 (5.0 版)

Tokenization Guidelines of Chinese Text (V5.0)

黄昌宁 李玉梅 朱晓丹

Chang-Ning Huang, Yumei Li, and Xiaodan Zhu

微软亚洲研究院

Microsoft Research Asia

2006 年 3 月 27 日

March 27, 2006

微软《中文文本标注规范(5.0 版)》

第一章 概述

1.1 版本说明

微软亚洲研究院《命名实体标注规范》3.0版是为30万词《人民日报》语料的命名实体(NE)标注任务制定的。其英文版‘Guideline on Chinese Named Entity Annotation’成稿于2003年2月,用于LSP(Lexical Service Platform)课题。当时在研究院,命名实体识别(Name Entity Recognition)和自动分词(Word Segmentation)是文本处理中互相独立的两个过程,所以未曾深入考虑分词词表(lexicon)对命名实体标注带来的影响。2005年3月至7月在准备第二届国际自动分词评测(SIGHANBakeoff2005)的237万词训练语料的过程中修订了该规范,形成4.0版。《命名实体标注规范》4.0版的一个最大特点是把命名实体识别有机地融入到中文自动分词的整体过程中去。因此,除了命名实体自身的定义以外,还需要系统地阐明词表词和各类实体之间的复杂关系。本规范是在微软亚洲研究院《命名实体标注规范》4.0版的基础上编制的。由于规范实际上涵盖了文本中词语和各类实体的标注规则与实例,所以更名为《中文文本标注规范》(Tokenization Guidelines of Chinese Text) 5.0版。

1.2导读

规范的第一章(概述)、第二章(专有名词标注总则)、第六章(数字串标注总则)以及第九章(分词歧义消解细则)是每个标注人员必读的材料。其它章节收集了大量的实体标注规则与实例,用以补充各类实体定义的不足。凭借这些具有上下文信息的词例化实例可以进一步提高文本标注的精度和一致性,所以它们是供标注人员经常查阅的参考资料。诚恳欢迎读者对本规范和带标语料中的错误提出宝贵意见,以便及时更正。批评和意见请寄黄昌宁

1.3标注格式

format-1是面向标注人员的格式:

/十月九日/上午/ ->/[dat十月九日]/[tim上午]/

format-2是基于XML的标注格式:

/十月九日/上午/ -> <w><TIMEX TYPE=“DATE" >十月九日</TIMEX></w><w> <TIMEXTYPE=“TIME”>上午</TIMEX></w>

TIMEX 是时间表达式,日期 DATE 和时间 TIME 是它的两个子类。

考虑到本规范主要是为标注人员编写的,以后的例子主要以第一种格式(format-1)表示。想了解更多 XML 格式的读者,请参见 MET-2 Guideline1。

1MET(MultipleEntityTask)是1997年第七届MUC(Meassage Understading Conference)会议多实体识别任务的简称。MET-2是当年美国NIST公布的命名实体标注规范。可查阅:http://www.itl.nist.gov/iaui/894.02/related_projects/muc/proceedings/ne_task.html

1.4命名实体标记集

表1-1是本规范定义的全部命名实体标记,包括专有名词(NAMEX)、时间表达式(TIMEX)、数字表达式(NUMEX)、度量表达式(MEASUREX)和地址表达式(ADDREX)等类五大类及其下属的三十个子类。

大类

子类

Format-1标注集

Format-2标注集

NAMEX

Person

P

PERSON

Location

L

LOCATION

Organization

O

ORGANIZATION

TIMEX

Date

dat

DATE

Duration

dur

DURATION

Time

tim

TIME

NUMEX

Percent

per

PERCENT

Money

mon

MONEY

Frequency

fre

FREQUENCY

Integer

int

INTEGER

Fraction

fra

FRACTION

Decimal

dec

DECIMAL

Ordinal

ord

ORDINAL

Rate

rat

RATE

MEASUREX

Age

age

AGE

Weight

wei

WEIGHT

Length

len

LENGTH

Temperature

tem

TEMPERATURE

Angle

ang

ANGLE

Area

are

AREA

Capacity

cap

CAPACITY

Speed

spe

SPEED

Acceleration

acc

ACCELERATION

Othermeasures

mea

MEASURE

ADDREX

Email

ema

EMAIL

Phone

pho

PHONE

Fax

fax

FAX

Telex

tel

TELEX

WWW

www

WWW

Postalcode

pos

POSTALCODE

表1-1命名实体的标记集

1.5基本原则

1.5.1基本考虑

通用性:尽量遵循国际标准MET-2和ER-992,不同之处在本规范中阐明。

实用性:可用于LSP (Lexical Service Platform), TTS (Text To Speech conversion), IR (Information Retrieval), IE (Information Extraction), QA (Question Answering), IME(Input Method Editor)等应用系统。

1.5.2标注对象

1.5.2.1词表词与未登录词

本规范认为:文本中的任何一个词要么是词表词(LW),要么是未登录词(OOV)。两者都是文本的标注对象。未登录词可以进一步分成命名实体(NE)、词法派生词(MDW)和新词(NW)等三部分。本规范定义的命名实体是未登录词的主体。

(1)命名实体(NE)

命名实体可以进一步分成如下五大类共三十个子类(详见表1-1):

  • 专有名词(NAMEX)包括人名(P)、地名(L)和机构名(O)等3种。

  • 时间表达式(TIMEX)包括日期(dat)、时间(tim)和时段(dur)等3种。

  • 数字表达式(NUMEX)包括百分数(per)、钱款(mon)、频度(fre)、整数(int)、分数(fra)、小数(dec)、序数(ord)和比率(rat)等8种。

  • 度量表达式(MEASUREX)包括年龄(age)、温度(tem)、角度(ang)、长度(len)、

  • 面积(are)、容积(cap)、重量(wei)、速度(spe)、加速度(acc)和其它(mea)等10种。

  • 地址表达式(ADDREX)包括电子邮箱(ema)、电话(pho)、传真(fax)、电报挂号(tel)、邮政编码(pos)和网址(www)等6种。

在标注过的文本中,词的边界一律用斜线(slash)表示。除了词表词以外,每个独立的命名实体(即非嵌入到词表词内部的实体,见1.5.2.3)也被视为一个词,其标注符号及形式详见本规范。

(2)词法派生词(MDW)

以词表词AB的重迭形式AABB和AB/AB为例:

/转轨///////那般/轻轻松松/?

/积累////抽出/时间//认真/整理/整理/,

(3)新词(NW)

一个新词的左右两侧用符号&标示,其内部的切分符保留3,如:

/&桑拿&//

/天时地利/&/&//

/[L]/货币/&/&/

以下是一些真实的例句,例句中的实体标注符号请参阅表1-1。

[Example-1]

/[dat 6月29日]/、/[dat 30日]/[tim 晚上]/,/[L 北京市]/下/了/[int 两场]/大雨/,/笔者/
居住/的/宿舍/楼/前/,/宽/[len 六七米]/、/长/[len 30多米]/的/路/上/积水/达/膝盖/之上/。
<sentence>
<w><TIMEX TYPE="DATE"> 6月29日 </TIMEX></w><w> 、 </w><w><TIMEX
TYPE="DATE"> 30日 </TIMEX></w><w><TIMEX TYPE="TIME"> 晚 上
</TIMEX></w><w>,</w><w><NAMEX TYPE="LOCATION">北京市</NAMEX></w><w>
下 </w><w> 了 </w><w><NUMEX TYPE="INTEGER"> 两 场 </NUMEX></w><w> 大 雨
</w><w>,</w><w>笔者</w><w>居住</w><w>的</w><w>宿舍</w><w>楼</w><w>前
</w><w> , </w><w> 宽 </w><w><MEASUREX TYPE="LENGTH"> 六七米
</MEASUREX></w><w>、</w><w>长</w><w><MEASUREX TYPE="LENGTH">30多米
</MEASUREX></w><w>的</w><w>路</w><w>上</w><w>,</w><w>积水</w><w>达
</w><w>膝盖</w><w>之上</w><w>。</w>
</sentence> 

[Example-2]

/[dat 6月中下旬]/,/笔者/到/[L 意大利]/、/ [L 西班牙]/等/国/访问/时/,/一个/很/深/的/感受
/是/[L 意]/、/[L 西]/两国/的/高速公路/非常/发达/,/东西南北/,/纵横/成/网/,/.四通八达/。
<sentence>
<w><TIMEX TYPE="DATE">6月中下旬</TIMEX></w><w>,</w><w>笔者</w><w>到
</w><w><NAMEX TYPE="LOCATION">意大利</NAMEX></w><w>、</w><w><NAMEX
TYPE="LOCATION">西班牙</NAMEX></w><w>等</w><w>国</w><w>访问</w><w>时
</w><w> , </w><w> 一 个 </w><w> 很 </w><w> 深 </w><w> 的 </w><w> 感 受 </w><w> 是
</w><w><NAMEX TYPE="LOCATION"> 意 </NAMEX></w><w> 、 </w><w><NAMEX
TYPE="LOCATION">西</NAMEX></w><w>两国</w><w>的</w><w>高速公路</w><w>非
常</w><w>发达</w><w>,</w><w>东西南北</w><w>,</w><w>纵横</w><w>成</w><w>
网</w><w>,</w><w>四通八达</w><w>。</w>
</sentence> 

[Example-3]

/[O 县委]/决定/选派/任/了/[dur 八年]/[O 城建局]/长/的/[P 周欣光]/担任/[O 老干部局]/长/。
<sentence>
<w><NAMEX TYPE="ORGANIZATION"> 县 委 </NAMEX></w><w> 决 定 </w><w> 选 派
</w><w> 任 </w><w> 了 </w><w><TIMEX TYPE="DURATION"> 八 年
</TIMEX></w><w><NAMEX TYPE="ORGANIZATION"> 城建局 </NAMEX></w><w> 长
</w><w> 的 </w><w><NAMEX TYPE="PERSON"> 周欣光 </NAMEX></w><w> 担 任
</w><w><NAMEX TYPE="ORGANIZATION">老干部局</NAMEX></w><w>长</w><w>。
</w>
</sentence>

[Example-4]

/[L喇嘛寺村]/地处/[L承德避暑山庄]/,/[L山庄]/寺庙/林立/,/僧侣/穿梭/,/[L山庄]/[L外八庙]/的/[ord第一个]/庙/就/是/[L喇嘛寺]/。

<sentence>
<w><NAMEX TYPE="LOCATION">喇嘛寺村</NAMEX></w><w>地处</w><w><NAMEX
TYPE="LOCATION"> 承德避暑山庄 </NAMEX></w><w> , </w><w>><NAMEX
TYPE="LOCATION">山庄</NAMEX></w><w>寺庙</w><w>林立</w><w>,</w><w>僧侣
</w><w> 穿 梭 </w><w> , </w><w>><NAMEX TYPE="LOCATION"> 山 庄
</NAMEX></w><w><NAMEX TYPE="LOCATION"> 外八庙 </NAMEX></w><w> 的
</w><w><NUMEX TYPE="ORDINAL">第一个</NUMEX></w><w>庙</w><w>就</w><w>
是</w><w><NAMEX TYPE="LOCATION">喇嘛寺</NAMEX></w><w>。</w>
</sentence> 
1.5.2.2L, P,O, dat,tim,dur等实体的边界允许跨越多个词表词

例如:

/[L瑞典]/[O斯德哥尔摩国际和平研究所]/ /[O中国工商银行上海市分行]/

/[tim下午当地时间559]/

1.5.2.3专名的标记(L,P,O)可以插入到一个词表词的内部

例如,词表词抗日战争事后诸葛亮*中的地名和人名应分别予以标注。

/[L]战争/—-正确标注。

/抗日战争/—-未标出L,是错误标注。

//[L]/战争/ —-插入分词标记,是错误标注。

/事后[P诸葛亮]/

1.5.2.4数字串(除专名以外的其他四类表达式)的标记不得插入到词表词的内部
1.5.2.4.1dat,tim等标记不得插入到一个词表词的内部

词表词夏令营、春耕、冬训早出晚归中的夏、春、冬、早、晚等词素都有dattim的意思,但不得标注。例如,

/[dat]/ —错误标注。

/[tim][dat] / —错误标注。

然而词表词被整体标注为dattim的情况是常有的,例如:

/[dat初冬]/ —-初冬是词表词。

/[dat夏季*]/*—-夏季是词表词。

/告别//[dat冬日]//凝重//[dat春天]//轻盈//[dat夏日]//浪漫/,

  • 注:在文本中具有比喻意义的春、夏、秋、冬、历史上的今天、昨天、明天不作标注。例如:

/[dat今年]//迎来//一个/科学//春天/ /”//陆地/资源/日渐/减少//今天//

/他们//明天//更加/辉煌//

1.5.2.4.2int,ord等标记不得插入到到一个词表词的内部

词表词五湖四海不管三七二十一三纲五常中的数词不允许标注int(整数)。例如,

/[int五*][int]/*—-错误标注。

/十年动乱/结束/不久// —-十年动乱是词表词。十年不标。

/不管三七二十一/ /三纲五常/

1.5.2.5数词首、半、双、两等
1.5.2.5.1序数词素首

词表中有许多词含有词素,如首创、首倡、首选、首发、首航、首飞、首演、首映、首战、首展、首席代表、首席科学家、首席执行官、首富、榜首、魁首、居首等。但不可把词表词中的词素单独作为ord(序数)来标注。

/首席执行官/—-正确标注。

/[ord首席]执行官/—-在词表词中插标ord是错误的。

以下的词表词属于”首+量词”结构,可以整体作为ord标注。例如:

[ord首届*][ord首次][ord首批][ord首位][ord首例]*

1.5.2.5.2分数词素半

词表中有许多词含有词素半**如半价、半票、半饱、半身、半世、半辈子、上半时、下半场、半边等,但不可把上述词表词中的词素标注为fra(分数)。

/下半场/比赛/[O中国队]/未进///

/上半时/

/[fra]/—-在词表词中插标fra是错误的。

以下的词表词可作为不同的数字串(durtimfraintage)标注:

[dur半年*][dur半天][tim|dur半夜][fra半个][int|age半百]*

  • 注:半个西瓜中的半个,与四半中的半概念不一样,前一个半是指二分之一,

后一个半是量词,所以标注也不同!!/[int一个*]/西瓜/分为/[int四半*]/ /[fra半个]/西瓜/

1.5.2.5.3整数词素双

当数词双成为词表词的一个词素时,如”双方、双边、双手、双打、双杠、双轨、双层、双目、双亲”等,一律不作为整数(int)标注。对于非词表词,只标[int双]。例如:

/窗外//起风///双层///硬是/阻挡/不住/沙尘//侵扰//

/双方/认为//[L][L]/两国/应该//战略//高度//长远//角度/

  • 注:一般情况下,数词和”方”之间不切分整体标为int。但”四方”是词表词所以不标。

[int三方]/会谈/ /举行/四方/会谈/

以下是相关的例子:

//任何///[int双]/音频/电话/只需/拨打/[pho2580]//可以/

/部队/进行//海上/训练//[int]//穿云//超低空//高难/课目/训练/ /全村/[are700亩]/旱地//种上//[int]////

1.5.2.5.4整数词素两

当数词”两”成为词表词的一个词素时,如”两国、两会、两地、两者、两头、 两手、两边、两旁、两侧”等,一律不作为数位串(int)标注。例如:

/使/两国//友好/合作/得到/巩固//发展/。

  • 注:一般情况下,数词和”国”之间是要切分的,如:[int五]//元首/

//////参加//两会//总是/有点/发怵//

/大街/两旁/店铺/林立/

/戏台/两侧/立柱///这样///对联//

/中间/[int两间]//客厅//两边//卧室//书房//

//分散/居住///五保///////[int]///专款/

/[int]//饮料/以及/办公/桌椅//

  • 注:临时量词”车、船、床、桌、屋子、院子”等不进入int标注。/成为/[O议会]/[int]//审议//重点//舆论/关注//焦点/

  • 注:两院不是词表词,所以应当切分标注如上。

/及早/进行/政治/谈判/推动/[L两岸]/关系/发展/ /沿江/[int]//苗家/吊脚楼///观众/

  • 注:词表词两岸是专指台湾海峡两岸的地名。如果泛指江河两岸,则不作为 地名标注,而且要切分并标数词”两”为int

/一下///[int]//

1.5.3基本规定

1)标注时,不得在原来的文本中加入回车换行符。

2)对于NIST制定的两个中文NE标准:MET-2和ER-99。前者已有系统参加评测,它们的评测结果可供后来者参考;后者是前者的修订版,但尚未有系统参加测试。本规范与这两种标准不同之处将尽可能在注释中加以说明。例如:

/[dat去年上半年]/

  • 注:MET-2把去年上半年整体视为dat*;ER-99则只将上半年视为dat*。

3)对于微软研究院根据自己的需要而加入的标记,本规范也将在注释中加以说明。比如本规范要求的如下标注:

/[P邓小平]/理论/

  • 注:MET-2和ER-99规定,理论,主义,思想,定律等词前面的人名均不作为专名标注(见2.8)。

第二章 专有名词标注总则

2.1专有名词(NAMEX)标注通则

对于人名、地名和机构名这三类专有名词,MET-2和ER-99之间的差异甚微,在它们给出的示例中,只有两处不同:中南美和长江流域(具体情况见后)。所以在制订人名、地名、机构名的标注规范时,我们没有刻意去区分这两个标准,而是力图把它们统一地融入本规范。

下面给出人名、地名、机构名的定义。

2.2专有名词是具体的、特定的,而不是抽象的、泛指的

比如:上苍、老外、姑娘,小镇,企业等就不应视为专有名词。

2.3复合专有名词的标注不允许嵌套

在MET-2和ER-99标准中,任何命名实体都不允许嵌套。换句话讲,只标一个实体的最长边界,不标其内部包含的其它实体。

2.4人名、地名、机构名中的数字串不单独标出

例如:

/[P龟山一郎]/

/[L德富路二四一至二六三号]/

/[O北京101中学]/

/[O北京[ord]]/ —-这种嵌套式的的标注是错误的!

2.5含有外文和数字的命名实体应整体一起标注

例如:

/[OAmerican航空公司]/

/[OSONY公司]/

2.6当两个实体用虚词的连接时应分别标注为两个实体

例如:

/[L美国]//[L纽约]/

/[L美国]//[P理查德本森]/

但当成为实体的一部分时,要整体一起标注。例如:

/[O美的电器集团]/

2.7实体前后有引号或书名号的情况

如果一个命名实体中间有引号或书名号,则引号或书名号是该实体的一部分。如果一个实体被外面的引号或书名号括起来,那么其引号或书名号就不作为实体的一部分标注。例如:

/[O”阿克布拉克中哈合资企业]/

/[O美国《幸福》杂志]/

//[O星岛日报]///社论//

2.8短语内部包含实体、但整体又不是命名实体的情况

ER-99规定:如果一个短语内部包含实体、但整体又不是命名实体,则一律不作标注。本规范则要求对该短语中的实体部分加以标注。例如:

/[L巴拿马运河]/条约/

  • 注:ER-99认为,巴拿马运河条约整体不能分解,其中的地名不应标注。但本规范把其中的巴拿马运河单独标为地名。

/[L巴拿马运河]/—-巴拿马运河单独出现时,作为地名标注。

/[L香港]//

  • 注:英文为”HongKongfoot”,类似于”athletesfoot”,不可分解,所以ER-99规定整体不标。本规范,仍将香港标为地名。

/[L美国]/小姐/

  • 注:原文为”MissAmerica”,指选美活动中获全美第一名的小姐。对此ER-99规定整体不标。本规范,仍将美国标为地名。

/[L美国]/姑娘/—-ER-99对本例的美国也是标注的。

/[ord第四十六届]/[O太平洋亚洲旅行协会]/年会/

  • 注:此例在ER-99中整体不标,理由是不可分解。本规范认为找不出充分理由说明其不可分解。所以我们把太平洋亚洲旅行协会标为机构名。第四十六届太平洋亚洲旅行协会年会整体不是机构名。

/[P毛泽东]思想/ /[P马克思]主义/

/[P马克思]/主义/ —-错误标注!因为马克思主义*是词表词。

/[P阿佛加罗]/定律/

  • 注:ER-99规定,在理论、主义、思想、定律*等词前面出现人名时,是整体不可分解的字符串;因此该字符串和其中的人名都不标注。但本规范仍将标注其中的人名。

2.9与军队相关的情况

当泛指某个国家的军队(如英军、美军等)时,不是机构名;当指一个具体的军种(如空军、陆军、海军等)时,要标注为机构名。例如:

/[L]//飞机/

/[O斯里兰卡空军]/

/[O英国皇家空军]/

但是,有如下特殊情况:

[L济南军区*]/ —-军区是L而不是O*。

/[L彼得森空军基地]/ —–军事基地是L而不是O。

/[L西非]/&/&/部队/ ——部队不作为机构名标准。

2.10多媒体、产品和条约中的人名、地名、机构名

ER-99规定:当人名、地名、机构名属于多媒体、产品和条约时,均不加标注。但本规范对上述实体名还是要标注的。例如:

/[P邓小平]////播出/

  • 注:ER-99规定,电视节目的名字邓小平不标。本规范仍把它标为人名。此外,邓小平作为片名,在规范的文本中应当用书名号括出,如《邓小平》。

/二战/ —-二战是事件,所以不标注。

/[L香港]///今天///解答/

  • 注:ER-99规定,香港百题是电视片的标题,所以专名香港不予标注。但本规范仍把香港标为地名。下面其它的例子就不一一解释了。

///介绍/[P毛泽东]//小说/ —-毛泽东要标注。

/////[P毛泽东]//小说/ —-ER-99毛泽东不标。

/[L广州]/条约/ —-ER-99广州不标。

/[L][L]战役/ —-ER-99辽沈不标。

本规范在后面还要对人名、地名、机构名中不加标注的情况作专门的说明,详见下面的各章节标注细则。

2.11别名或简称的标注

对人名、地名、机构名的别名或简称要标注。例如:

/[OIBM]/

/[L]/[L]/股市/

/[O北约]/

/[L][L]/首脑/互访/

/[L]/[L]/双方/一致/认为/

  • 注:由于中美是词表词,标注地名时不可插入分词标记。中文也是词表词,但这里是指中国和文莱,所以标成地名时需要在两个简称中插入分词符号。这样的词表词还有中意、意中、中巴、日中、中肯、中非等。巴中是一个地名,但表示巴基斯坦和中国时需要用分词符号把两个简称分隔开。

  • 注:对于简称中嵌套的人名、地名、机构名不予标注,如:

/[O中共]/ —-中国,但不标。

/[O中共中央政治局]/ - —同理,不标注

第三章人名

人名一般包含姓和名两部分,姓是表明家族的字,有单姓和复姓之别;名也就是名字,是一种称号,由一个或几个字组成,跟姓合在一起,用来代表一个人,以区别于别的人。下面将对人名的标注规则进行详解。

3.1人名标注规则

正常情况下,人名一般包含姓和名两部分,标注规则如下表所示:

序号

情况

标记方法

例子

1

只含姓,没有名

标出姓氏部分

[P庄*][P欧阳][P司马]*

2

只包含名字

标出名字部分

[P育焜*]*

3

姓名

姓名整体标出

[P苏宗哲*][P萝莉胡吉温]*

4

姓名

名+称谓称谓+姓名

5

前缀+姓名

名姓名

6

姓名+姓名

分开来标

[P李向东*]/[P李向阳]*

7

外国人名

作为一个整体来标

[P罗马里奥*][P马拉多纳*][P比尔*•盖茨]*

  • 说明:当人名中包含•时,整体标注为人名,如[P比尔•盖茨]。

3.2人名标注细则

3.2.1人名的示例和详细说明

3.2.1.1人名实例

/[P颜惠忠]/

/[P连战]/

/[P]/

/[P陈方安生]/

—当妻子与丈夫的名字写在一起时,要作为一个人名整体标注为P!

3.2.1.2称谓、绰号、官职不作为人名的一部分

称谓、绰号、官职(如先生、总理等)不作为人名的一部分。例如,

/[P]/经理/

/[P]/市长/

/[P]//游客//

/[P]/[ord]// /[P]/总理/

/[P雷锋]/同志/

/[P奥尔布赖特]/国务卿/

3.2.1.3当称谓和姓名不可分时应整体标注为人名

/[P李主席登辉]/先生/

//[P李犯清龙]/死刑//

/[P李犯×]///行凶/杀害/无辜/青年//

3.2.1.4几世、几代要作为人名的一部分

/[P十四世达赖丹增加措]/

/[L英国]/女王/[P伊丽莎白二世]/

3.2.1.5家族实体

/[P]//父子/

/[P西迪]/兄弟/

3.2.1.6圣人和宗教人物要标注为人名

/[P释迦穆尼]/

/[P达赖]/喇嘛/

3.3虚构的人物、动物的名字要标注为人名

3.3.1在童话、小说中虚构人物要标注为人名

/[P孙悟空]/

/[P玉皇大帝]/

3.3.2虚构的动物和非人的人物要标注为人名

/[P唐老鸭]/

/[P花仙子]/

/”/[P盼盼]/”//国内外/著名//熊猫/明星//

/争相/目睹///[P木法沙]//王后/[P色拉碧]产下///王子/[P辛巴]/

/走进/一家/饭馆//发现/老板//////[P罗克]//

3.3.3用称谓或朝代等名号来指称特定人时要标注为人名

例如:

/[P康熙]/

/[P乾隆]/

/[P秦始皇]/

/[P老子]/

/[P孔子]/

3.4不标注为人名的各种情况

3.4.1虚构的非人的植物的名字不作为人名标注

如:

/”/彩霞//”/石子/小声/嘟哝///”//恶心//名字//”/

/电磨/姐姐/故意////毛驴////”/////不能/哭鼻子//”/

/”/卡车/哥哥//////////////怎么样//”/

/好像////”/荷花/姐姐/////

3.4.2对于嵌套在地名和机构名中的人名,不作标注

如:

/[L嘉诚广场]/

/[O中山大学]/

/[O宋庆龄基金会]/

3.4.3作为书名或画名的人名

作为书名或画名的人名ER-99不标(见2.8),但本规范是要作标注的。如:

/世界/名画//[P蒙娜莉萨]//

/《/[P蒋介石]//[P毛泽东]//

3.4.4法律、法庭事件、天气形成、疾病和奖金等五种情况

当人名后面紧跟法律名、法庭事件、天气形成、疾病、奖金这五种情况时,人名不标注。

例如:

///[ord六点二级]/ —–不标。

/专家/呼吁/人们//注意///杆菌/ —–不标。

/[P诺贝尔]/ —–ER-99诺贝尔不标。

3.4.5在人名后面出现基金会时要整体标注为机构名

/[O李嘉诚基金会]/

所以基金会和奖、奖金是不同的两种情况,需加以区别。又如

/[O李嘉诚股份有限公司]/

/[O诺贝尔股份有限公司]/

第四章 地名

地名包括洲、海洋、国家、省、市、县、地区、街道、乡、镇、村、机场、军事基地、军区、铁路、公路、桥梁、海峡、海湾、港湾、河流、湖、公园、草原、煤矿、牧场、养殖场、音乐厅、剧院、教堂、寺庙、图书馆、博物馆、美术馆、展览中心、公园、动物园、植物园、火车站、广场、大厦、大楼、体育场(馆)、游泳馆(池)、赛车场、商城、超市、书店(城)等城市公共设施,还包括某些特定的城市建筑和虚构的处所。详见下表。

4.1地名标注规则

序号

情况

标记方法

例子

1

只是单独地名

标出地名部分

[L中国*][L竹塘乡*]

2

地名+地理(行政)单位

作为整体标出

[L北京市*][L台北县*]地理单位如:省、地区、市、县、乡、镇、村、店、庙、沟、屯、坟、崖、海洋、河、川、江、峡谷、海湾、港湾、丘陵、湖、半岛、三角洲、区、街、路、街、街道、社区、小区、公寓、音乐厅、剧院、图书馆、博物馆、美术馆、展览馆、公园、动(植)物园、火车站、广场、大厦、大楼、体育场(馆)、游泳馆(池)、赛车场、商城、超市、书店(城)等城市公共设施及象征性建筑物、军事基地、军区等。[L天安门广场][L艾菲尔铁塔*]*

3

包含上、下位的地名(即合成地名)以及并列的地名

一律分别单独标出

[L山东省*]/[L青岛市]/[L胜利广场][L青岛市*]/[L孙中山广场][L北京市*]/[L海淀区]/[L知春路]/[L希格玛大厦][L北京*]//[L天津]//[L上海]

4

地名简称

单独标出

[L鲁*]//[L]//[L]*

5

并列的简称

单独标出

[L]/[L]/两国/领导人/进行//会晤[L][L][L]/地区

6

地名包含人名以及地名包含地名的情况

地名中的人名、地名不标

[L李嘉诚广场*][L南京路*]

7

地名+地名关键词表达一个完整的概念时

相对完整的地名

[L南非共和国*][L宁夏回族自治区*][L香港特别行政区*]*

4.2地名标注细则

4.2.1地名实体示例

/[L北京]/

/[L亚洲]/

/[dat2008年]/[L]运会//[L中国]/

/[L中国]人民/ —-中国人、中国人民都是词表词。

/[L朝鲜]/南北/对话/ —-不标注南,北。

  • 注:词表词”京剧、京白、京腔、京味儿”中的”京”字要标注为:

/[L]//[L]白、/[L]//[L]味儿/

/[L台东火车站]/

/[L卑南文化公园]/

/[L基隆文化中心广场]/

/[L高雄港第一港口]/

/[L苏澳镇]/[L南方澳渔港]/

//[L渤海湾]/地区//天然气/市场/

/来自/[L沈阳军区]//集团军/

/[L梅狮路后段]/

/[L中横公路天祥段]/

/[L华禄溪]//[L碧绿隧道]/

/[L南二高]/[L高雄支线]/

/[L台廿一线]/

/[L美国空军基地]/

/[L上海]/[L国际航运大厦]/

/[L上海]/[L虹口足球场]/

/[L上海博物馆]/

/[L上海]/[L城市规划展示馆]/

/[L石家庄]/[L富强电力新村]/

/[L西安第二长途通讯大楼]/

/[L北京市]/[L王府井百货大楼]/

/[L广深铁路]/以及/[O深圳发展银行]/部分/高官///免职/

/[L汉江]///[L圣水大桥]/

/[L新亚欧大陆桥]/

—从世界知识知道此处大陆桥的名字叫新亚欧大陆桥,是不可分解的。

4.2.2地名指示词(如国、省、市等)视为地名的一部分一起标注

地名指示词(如国、省、市等)视为地名的一部分一起标注。复杂的、具有包含关系的地名要分开标注,但分开标注时不可把一个有完整意义的地名拆散。以下是正确的标注:

/[L德国联邦]/政府/总理/

/[L基隆市]/

/[L台东县]/

/[L南山部落]/

/[L美国]/ [L马里兰州]/

/[L约旦河]/

/[L朝鲜半岛]/

/[L长江三角洲]/ —–长江三角洲是词表词。

/[L吉林省]/[L延边朝鲜族自治州]/[L图们市]/

以下两例均为错误的标注,因为延边朝鲜族自治州是具有完整意义的地名:

/[L吉林省]/[L延边]/[L朝鲜族自治州]/[L图们市]/

/[L吉林省延边朝鲜族自治州]/[L图们市]/

  • 注:在ER-99的标准测试集中,把中国西昌卫星发射基地*整体标为地名。我们认为这是错误的,因为在一个地名中不应当包含具有上、下位关系的另一地名。正确的标注是:

/[L中国]/[L西昌卫星发射基地]/

/[L美国洛克希德·马丁卫星测控中心]//[L中卫公司测控站]/

//[L]//[L圭亚那]/[L库鲁航天中心]/发射/

  • 注:本规范不采用ER-99的标注:[L法属圭亚那库鲁航天中心*]*。

/[L武汉]/[L长江大桥]/

/[L上海]/[L中山公园]/

  • 注:尽管其它城市也有长江大桥和中山公园,但在当地它们已构成完整的地名,所以应单独标注。

/位于/[L朝阳门]//商务//之中//

/[L盛华公寓]/坐落//[L西直门]//[L冠英园小区]/

  • 注:内、外都不在标注范围之内,但如果地名中的内、外去掉不能说明是一个完整的地名时,内、外要标注在地名内。如:

/[O外交部]/位于/[L北京市]/[L朝阳门内南小街52]/

/[L西直门外大街71]/

4.2.3并列的地名应分别标注

对于并列的多个地名应分别标注。对于嵌套在地名中的人名、地名和机构名不再单独标注。例如:

/[L]/[L]/双方/ —-中意是词表词,作为国名时要切开。

/[L香港]//[L澳门特别行政区]/

/目前///[int12个]/[L]//[L东欧]/国家/

/[L北京]/[L上海]/

/[L]/[L]/边境/

4.2.4跨国家的和国家内部的地名

/[L西非]/国家领导人/

//[L]/[L]/革命/老区//沿海/经济特区//

/[L亚太]/—-亚太是词表词,它是一个地名,而不是两个地名。

/[L近东]//[L北非]/

4.2.4.1表示地理方位的名词

一些表示地理方位的名词如南半球、北半球、江南、江北、西南、西北、华南、华北、华中、东北等虽然不完全具备确指性,也要作为地名标注为L

/[L汉水]/流域/[L西南]/地区/东部/

/[L江南]///[L华南]////中雨/

//[dur两天]/造成/[L东北]//[L华北]/地区//降雨/天气/系统/

/迫使/[L北半球]//副热带/高压带//[L][L]/地区/”/断裂/”/

  • 注:上述地名后面的方位词南部、北部、东部、西部不应包括在地名的括号里,

因为其所指的区域是更不确定的。

4.2.4.2方位词修饰地名实体时要整体标注为L

/[L东西九龙]/ —-这是一个并列的地名。

/一代//一代///官兵//////[L南中国海]/

/[L北爱尔兰]/

/[L中西伯利亚]/

  • 注:ER-99将此例标为/ [L西伯利亚]。我们认为它整体是一个专指性的地名。

/[L中南美]/

/[L东南亚]/

  • 注:ER-99要求把上面两个地名分别标注为[L]/[L南美]/[L]/[L南亚]/。其实中南美中美南美两个地名,而东南亚是一个地名。这样的细节需要专门的地理知识才能做出判断。所以我们不遵循ER-99的这条规则。

4.2.5地名实体受时间词修饰时,时间词不标

//[L苏联]/

//[L]/地区—-指南斯拉夫,时间词不标。

4.2.6 只有经纬度在一起时才能标注为 L

只有经纬度在一起时才能标注为L,否则经度或纬度单独标为角度ang。如:

///位于/[L北纬三十六点二零度,东经九十点二九度]/

///卫星/定点//[L东经110.5度赤道]/上空//

///位于/[ang北纬30.5]//

4.2.7天体的标注

/[L宇宙]/

/[L地球]/

/[L太阳]/

/[L太阳系]/

/[L银河]/

/[L银河系]/

/[L月亮]/

/[L海王星]/

/[L东方红三号]/

/[L”鑫诺1号卫星]/

  • 注:火箭只是卫星的发射工具,故火箭型号不作为星体标注。

/[dat96年2月15日]/长征/[ord三号乙]/火箭/发射/失利/,

//[ord]//火箭/ —-全名为长征二号捆绑式运载火箭”。

4.3不作地名标注的示例

/[L]/[L]/冲突/

  • 注:ER-99和MT-2认为阿(阿拉伯)不是一个特定国家的简称,本规范不采纳他们的规定。

/回答//[L]/记者//提问/ —不标。

4.3.1地区一般不作为地名的一部分标注

仅当地区特指行政单位时,才被视为地名的一部分。一般情况下,地区泛指一片地方,不是地名的一部分。若不能确定时,地区不作为地名的一部分标注。

/[L][L][L]/地区/ —–港澳台是词表词。

/[L巴尔干]地区/

/[L临沂]/地区//更名//[L临沂市]/

4.3.2平原、山脉、山区、盆地、沙漠、流域不在标注范围内

平原、山脉、山区、盆地、沙漠、戈壁、流域、故里、故居、纪念馆、风景区、开发区、经济区等都不在地名标注范围内。但当某某故居、故里、纪念馆成为一个对外开放的旅游景点时,才作为地名标注。如:

/[L][L]高原/

—-云贵高原是词表词不可分割,但云、贵要分别标注L

/[L成都]/平原/

/[L秦岭山]//

/[L]/[L]/山区/

/[L四川]/盆地/

/[L撒哈拉]沙漠/ —-撒哈拉沙漠是词表词。

/[L长江]/流域/

/[L毕加索故居]/

/造型/典雅//毗邻/[L青云岩]/风景区//[L北山湾]/旅游区/

[L约旦河西岸*]—-因为约旦河西岸*是专指。

/[L海峡两岸] / —-指台湾湾海峡两岸

/[L两岸]/

  • 注:词表词两岸只有在表示台湾海峡两岸时,才作为地名标注为L,当作为江河、湖泊的两岸时,两岸要切分标注。如:

/[L长江]//丰姿//[int]///美景/尽收眼底//

/祖国/[L大陆]/

  • 注:内地虽然指中国大陆,但不作为地名标注,这里遵从了ER-99的规定。特区只有在确指是香港和澳门时才作标注。如:

/来自/内地//[L香港特区]/

/[L特区]/政府//[L香港]/同胞///喜悦//心情/

/[L中国]/[L厦门]/经济特区/

4.3.3对语言文字前的单音节地名不标,双音节的地名标注为L

英语—-对不标注。

汉语—-对不标注。

中文—-对不标注。

//[L西藏]/地区//藏语/广播/

/主张/台语//[L]/

//[L四川]// —-如果语、文前面的地名为双音节时,就要标注。

/[L荷兰]//

4.3.4以族或裔结尾的词组中地名也要标注

MT-2和ER-99规定:以族或裔结尾的词组中的地名不标注。因此华裔汉族中的汉(指汉族)都不作为地名标,但华人、华侨、华商、中医、中草药、中餐馆、亚运会、奥运会里的华、中、亚、奥仍需标注L。本规范不采用这一规则。作为民族的名字,单音节的不标,双音节的标L

下面是一些标准实例:

/[L][L]人—-“美籍华人”是词表词。

/目的//促进/[L塞浦路斯]/西//////和解

/////[L]//[int]/////

/通过//[L]医药/宝库//寻找/线索/

/人们/纷纷/拥向/[L]///一时间/人满为患/

/[L吉普赛]//—-吉普赛不是词表词。

/[L印地安]/民族// —-印地安人是词表词。

第五章 机构名

机构名包括:股票(证券)交易所、国家或国际组织、商业团体(公司、企业、工厂)、电视台、广播电台、报刊杂志、出版社、政党或党派、学校、科研院所、医院、诊所、邮电局、乐队、体育运动队、联盟、议会或代表大会、军队、咖啡厅、酒吧、饭店、旅馆,以及虚构的机构等。

5.1机构名标注规则

机构名的后缀应视为机构名的一部分。

序号

情况

标记方法

例子

1

普通名字+机构名

整体标出

[O板桥市胜捷公司*]*

2

地名+机构名

机构名整体标出

[O北京市电信局][O台北县立莺歌高职*][O台北看守所*][O基隆长庚医院*][O东直门敬老院*]机构名的关键词如:幼儿园、各级学校、科学院、部委、实验室、工厂、公司、报刊杂志、出版社、大使馆、领事馆、咖啡店、快餐店、饭店、酒店、旅馆等

3

人名+机构名

机构名整体标出

[O李嘉诚基金会*]*

4

简称

一律整体标注

[O北约*][O上轮集团*]—-指上海轮胎集团[O白宫]/官员/表示

5.2机构名标注细则

5.2.1机构名标注实体示例

/[O国防部]//[P迟浩田]/

/[O美国国防部]//[P佩里]/

/[O台北县地政局地权课]/

/[O地政局]/

/[O政风室]///检举/调查/

/[O国军北投医院]/

/[O三重地政事务所]/

/[O台湾银行宜兰分行]/

/[O省立关山工商]/

/[O基隆市光隆家商]/

/[O东信国小]/

/[O安乐国中]/

/[O原住民委员会]/

/[O连萧全国竞选总部]/

/[O北京钓鱼台国宾馆]/

/[L浙江]/[O温州大酒店]/

/[O松下电工株式会社]/

/[O公司]/英文/名称/[O HUNAN FORE SCAPE TECHNOLOGYCO.,LTD]/

/[O朝鲜人民武装力量部]//部长/

/[O美国海军]/

/[O欧共体]/

/[O中国国家生育委员会]/

/[O中国奥林匹克队]/

/[O披头四]/

/[O飞虎队]/

/敢死队/ —–泛指不标。

/但是/[O共和党]///

/[O土耳其议会外交关系委员会]/

/[O终战50周年国会议员联盟]/

/记者/来到/[O中山医科大学第一附属医院住院部]/

/[O中共中央政治局]/常委//[O中央纪委]/书记/[P尉健行]/

  • 注:中国共产党的简称中共或共要标注为O。例如:

/[ord第二次]/[O]/[O]/合作/

  • 注:类似的简称党,由于专指性不强,不标,如:

/但/这种/现象/的/产生/,/是/同/党/和/国家/尊师重教/的/方针/背道而驰/的/,

/全国/”/[dat三八]/”/红旗手/、/全国/优秀/共青团员/

  • 注:”三八红旗手”是词表词。但如果”三八”在文中被双引号断开,就要单独表为dat。另外,词表词共青团员、共产党员、共产党人、中的机构名不确指,所以一律不标。

/[O中共中央政治局常委会]/

  • 注:常委会可以是机构名,常委则不是。

///[O十四大]/以来/

  • 注:中共的X中全会不是机构名,除了词表词三中全会什么也不标以外,数词X应单独标注为ord。例如:

/根据///[ord十五届]/[ord]//全会/

/[O八届全国人大]/代表/[P陈妙珍]/

/[O西藏政协]/委员/强调//必须/旗帜/鲜明//反对/民族/分裂/

[O澳门中华总商会]////[O青年委员会]//主任/

/[O足协]/杯赛/冠军/[O北京国安队]/ —-杯赛是词表词。

/[O以国家电视一台]/ —-指以色列国家电视一台

/[L汉城]/[O路透]//

//[L苏联]/[O切尔诺贝利核电站]/泄漏/事件/

/参加/这次/比赛//还有/[O日本]//[O俄罗斯]//[O美国]//[O德国]/

和/[O意大利队]//

/前往/[O解放军驻港部队总部]/慰问/驻军/

/[O第四届和平小天使台湾访问团]/抵达/[L重庆直辖市]/

/[O塔里班]/部队/已经/到达/[P杜斯塔姆]/将军//家乡/

//公款/购买/[O靖国神社]//[O护国神社]//祭祀//

/纪念币/正面///[O解放军]/军徽/光,/八一南昌起义//[O解放军]/[O]/[O]/[O]/三军/战士//图案/

  • 注:词表词八一南昌起义是一个事件,不是机构名。三军是词表词,所以数字不作为int标注。

  • 注:股市报导中的企业和公司名不论其前后有没有外文字符,一律作为一个整体

标注成O。例如:

/[OST辽物资]/[dec14.141]/[O宁波中百]/[dec20.354]/

/[ODR沪港机]/[dec11.194]/[O鲁北化工]/[dec8.051]/

  • 注:商城或百货公司本应标注为L,但作为股市中时企业时应标注为O。

  • 注:股票指数在没有明确说明是多少元的情况下一律标注为intdec

  • 注:被命名的轮船、飞机、机车应标注为O。例如:

/////[int3张]/ [O”长月”号轮船]/船票//

/[O泰坦尼克号游轮]/////情人/实在/////

/[O美国”哥伦比亚”号航天飞机]///宇航员/

5.2.2机构名的后缀是机构名的一部分

机构名的后缀是机构名的一部分,即要准确的标出机构名的最长边界(机构名的全称)。机构名中可以包含人名、地名和机构名,但对于它们不再单独标注。例如:

/[O苗栗县环保局]/

/[O卫生署桃园医院]/

/[O兰阳民生医院]/前身//[O吴外妇科]/

/[O台北爱乐青年管弦乐团]/

/[O行政院农委会林业试验所福山分所]/

/[O宋庆龄基金会]/

/[O上海轮胎橡胶(集团)股份有限公司]/

/[O中国驻日本大使馆]/

/[O美国白宫]/

//[O中国新华社香港分社]/社长/[P许家屯]/

[O清华大学计算机系人工智能实验室]/

[O中保财产保险四川省分公司]/

5.2.3国家(或国际)立法部门或行政部门标注为机构名

/当选/[O国会]/议员/

/[O内阁]/改组////[dat八月底]//完成/

//[O内阁官房]/长官/[P山静六]/

/[P刹瓦什]//[O宪政法庭]/提出/动议/

5.2.4地名和机构名紧邻时的情况

地名和机构名的关系一般有以下两种情况:

(1)表示所属关系(如:法国航空航天局,航空航天局隶属法国)。

(2)表示地理位置关系(如:北京邮电大学表示大学位于北京,而不是隶属于北京)。

地名和机构名之间还可能有更复杂的情况,这里不予讨论。

5.2.4.1规则一

如果机构名以一个地名开头,而且删除这个地名后所剩部分不再是一个具有特指性的机构名,那么该地名必须留在机构名中作为该机构名的一部分标注;

/[O北京大学]/

/[O深圳中学]/

/[O复旦大学专用集成电路与系统实验室]/

/[O东南大学]/[O深圳宝安设计院]/

5.2.4.2规则二

如果机构名前面还有一个或多个地名,那么该机构名与前面紧邻的地名应当分开标注。

如:

/[L中国]/[O北京大学]/

/[L中国]/[L广东]/[O深圳中学]/

/[L北京]/[L昌平]/[O十三陵抽水蓄能电站]/

5.2.4.3规则三

如果一个机构名的开头不是地名,那么当它前面邻接一个或多个地名时,只有其中与该机构名紧邻的那个地名需一起标注。例如:

/[O上海同济大学]/

/[L中国]/[O上海同济大学]/

/[O湖北省武钢三中]/

5.2.4.4规则四

如果一个机构名本身以两个或两个以上并列的地名开头,则这些地名都要留在该机构名中。如果在它前面再出现其它地名时,一律同该机构名分开标注。但是如果上一级地名不能管辖下一级地名时,要把上一级地名标注在机构名内。

例如:

/[L洛杉矶]/[O亚太法律中心]/

/[L香港]/[O中港贸易协会]/

/[O广东亚洲大酒店]/

/[O澳大利亚维多利亚投资公司上海办事处]//,

/[O澳大利亚维多利亚投资公司]//

  • 注:”广东”与”亚洲、澳大利亚与维多利亚”都不属于上、下级管辖关系,所以要把上一级地名标注在机构名内。

5.2.4.5更复杂的情况

在更复杂的情况下,我们可能无法判定某机构名究竟是以一个还是两个地名开头的。这时可按规则5.2.5和5.2.6来处理。

例如,洛杉矶台北经济文化办事处

究竟是A:[L洛杉矶*]/[O台北经济文化办事处]*

还是B:[O洛杉矶台北经济文化办事处*]*

这时,默认的标注方式是B(理由见5.2.8)。

5.2.4.6地名概念比较模糊的情况

如果该地名比较模糊,而标注者又没有足够的知识来判断某机构名的开头是否是一个地名。就标注到一个比较明确的地名,

例如:印度尼西亚莫巴蒂努山打腊航空公司中的莫巴蒂·努山打腊不知道是不是地名。但至少知道一旦拿走了这个字符串,剩下的字符串已不构成专指性的地名。此时,按规则2.5的标注方式应是:

/[L印度尼西亚]/[O莫巴蒂·努山打腊航空公司]/

/[O河北沙岭子电厂]/

—-沙岭子是一个乡镇的地名,河北和内蒙古都有一个沙岭子镇,地名的概念比较模糊,故标注在机构名内。

/国际/著名//[O加拿大B+H国际建筑师事务所]/

5.2.4.7紧邻的地名和机构名不构成修饰关系的情况

一个地名后紧邻一个机构名,但它们不构成修饰关系,则一律分开标注。

/促进//[L中国]/[O东盟]//合作/

//[L日内瓦]/[O联合国]/&/&/会议//

更典型的例子需借助上下文来判断,如:

/促进//[L中国]/[O微软]的合作/

/[O中国微软]/即将/发布/新产品/

  • 注:如果标注者不能判断它们是不是修饰关系,则默认为分开标注,如:

/[L中国]/[O微软]/

/[O美国众议院]/

/[L重庆]/[O长江救助打捞公司]/ /[L日本]/[O东京股市]/ —-错误标注!

/[L日本]/[L东京]/股市/ —-正确标注。

/[L美国]/[L华盛顿]/[O三普证券公司]/ —-错误标注!

/[L美国]/[O华盛顿三普证券公司]/ —-正确标注。

/[L华盛顿]/[O美国国务院]/

/[L瑞典]/[O斯德哥尔摩国际和平研究所]/

5.2.5会议、晚会、运动会等以会结尾的短语是事件,不作机构名标注

//[L]/运动会/

/[L中国]/[ord第一届]/人工智能/大会/

/[ord第四届]/[L]/[L]/经济/研讨会/

/[ord第三届]/[L海峡两岸]/水利/科技/交流/研讨会/

—-以上几例为事件,不是机构名。

/[O中国人工智能协会]/

/[O中国人工智能联合会]/ —-为机构名。

当会议指议会(congress)或代表大会(chamberofdeputies)时,应视为机构名。但是要注意:虽然议会或代表大会是机构名,但是议会或代表大会中的某一次会议是一个事件,不是机构名。为了更明确的区分各种情况,我们用以下例子说明:

/通报//[O八届政协]/[ord五次]/会议////安排/

/[O全国政协]/[ord八届]/[[ord五次]/会议///

/听取//审议/[O全国政协八届五次会议常务委员会]/报告/

/审议/[ord八届]/[ord五次]/会议/提案/审查/情况//报告/

  • 注:八届五次会议五次会议是一个事件,不应标注为机构名。但是这次会议的组委会、委员会应视为机构名。例如:

/[O八届全国人大]/[ord五次]/会议/

/[O政协九届一次会议]/ –错误标注!

/[O中国共产党第十五次全国代表大会]/

/[O九届人大]/[ord一次]/会议/

/[O中国全国人大]/

/[O中共十五大]/

/各级/人大/常委会/ –不是专指,故不标。

/[O中国科协]/[ord第五次]/全国代表大会/

/[L湖南省]/[ord六届]/[ord二次]///会议/

//同级/人民代表大会//人民代表大会常务委员会/提请/审议/

  • 注:全国人民代表大会和确指的省、市人民代表大会及其常委会、常务委员会需作为机构名标注。泛指的人大、中央银行、人民银行、&//&不作为机构名标注。

/[O临澧县人大]////财务监督/一瞥//监督/广角/)

/由于/各级/人大/代表//有效/监督//[dat去年]/以来///////情况/出现/好转//

  • 注:在地名国会大厦中,国会不可作为机构名标注,否则就出现嵌套了。

/[L国会大厦]/

  • 注:”联合国大会”及其简称”联大”都是词表词,但不可整体标为O。如:

/[O联合国]大会//[dat1992年]/批准////条约/

/[P沈国放]/[dat27日]//[O]/全体/会议//表示/,

  • 注:也可能出现在一般的机构名中,如:

/[O红十字协会]/

5.2.6用我们、我等代词修饰的机构名,只对机构名进行标注

/我国/[O共产党]/

/我们/[O清华大学]/

  • 注:根据上下文是确指的某公司、单位名称的简称要标注为机构,否则不标注!但如果在公司、集团等词前面有本、我、该等字样时,此处的公司、集团不进行标注。其他特殊情况依据上下文进行标注。如:

///[O克罗伏特缓冲器股份有限公司]/股份//记名//持有/////公司/股东//

//公司/出资/总额/[mon50万元]/

/[O港资陕西华懋实业公司]/总经理/[P商铭渔]///[O公司董事会]/委托/来到/[O咸阳市西北地勘局二一五医院]/看望/[O公司]/保安//[P韩玉刚]//

5.2.7大使馆和领事馆的标注

当大使馆(或领事馆或其它外交使团)所代表的国家和所在地区相连时,整体标为机构名。如:

/后来///[O美国驻洪都拉斯大使馆]/

当大使馆(或领事馆或其它外交使团)所代表的国家或所在地没有出现在上下文中,或者在描述范围内不连续,那么存在两种情况:

(1)大使馆所代表的国家和大使馆(领事馆)相连,此地名和大使馆一起标记 为机构名。如:

/前往/[L香港]//[O洪都拉斯领事馆]/

(2)大使馆所在地和大使馆(领事馆)相连,此地名应单独标记,整体不作为机构名。如:

/[L美国]//通过//[L金沙萨]/大使馆//其它/正常/管道/

  • 注:虽然驻金沙萨大使馆是一个连续的短语,但它的实际意思是美国(或X国)驻金沙萨大使馆,而不是什么金沙萨(的)大使馆。因此在这里大使馆不视为机构名。

5.2.8生产厂家要标注为机构名,产品则不标

这里定义的产品范围较广,不仅包括生产厂家生产出来的产品(如自行车等),还包括计算出来的产品(如:股票指数)、媒体产品(如:电视节目)

/[O道琼]/工业/平均/指数/

—-因为股票指数可以视为产品,那么道琼就可以视为生产厂家。

/[O纳斯达克]/指数/ —原因同前。

/[O太原刚玉]/[dec10.581]/

/[O咸阳偏转]/[dec16.112]/

/[O深华发A]/[dec15.663]/

/[O渝开发A]/

5.2.9报纸、广播电台、电视台和杂志的名字要标为机构名

新闻媒体(如:报纸、广播电台、电视台和杂志等)的名字要标为O,但报刊、电视栏目的名字不标。例如:

/[O美国之音]/记者/表示/

/[O人民日报]/海外//[ord第三版]/

//[O泰晤士报]//援引/一个/国际/专家/委员会/

/[O中央电视台]//焦点/访谈////东方/时空//主持人/

/[O武汉电视台]//科技////栏目///科学家//您好//专栏/

/[O美国《科学》杂志]/

/[O美国探索电视网]/

/创办//[O深圳房地产快讯]//

////[O中外房地产导报]//

5.2.10特殊情况

民族不作为机构名

泛指的部队不作为机构名

政府不作为机构名

学术或商务会议(conference,meeting)不作为机构名

交易会不作为机构名

运动会不作为机构名

联赛不作为机构名

5.2.11特殊情况示例

/[L中国]/[L天津]/出口/商品/交易会/

/[L中国]/[O天津出口商品交易会]/ —-错误标注!

/[L中国]/政府/ —-不把政府标为机构名。

/[L非洲]/维持/和平/部队/ —-不把部队标为机构名。

/[L中国]/公安/部门/ —-不把部门标为机构名。

/[O中国公安部门]/ —-错误的标注!

  • 注:标注并列的机构名(O)时,连接词和标点符号不进入标注范围。例如:

/[O上海]//[O北京人类基因组研究中心]/

/[P贺国中]/分别//[O]//[O]//[O七团]/党代表/

  • 注:上述情况和标注并列的序数(ord)不同,连接词和标点符号是否进入标注范围取决于序数词所修饰的词语。例如:

/获得/个人/[ord一、二、三等]//

/[ord]//[ord]//[ord]/产业/

/书店/[ord三、四层]/

  • 注:中央不作为机构名,但党中央*标为机构名。

//中央//领导//

//[P胡锦涛]/同志//核心//[O党中央]/周围/

5.2.12地名和机构名容易混淆的情况

/[L人民大会堂] —-地名。

/[O五角大楼]/发言人//

/[O白宫] —-机构名。

/[O克里姆林宫]/表示 —-机构名。

//[L总统府]/分别/约见////[O国民党]//常委/检察官/

  • 注:总统府标注为L而不是O。这是因为有的国家有多处总统府,所以不能把它们视为国家或政府的唯一代表。

  • 注:下面的例子中出现的类似单位名称的,因不是确指,而且是出现在各种条令、合同中,适合任何一个省、市、县的单位机构名称,所以不能作为一个机构名称标注为O。如:

//合同/正本/[int三份]//出租///承租////公证处//////副本/若干/////经济/委员会///经济体制/改革/委员会///财政///劳动局//税务局//审计///工商/行政管理///[O中国人民银行]//分行//[O中国工商银行]///分行//有关/部门/备案/ //合同//履行///发生/争议//双方//协商/解决/;/协商//// /任何/一方////工商/行政管理//合同/仲裁/委员会/申请/调解//仲裁/

第六章 数字串标注总则

数字串(Factoid)包括时间表达式(TIMEX) 、数字表达式( NUMEX )、度量表达式(MEASUREX)和地址表达式(ADDREX)等4大类,27个小类,详见表1-1。标注数字串的一条重要原则就是:它的标记不得插入到词表词的内部(见1.5.2.4)。

6.1时间表达式

时间表达式(TIMEX)包括日期(dat)、时间(tim)和时段(dur)三小类。所有小于一天的时间都被定义为时间(tim),如秒,分,小时。一天或者大于一天的时间单位则属于日期(dat),如天,日,星期,礼拜,月,季度,年,五年,十年,世纪等。时段(dur)通常也使用日期和时间中的单位,如月、年、时、分*等。对此标注者要注意区分。

将日期、时间同时段区分开来有时是困难的,下面分别给出它们的定义。

6.1.1日期(dat)和时间(tim)的定义

日期和时间在一维的时间坐标轴上有相对确定的位置。小于一天的时间都被定义为时间。一天或者大于一天的时间则属于日期。

/[tim8点30]/

/[dat今天]/[tim晚上]/ —-晚上是词表词。

/[dat昨天]/[tim夜里]/ —-昨天夜里都是词表词。

/[tim昨夜]/ —-昨夜、昨晚都是词表词,只能整体标tim

/[dat]/[tim]/ —-错误的标注!

/[dat春节]/—在每一年中,是比较固定一天或几天。

/[dat1999年*]/—以为单位,与别的年份相区别。

//”/[dat六五]/”//—以五年为单位,与别的五年相区别

  • 注:严格地说,每一个dattim都占据了一个时间段,因此这里出现的期间,不能作为标注时段的理由。

/”/[dat九五]/”/计划

/[dat”九五]/

//[dat八五]//期间///[mon一百一十五亿元]/。

/[dat下半年]/—以半年为单位,与上半年相区别。

/[dat二十世纪]/—以一百年为单位,与别的世纪相区别。

//庆祝/[O北京大学]///[dat100周年]//

/[dat民国八十六年]/

/[dat民国六十年代]/

/[dat八十八年下半年]//[dat八十九年]/中央/统筹/分配///

/[dat公元二千年]/

/[dat今年九月]/

//[O迈特兴华]///[ord首届]/全国/象棋/大师///[dat今日]//

/[dat1997年下半年]//

///[dat农历年]//迁居//

/[tim第七十三分钟]/

/[tim中午12]/

/[tim格林威治时间559]/—-含有地名。

/[dat第二天]/[tim一大早]/—-一大早是词表词。

//[dat今年暑期]/大学生//科技/下乡/活动//,

/大约/[tim七点]/到达/—-大约不标。

/[tim晚上大约七点]/到达/

  • 注:大约被两个tim包围,分割不开,所以整体标上。这条标注规则遵照了ER-99和MET-2的标准。

  • 注:事件戊戌变法、辛亥革命、甲午战争、五四运动等都是词表词,其中的日期不标注。但当戊戌、辛亥、五四单独出现时,应作为日期来标注。例如:

/////辛亥革命////相通//地方/,

//[L香港]/回归/[dat周年]/前夕///七七事变//纪念日//[dat戊戌]/思潮//前此//洋务运动/,

6.1.2时段(dur)的定义

时段既可以长于一天,也可以短于一天。它不同于日期和时间,在一维的时间坐标轴上没有确定的位置。例如:

/[dur三年]/

/[dur半年]/

/[dur四分之一个世纪]/

/[dur廿四个月]/

/时间///[dur六分钟]/

/[dur两个星期]/

/[dur一个月]//

///[dur5、6年]//撰文/陈述/

/早产/[dur十二周]/左右/

/大水/[dur十天]///退// /[dur一至两年]/

/[dur一小时卅分钟]/ //[dur几天]/

/[dur卅天]/会期////[dur九天]/

///[dur一整天]/磋商/—-一整天不是词表词,但要标为dur

与*/洪水/奋战/[dur一天一夜]/—-一天一夜也不是词表词。

时间表达式的标注细则详见第七章。

6.2数字表达式

数字表达式(NUMEX)包括百分数(per)、钱款(mon)、频度(fre)、整数(int)、分数(fra)、小数(dec)、序数(ord)、比率(rat)等8小类。

6.2.1百分数(per)

/[per百分之二十五]/

/[per百分之一点七]/ —虽然是小数,但要标作per。

/[per六点五百分点]/ /[per五成]/以上/ /[per六折]/

/[fra百万分之八]/ —-注意标的是fra而不是per

/大约/[per5%]/ —-约数大约不进入标注。

6.2.2钱款(mon)

/[mon四亿元台币]/

/[mon43.6亿美元]/

/[mon卅万元]/

/[mon四万五千块钱]/

/[mon四万五千元人民币]/

//增加//[mon几元钱]//成本/

/决不///国家//[mon一分钱]/。

  • 注:同一笔钱的不同货币形式需分开标注。货币中的地名不标。

[mon26万英镑]/ (/[mon43.6亿美元]/)/

  • 注:是一个不确切的概念,故不标注。但要和数字串捆绑在一起标注。但作为特例,不与数词捆绑!!

//[mon十万元]/

/大概/需要/花费/[mon上千万美元]//投资//[dur3年*]/左右/时间//

//收入/[mon好几十元]/

6.2.3频度(fre)

/[fre数度]/ /[fre两次]/ /[fre26次]/ /[fre十多次]/ /[fre多次]/

  • 注:动量词次除了一次不标注以外,其余的全部标注为fre

/[fre一次次]/

/[fre再次]/ /[fre无数次]/ /[fre数次]/

6.2.4整数(int)

int标注的是数词和量词组合成数量词组。

/[int卅七件]/ /[int一百卅项]/ /[int三种]/

/[int九个]/课室/ /[int几家]/

//[int几名]/ /[int]/// /[int四条]/断层/ /[int五十户]/ /[int百余名]/ /[int上万]/人潮/

//[int]/[int]//方针/,

  • 注:”双百方针”是词表词,由于文中”双百”用引号括起,而且它们是两个数字,所以要分别按数字串标注。类似情况还有词表词”五四运动”,这是个事件不标。但是如果文中日期”五四”被引号括起,就要单独标为:/”/[dat五四]/”/运动/。又如”六一儿童节、六一国际儿童节、六一节”都是词表词。由于”六一”和”儿童节”是同一个日期,即使在文中”六一”被引号括起,也可以整体标为dat,如:/[dat”六一”儿童节]/。

  • 注:人次应标注为mea而不是int,例如:

//[dur3年]/////采取//形式//农技/培训//[mea万人次]/,

  • 注:”数词+”不一定表示序数,因此只单独标注数词为int。例如:

//这次//[int十六*]/////亚军//一次性/竞猜///*

/[O宝钢]//跻身/世界/[int500]///采取//重要/步骤//

6.2.5分数(fra)

/[fra数倍]/

/[fra一半]/

/[fra千百倍]/

/[fra*3/4]/

/[fra四分之三]/

/[fra百万分之三百六十四]/ —-注意标记是fra而不是per

/[fra半个]/ /[fra4倍半]/ —-倍数是分数的一种表示,应标fra

/[fra4倍半]/

/[fra4.5倍]/ —-虽然 4.5是个小数,但不标dec

/有效///提高/[fra2至3倍]/

注:”过半数”是词表词,因此不作为分数fra标注。例如://难以/获得/过半数//[int207张*]/选票//*

6.2.6小数(dec)

/[dec*3.14]/

/[dec三点一四]/

///那么//时间//电视//视力/依旧/[dec15]/

//有着/足以///自豪//[dec12]/视力/

—-视力的多少是一个量级,没有单位,故按数量标注整数或小数。///[dec6139.69点]/收盘/

// [dec33.8]/收盘/ /比重//[dec1.02]/

6.2.7序数(ord)

/[ord第一任]/

/[ord第一期]/

/[ord十六楼]/

/[ord第三次]/世界大战/

/[ord]//销售/欠佳/

/[ord第二]/故乡/

/[ord三等]//

/[ord6]/

/地震烈度//超过/[ord8度]/

//[ord第二条]/尤为/重要/

/位居/金牌//[ord第二名]/

/[O北京市]/[ord首家]/就业//创业/组合/市场/

/[ord1174号]/文件/

/[ord6路*]/汽车/ /[ord六年级]/学生/

/[dat今年]//[ord大三]/

/发展/第一产业/* —-第一产业*是词表词。

/发展/[ord第一]产业/ —-错误的标注。

/阵风/[ord五级]

/[ord一、二、三等]//。

//亲手///[L墨西哥]/[ord首例]/艾滋病///

6.2.8比率(rat)

/ [rat一比廿五]/

//[rat0∶6]/失利/

////世界杯////[rat1∶0]/胜过//

/最终//[rat三比三]/握手言和// //原液///稀释/[rat120倍*]//

数字表达式的标注细则详见第八章。

6.3度量表达式

度量表达式(MEASUREX)包括年龄(age)、温度(tem)、角度(ang)、长度(len)、面积(are)、容积(cap)、重量(wei)、速度(spe)、加速度(acc)和其它(mea)等10小类。

6.3.1年龄(age)

/[age卅五岁]/

/[age廿一岁]/

/[age六十五岁]/

/[age34岁]/

/[age六十寿辰]/

/[age花甲]/老人/ —-花甲是词表词。

/如同/[age年过半百]///// —-年过半百是词表词。

/[P李元]//[P卞德培]/[int两位]/先生///[age年逾古稀]/。

6.3.2温度(tem)

/寒流///平地/[tem6℃]/

/////[tem6.1℃]/

//平地/温度/////[tem5℃]/左右/

/积温///[tem2800度]//—-注意!

/[tem零下56摄氏度]/

  • 注:数字范围的标注方式详见7.1.1。

/大约/[tem5~7℃]/

/低温/反而///[tem10℃]/~/[tem12℃]/

/[tem摄氏1924度]/

/[tem摄氏19]/ -/[tem24度]/

6.3.3角度(ang)

/钝角///大于/ [ang90度]///

///卫星/定点//[agn东经110.5]/[L赤道]/上空//

///位于/[ang北纬30.5]// —-详见4.2.4.2

6.3.4长度(len)

/开掘// [len一米六七]/深度//

// [len五米]// [len一百米]/ /[len109×78厘米]/

/[len1纳米]/=/[len十的负九次方米]/

/应用/////直径//[len14″]//[len6m]//

/最高/速度/// [len360米]/

/发生///速度//[len四十二米]//大风//

/[L三峡]/截流/落差//[len0.7-0.8米]/之间//

6.3.5面积(are)

/[are廿七公顷]/土地/

///[are六百多公顷]/

/兴建/[are五千坪]///厂房/ /[are七百余坪]/

///住宅/面积/[are140160m2]//

/[are997万平方公里]/

/农田/ [are20万亩]/

6.3.6容积(cap)

/运输量// [cap34个立方]/

/[cap一两箩]/谷子/

/选定//设计/流量////[cap1.4万至1.9万立方米]//

/工程//完成/土方/[cap2300多万方]//

/全国/消费//[cap25万升]/啤酒//

6.3.7重量(wei)

/[wei九百至一千吨]/

/[wei零点三公克/]

/[wei三千二百英吨]/

///[wei五、六公斤]//鲤鱼/

/[wei十台斤]/

/[wei三点五公吨]/

/产量/达到/ [wei数千万吨]/ /[wei几万吨]/

/[wei二十万吨]//以上/

  • 注:ER-99把上例标为:[wei二十万吨级]/以上。

6.3.8速度(spe)

/最高/速度/ [spe360米每秒]/

/打印/速度//[spe12cps]/

—-“cps”表示”characterspersecond(每秒字符数)”。

6.3.9加速度(acc)

/抗震/能力//地面/水平/加速度//[acc0.4ms2]/ /地面/垂直/加速度//[acc0.2ms2]/

6.3.10其它度量表达式(mea)

除了上面提到的度量单位元之外,物理、化学及其它度量单位的统一标注为mea。/额定/电压//[mea*660V]/

/[mea5.5瓦特]/

/参观/人数//[mea620万人次]/ /工资/[mea3500元//]/

/[mea25元/公斤]/

////超过/[mea700Pa]//相当于/风速/[spe34ms]//

/迁移//[mea千兆比特]//能力/能够/降低/拥有//成本//管理/方案/

/这些/快速/以太///[mea千兆位]/以太//服务器/

6.4地址表达式

地址表达式(ADDREX)包括电子邮箱(ema)、电话(pho)、传真(fax)、电报挂号(tel)、邮政编码(pos)和网址(www)等6种。

6.4.1电子邮箱(ema)

/[ema exp@email.com.cn]/

/[emacnhuang@msrchina.research.microsoft.com]/

6.4.2电话(pho)

在标注电话号码时,要把国际区号、国内区号、本地区号等作为一个整体标注。如果有分机号码也要一并标注。当有多个分机号码时,要分别标注。如:

预约///电话/[pho九五一八六二八]/

///电话/[pho二四九三一零二零]/

///专线/[pho(8610)-78906617]/

/查询/电话//(/[pho零三八六二一一零零转二五二]/)/

/查询/电话/[pho三六九九七二一转二三三一]//[pho二三三二]/

/[pho120]/

/[pho119]/

6.4.3传真(fax)

/全国/客户/服务/传真//[fax010-58722727]/

/传真/号码/:/[fax86-10-66665555]/

/公司/传真//[fax86-10-66665555]/

6.4.4电报挂号(tel)

/[O搜狐公司]/电报挂号///[tel(8610)62726666]/

/电报挂号//[tel86-10-66665555]/

/联系/电话//[tel86-10-66665555]/

6.4.5邮政编码(pos)

/[O清华大学]//邮政编码/// [pos100080]/

/[L安徽]/[L阜阳]/地区//邮政编码//:/[pos233600]/

6.4.6网址(www)

/活动/报名/网址//[www http:www.acer.net/event/apply]/

/[O蕃薯藤]/购物///[www http:shopping.yam.com]//

第七章 时间表达式标注细则

时间表达式(TIMEX)包括日期(dat 、时间( tim )和时段( dur )三小 类。

7.1日期(dat)

/[dat明治三十九年]//[dat公元一九零六年]//

/[dat大正十四年]//[dat公元一九二五年]//

/[dat昭和二年]//[dat公元一九二七年]//

/[dat]/[dat道光十四年]/

/[dat]/[dat咸丰十一年]/

/[dat民国六十八年]/拆除//迁到/[L芦洲]//[dat八十一年]///扩建/

/[dat一九九九]/

/[dat一九九九年十二月三十号]/

/[dat公元1990422]/

/[dat旧石器时代]/

/[dat八十年代]/

/[dat下半年]/

/[dat1989财年]/ —-注意!

/[dat1989财年第三季度*]/

/[dat1990上半财年*]/

/[dat1991财政年度*]/

/[dat秋季]/报告/

/[dat第四季度]/

/[dat十五世纪]/

/努力/成为////素质//[dat跨世纪]/人才//

///[dat世纪之交]//时候/

///[dat新世纪]//[L中国]/律师//

/[dat新旧世纪交替]/之际/

/黑色/[dat星期一]—-注意!

/[L北京]//[dat23号]/发表//报告/

  • 注:数字串23号若不表示日期,则不标。

/[dat五月上旬]/ —-上、中、下旬要标注。

/科技//[dat]/ —-注意!

/[dat]/[dat]/之间/

/[dur一年]//四季/分明/ —-四季是词表词不标注。

/[L南极]//[dat夏季]/

/[L中国]/[dat汉代]/

/[dat春节]/ —-日期确定的节日要标注。

/[dat肉孜节]/

/[dat开斋节]/

/[dat中秋]/时节/

—-注意时节不标。

/[L美国]//[dat独立日]/—-美国独立日为每年7月4日。

/[dat27年]//一个////年份/

  • 注:27年*可能表示时段,标注者须根据上下文注意区分。

/现在//[dat26号]//[dat星期三]/

—-同一个时间的不同表达,要分开标注。

/现在//[dat二月九号]//[dat农历大年初三]/

/大约/[dat五月四日]/—-大约,大致,大概等词不标。

/[dat第二个十年]/ /[dat第二年3月]/

/[dat当年9]/

/[dat今春]/ —-今春不是词表词。

7.1.1日期起讫表达式的标注

当日期表达式中有至、到和连结符-时,处在至、到和连结符-前后的日期表达式分别叫做前式和后式。如果前式和后式都是完整的日期表达式,则它们应分别进行dat标注;否则前、后式要整体标注为dat

这条规则同样适合于其它各类数字串的标注,如:timdurinttemweimon等。其一般表达式为:

/X+量词/到/X+量词/

/X+量词/至/X+量词/

/X+量词/-/X+量词/

/X+至+X+量词/

/X+到+X+量词/

/X+-+X+量词/

/X+、+X+量词/

例如:

/[dat三月三日]//[dat三月卅一日]/

/[dat一月十八日]//[dat廿一日]/

/[dat三月三至廿一日]/

/[dat二月十八日]/-/[dat廿一日]/

//[dat今明两年]/陆续/推出//

/[dat民国五十五、五十六年]/

/[dat今明两天]/

/[dat]//[dat]/[dur两日]/

/[dat1980年][dat19901月]/

  • 注:含有比喻意义的今天、昨天、明天、今日、昨日、明日全不标注。

//一失足成千古恨//同学///看到/今天////你们/是否/感悟//了/什么///

/尽管/炮火//消失//昨天///苦难//

/[O”四方”集团*]//明天///更加/灿烂/美好//

  • 注:当年、同年、当月等词语后有具体的日期时,要整体标注dat,如果当年、当月、同年等词语单独出现,而其前后有确指的日期时也要标注为dat,否则不作标注!当日、当天等词后有具体的时间时标注为dat,否则不作标注!如:

/[dat当年7月]//[L莫斯科]/举行/

/然后//[dat同年8月]/奉调/回国//

/[P克林顿]//[dat当月13日]/表示//

///[dat当天]/[tim中午1时]//汇率/

/发言人//[dat当日]/[tim午夜]/发表/声明/

7.1.2前、头、下+时段(dur)应整体标注为dat

/[dat头两个礼拜]/

/[dat前3天]/

/[dat今年头四个月]/

//[dat上一年]/增长/[per10.4%]//

/集中/研究/解决/[dat下半年]/纠风/工作/如何/突出/重点//

/[dur两周]//

/[dat1993年之初]/ —-注意!

/[dat公元之初]/

7.1.3当乾隆、康熙、道光等表示年代时标注为dat

当乾隆、康熙、道光等表示年代时标注为dat*,而当乾隆、康熙、道光等表示皇帝本人的名字时标为P。如:

/最近/发现////农家/珍藏//[dat清代]/[P康熙]//[P雍正]//[P乾隆]//[P嘉庆]//[P道光]/[int]/皇帝/诰封/圣旨/[int九道]// /收藏///[dat清代]/[dat乾隆]/年间/至今/各个/历史/时期//鼻烟壶/艺术/珍品//

7.1.4朝代名的默认值为dat

当朝代名被上下文确认为国家名时标注L,否则默认为dat。如:

/如果/[P刘伯温]/不是/一直/压抑///[dat]/王朝//不满//

/[dat]/霸王/[P项羽]/带领/[int两万]////

///[dur三天]/粮食//渡过/[L漳河]///强大//[dat]//作战//结果//[dat]//大败/[dat]///

/[dat]//[P夫差]/战胜//[dat]//[P勾践]/,

/[dat战国]//[L赵国]///[P蔺相如]///[L赵国]///汗马功劳/;

[P唐睢*]/出使/[L秦国]//*

/[L水浒*]/全传//描述///[dat北宋末年]/震撼/[dat]//江山//[P宋江]起义//*

//侧面/表现//[dat]/政府//腐败/无能//激起/////人们/心底

//侵略者//敌视///[dat]/政府//愤怒//

/但是//战争/最终//[dat]/政府//妥协//投降///失败// /无奈/夜郎自大//腐败/不堪///[L清国]/武器//落后//

7.1.5在”过去、今后、未来+时段(dur)”等修饰成分不进入标注范围

/过去/[dur3年]//

///未来/[dur几年]//出现/

/未来/[dur两天]/沿江/地区/////大雨//

/[dat今年七八月]//

7.1.6词表词近年来、近些年、近几年来、近几年、几年来等均不标注

按规定,词表词近年来、近几年、近几年、几年来、多年来、近些年等内部的dattimdur都是不标的。但对非词表词则要分开标注。例如:

/[L瑞士]/多年来//[ord第一次]/

/近几年/,/[L中]/[L菲]/关系/

//[dur五年]//

/时至今日///缓刑/期间//—–时至今日是词表词。

7.2时间

/[tim凌晨零时]/

/[tim清晨六时卅五分]//[tim四十分]/

/[tim凌晨二至四点]/

/[tim中午十二时]/-/[tim晚上九时]/

/[tim上午十一时]//[tim下午二时]/

/[tim第七十三分钟]/

/[tim格林威治时间559]/ —-含有地名。

/[tim下午当地时间559]/

/[tim九点整]/到达/[L北京站]/

/[dat九月十三日]/大约/[tim七点]/到达/[L北京]/

  • 注:这里大约不标。因为它虽被一个dat和一个tim包围,但是仍可以分割开。

7.3时段

/[dur两个星期]/

/[dur一个月]//

///[dur5、6年]//撰文/陈述/

/早产/[dur十二周]/左右/

/大水/[dur十天]///退//

/[dur一至两年]/ /[dur一小时卅分钟]/

//[dur几天]/

/[dur卅天]/会期////[dur九天]/

/[dur10个月]/

///[dur一整天]/磋商/ —-一整天不是词表词,但要标为dur

//洪水/奋战/[dur一天一夜]// —-一天一夜也不是词表词。

/历经/[dur一二十年*]/创建//庞大//船队//*

//我们/全家//感动//[dur好几天]/

//水门/丑闻/ [dur四分之一世纪]//发表//评论。/

  • 注:按照前面的原则:水门/丑闻/ [dur四分之一世纪]/在时间坐标轴上有比较固定的位置,因此应当标为dat。但这种与事件(水门丑闻)相关的时间表达,在ER-99和MET-2中都是不标注的。这样,只有四分之一世纪需要标注为dur

/[dur十多年]/

/[dur几年]/以来/

//[dur半年]/时间//—-注意:上半年dat

//总结/[dur14年]/改革开放/经验//基础//

  • 注:14年30也可能表示dat。标注者要注意区分。/我们//美国/奔波//[dur30年]/

/[dur27年]//军旅/生涯/

/整整/[dur十五年]/ —-整整不标。

/大约/[dur十年]/的/时间/ —-大约不标。

/[dur十年]//

/[dur十几年]//时间/ —-注意!

/[dur十几年]// /[dur十来年]/ /[dur数年]/

/[dur多年]/ —-ER99不标。

7.3.1一年都标为dur

///[dur一年]/即将/开始/

////地下室/// [dur一年]//公司/

/[dur一年]//产值/效益/…/…/

/聘金//[dur一年]/ [mon900万美元]//价码/

  • 注://一年/、//一年/*中的一年不是确指不作标注。

//一年//企业/增收节支//[mon110万元*]/

//[O北大]/就读///一年//

  • 注:整天、整日、整夜一律标注为dur,如:

/[dur整天]///安静//

//东奔西走/[dur整日]///不停//

///[dur整夜]/不得/入睡/

  • 注:当年、月、日、周等词修饰后面的工资、交易(销售)额、创汇等词语时,要作为时段(dur)来标注。如:

/[dur]/收入///[mon千元]/以上/

/[dur]/交易额//[mon1000亿元]/

///工程/[dur]/处理/污水/[cap2万立方米]/

7.3.2一天的标注有以下三种情况,需区别对待:

7.3.2.1”前一天”,不论其前面有没有定语修饰统统标注为dat(参见7.4.1):

/[dat前一天]//静止//电梯/[dat今天]//起来///

/[L香港]/[O恒生]/指数//[dat前一天]/下跌/[int412点]//

/这次/[L]/[L]/足球/对抗赛///[O韩国队]/准备//[L]/出征/

世界杯//[dat前一天]/举行///

7.3.2.2”一天”的意思是指时间段(24小时),标注为dur:

/每人/每月/接待/来访/[dur一天]/

/[P]/[P]//[dur一天]///回来//

//[dat5月31日]/[dur一天]//[L莫斯科市]////查出/[int1600个]/违法/经营者//

/青年人/辛苦/忙碌//[dur一天]////// //[L墨西哥]/最后/[dur一天]//访问///

/////[mon7分钱]//[dur一天]/下来///收入/[mon好几十元]/

7.3.2.3”一天”的意思相当于”有一天”,由于不是确指的日期所以什么也不标:

/但愿/有一天/我们/轻松////消费///美丽///

/[dat1997年]//一天//[P吴佩民]//办公室/热情/接待//一个/素不相识//中年/妇女//

/一天/[tim下午]//记者/////专门/拜访//[P佛朗科]/师傅//

/一天//[P列宁]/收到///前线////要求/支援/武器//服装//电报//

/一天///自习/回来///////跟着///

/一天/[tim深夜]////酒后/拦截/过往//外地/车辆// /一天///走过///门前//

/一天/[tim晚上]///上任//[L河北省]/[O栾城县委]/书记/[dat六月八日]//

  • 注:”这/一天、那/一天”中的”一天”也非确指,所以也不标。

/记住//一天//也是/表达///[L香港]/回归祖国//预祝//

/[P王龙雨]//上任///一天///

7.4有关时间表达式的规则

7.4.1前(后)+日期|时间要整体标注

/[dat今年前五个月]/

/[dat前三天]/

  • 注:以下的标注是正确的:

//上半时/结束//[dur1分钟]/ —-上半时是词表词。

/比赛//[dur十分钟]/

///半场/[tim第27分钟]//

7.4.2反例——不应该标注的例子

刚才、最近、开始军备谈判以来、一会儿*等表示不确定时间的词语,不标。如果节日没有确定的时间,也不标。如:

/[L印度]/国际/电影节/

/[L中国]/旅游年/

7.4.3特例

若两个短语属于不同的子类dattim,就需分开标注。

/[dat212日]/[tim上午8]/

/[dat星期一]/[tim8点]/

  • 注1:时间中的地名,如北京时间下午5点,在ER-99中不标注,而在NET-2中要标注。本规范按NET-2标注(参照前面的例子)。如果dattim分不开,就整体标注。

/[tim北京时间1997291928]/

  • 注2:去年、昨天、今早等词在MET-2中要标,在ER-99中不标。本规范只参照MET-2:

/[dat去年上半年]/

/[dat今年夏天]/

/[dat今年三月一日]/

/[dat去年春夏之交]/

/[dat昨天]/[tim夜里]/ —夜里是词表词。

/[dat今天]/[tim晚上]/ —晚上是词表词。

/[dat]/[tim早六点]/ —今早不是词表词。

/[tim早上六点]/ —早上是词表词。

/[dat5月份]/产品/出口//转口/总值//[dat去年同月]/下降/[per3.2%]/

/[dat同一天][tim晚上]/

/[dat当日]/[tim下午]/

  • 注3:当日是词表词。如果在上下文中能确定当日、当天同一天的具体日期时,就标注;否则不标。

/每日/[tim上午11时]//[tim深夜3时]/ —-深夜是词表词。

/[tim昨夜/]/ —-昨夜是词表词。

//[dat周四,二,一]/

  • 注:MET-2和ER-99对早上六点的标注是相同的。但ER-99认为早上六点今早六点不同。原因可以从英语的表达来理解:前者是”6:00am”,后者是”6:00thismorning”。”thismorning”在ER-99中被视为”相对时间”,不标注。但在MET-2中,”相对时间”是要标的。本规范遵循MET-2。

/[dat11月24至27日]/

/[dat315日]//[dat17日]/

/[dat1949年]/-/[dat1972年]/

/[L美国]/南北战争//[dat1861—1865年]///

/软件////寿命//[dur两到三年]//

—清注意这里日期范围的标注方式。

迄今—-词表词不标-,MET-2标今

今后—-*词表词不标-,MET-2标今。

晨练—-词表词中的不标。-

晚宴—-词表词中的不标。-

春联—-词表词中的不标。

他们//今天//仿佛/就是/我们//明天/—-泛指不标。

参加/半决赛—-半决赛是词表词,不标。

双边/会谈—-双边是词表词,因此不标。

7.4.4每年和年不标注

本规则也适用于月,天,小时等其它时间单位。例如:

/年产值///

/每年//产值/效益///

/每年/收入///

第八章 数字表达式标注细则

数字表达式(NUMEX)包括百分数(per)、钱款(mon)、频度(fre)、整数(int)、分数(fra)、小数(dec)、序数(ord)、比率(rat)等8小类。以下是数字表达式的一些标注规则。

8.1如果整数、分数、小数、序数后面有量词,数量短语要整体标注

例如:

/[int几千万盆]/

/[int几家]/工厂/

/// [int5]//

/// [int5口]//

/铁人/[int三项]/比赛///项目//综合/运动/

/计算机/配置//586/以上//[int8兆]/内存/以上/

/打印/分辨率//[mea180dpi]/

注:dpi表示每英寸的点数,所以作为mea标注。

/评为//[int]///乡镇////[int]///支部/

8.2单纯的数字、词表词(包括俗语)中的数字都不作标注

如:

/自然数/5//6/都是/整数/

/大家//口令//齐步走/////,一////////,/

/但是/卷子///”/6/”/还是//巍巍//变成//”/8/”//

/[L瑞士]//[L西班牙]//[L比利时]//[L丹麦]/[int]//

//促进//[L][L]/两国//交流//合作/ —-两国是词表词。

//促进//[L][L]/[int]//交流//合作/ —-错误!

/垄断//[L神奈川]//[L青森]//[int]///交通/信号/维修/业务/

/[L两岸]/经济/合作//直接/三通/ —-三通是词表词。

/[L两岸]/经济/合作//直接/[int]/ —-错误!

//[L]/[L]/[L]//大三线/地区/,—-大三线是词表词。

//[L]/[L]/[L]//[int]线/地区/*,—-错误!

/十年寒窗/ —-词表词中的十年不标。

/千载难逢/ —-词表词中的千载不标。

/////—-非词表词。虚指的十年不标。

/////,耳//// —-非词表词。虚指的六、八不标。

///千秋//大事/ —-虚指的千秋”不标。

////// —-虚指的十年一日,不标。

/万里[L长城]/ —-虚指的万里,不标。

/三皇五帝/—-三皇五帝是词表词。

/乌七八糟//东西/几乎/扫荡/殆尽/—-乌七八糟是词表词。

/三大球////市场//—-三大球是词表词。

/第二次世界大战//反法西斯/斗争/—-第二次世界大战是词表词。

/三五成群//散落//警察/—-三五成群是词表词。

  • 注:一会儿,一起,唯一,付之一炬,一流,千方百计,一分为二,一切,二娃等词表词中的数字一律不标。

/本职//”/一流/”/活动/ /[int亿万]/人民/

/[int百万]/民众/

  • 注:按照ER-99,亿万、百万不是一个抽象的数字,因此是要标注的。

8.3约、近是一个不确切概念,故不同后面的数字串一起标注

则要和数字串捆绑在一起标注,而约、近作为特例,不与数词捆绑。

/大约/[int12亿]/人口/

//[int四五千]///[L金边奥林匹克运动中心]/举行/集会//

//[mon十万元]/

//[mon千万元]/

/大概/需要/花费/[mon上千万美元]//投资//[dur3年]/左右/时间//

/[O省电力公司]//投资/[mon好几百万元]//

/多于/[mon$90,000]/ /[mon几百万新元]/

/统计//[int上百种]/数字//

/每年///花费/大量/外汇/引进/[int上百套]/系统/

/每年//[int一两个]/工程//

/邀请/全国//[int百名]/书法/名家//

//[int千名]/员工/

  • 注:余、多本不应标注,但当它们位于量词前分割不开,所以整体加以标注。

/[mon二十七万余元]/

/[mon五百多万元]/

8.4钱款式中的地名

钱款表达式中的地名不论是单音节还是多音节的,Er-99和MET-2都不标,否则就形成嵌套。

如果货币字符串在文本中单独出现,字符串中没有数字修饰,那么双音节的地名要标注为L,单音节的地名不标注。例如非词表词泰铢中的不标。注意词表词日元美元中的单音节的地名也不标。

/[mon2000新元]/

/[mon2000新加坡元]/

///汇率/稳定//[mon38铢]/—/[mon39铢]//[mon美元]/水平/

/纷纷///日元///[L德国]/马克//

/[L菲律宾]/比索//美元/汇率//下跌//

8.5钱款标注中的特例

MET-2规定:如果没有表示钱款的单位,则不标。ER-99则不然。本规范采用ER-99的规定。

///汽车//[mon20万]/

/卷标///价格// [mon50]/

/[O纳斯达克]// [int140]/

8.6频率的特例

/[fre四年一度]/ —-四年一度并非词表词,但整体标注为fre

/[fre一年一度]/

—-一年一度是词表词,整体标注为fre

/主要//交流/[fre50Hz*]/,/额定/电压//[mea660V*]/

交流电的频率是50Hz(赫兹),即每秒变化50周。所以理应标成fre而不是mea

/频率///[fre3060KHz]/)

/卫星/每年/发射/[fre6至7次]/。

  • 注:又一次、再一次全部标注为fre,但/一次//一次/例外,不作标注。

如:

/此间/舆论/[fre又一次]/注意//[L]/[L]/足球//差距/

/精湛/演技//[fre再一次]/赢得//首都/观众//由衷/赞赏/

8.7名词方没有与之搭配的量词,因此可以和前面的数词直接结合

在我方、校方中的名词方没有与之搭配的量词,因此可以和前面的数词直接结合,如:

/[int三方]///[O劳斯莱斯]/汽车//前景/达成/协定//

8.8一相当于英语的冠词a,一般不标

一相当于英语的冠词a,一般不标,但一倍是例外,要标fra。例如:

/一个/条件/

///城市/

/最大//企业/之一/

/荣立/一等功/ —-一等功是词表词,不可标注。

/荣立*/[ord一等]/—-错误的标注!

///政府/新技术/推广/[ord一、二等]///

///收入////[fra一倍]/ —-一倍是要标的。

8.9一(1)+量词不标注int

8.9.1一+量词是词表词的情况

词表词一个、一种、一类、一批、一次、一套、一阵等作为数量短语不予切分,也不标注int。其中有些量词重迭形式也是词表词,如一个个、一天天,应保持其整词形式,而其它非词表词的数量短语和量词重迭形式都是要切开的。

/一个//

/一个个/观众/

/一种/算法/

/一套/特种/邮票/

/一次/讨论/

///黄骠马/

////楼房/

/一天天/暖和/起来/

8.9.2词表词一起、一块、一道、一面用作数量短语时应切开

词表词一起、一块、一道、一面有副词和其它词性的用法,但当它们用作数量短语时一律切开,而且不标注int

///石头/

///交通/事故/

///镜子/

8.10一(1)”+物理单位元需按度量表达式标注

一(1)”+物理单位元(如米、公斤、摄氏度等)需按度量表达式(见6.3)标注。如:

/[wei一公斤]/大米/

/[mea一度]//

8.11分数词素半

8.11.1词表词中的词素半不可标注为fra(分数)

词表词如半价、半票、半饱、半身、半世、半辈子、上半时、下半场、半边等,但不可把上述词表词中的词素标注为fra(分数)。

//[fra]//比赛/[L中国]/未进///

/下半场/—-词表词,是正确标注。

/[fra]/—-在词表词中插标fra是错误的。

/目前//空闲//[fra一大半]//营业/面积//

/他们/之中/肯定//[fra一多半]//没有///

//[fra大半个]/篮球//那么//

  • 注:当半作为一个独立的词时要标注,标注的原则是:半+量词或名词时标注,半+动词或形容词时不作标注,如:

/下半场//[fra]//

/地处/偏僻/[fra]/山区/

/部分/企业/停产///停产/

//处于//死亡//休眠/状态//

/干旱//干旱/地区/径流/造林/技术//

8.11.2以下的词表词不作为分数标注,而作为其它不同的数字串标注

/[dur半年]/

/[dur半天]/

/[tim|dur半夜]/

/[int|age半百]/

8.11.3例外

半个西瓜中的半个,与四半中的半概念不一样,前一个半是指二分之一,后一个半是量词,所以标注也不同。

/[fra半个]/西瓜/

/[int一个]/西瓜/分为/[int四半]/

8.12序数词素首

8.12.1词表词中的词素首不可标注为ord(序数)

词表中有许多词含有词素,如首创、首倡、首选、首发、首航、首飞、首演、首映、首战、首展、首席代表、首席科学家、首席执行官、首富、榜首、魁首、居首等。但不可把词表词中的词素单独作为ord(序数)来标注。

/首席执行官/—-正确标注。

/[ord首席]执行官/—-在词表词中插标ord是错误的。

8.12.2具有首+量词结构的词表词或非词表词,应整体作为ord标注

具有”首+量词”结构的词表词有:[ord首届*][ord首次][ord首批][ord首位],[ord首例*]等。

具有首+量词结构的非词表词,如:

/[L北京市]/[ord首家]/就业//创业/组合/市场/

/[P满文军]///自己//[ord首张]/个人/专辑/

/[dat首日]/销售/欠佳/

—-这里首日不能作序数词来标注,应标注为日期dat。(详见7.1)。

  • 注:头版、头条是词表词。它们和头一回统统标注为ord。如:

//[dat4月11日]///[O人民日报]//[ord头版]/[ord头条]/社论/位置/发表/出来/

/由于//[ord头一回]//////闪失/

  • 注:”头”的上述标注不可类推到其它词组中,例如,

/半场/表现/不好///[dur10分钟]/甚至/有些/拖泥带水/

—-注:这里半场时词表词,但不标注为fra

8.13序数词+量词结构,应整体作为ord标注

/[ord第一期]/

/[ord第二]/故乡/

/[ord三等]//

/[dat第一天]/ 相对日期,标dat,而不是 [ord第一]/

/[dat第二年]/ 相对日期,标dat,而不是 [ord第二]/

/[O波音]/747 / —-产品序号不标

/地震烈度//超过/[ord8度]//

//[ord第二条]/尤为/重要//

/位居/金牌//[ord第二名]//

/作为/大豆/行动/计划//[ord第二步]/

/[ord1174号]/文件/

/[ord6路]/汽车/ /[ord六年级]/学生/

/[dat今年]//[ord大三]/

/发展/第一产业/ —-第一产业是词表词。

/发展/[ord第一]产业/ —-错误的标注。

/阵风/[ord五级]/

/通过/大学/英语/[ord六级]/

  • 注:联赛中的A/组、B/组等不作为序数字串标注。如:

//[L里昂]/进行//世界杯///比赛//

  • 注:”甲级、甲/A、乙/级、乙/A”等不作为序数ord标注。如:

/当即/停止///比赛//裁判员/执法/全国/足球///联赛/

/获得/[ord前两名]//球队/晋级///行列//

/[dat1998年]/全国/[O男篮]///联赛/

/判处//[P东条英机]/为首//[int7名]/甲级/战犯/死刑//

8.14仅当形容词前表示比赛名次时才和后面的序数结构一起标注

仅当形容词前表示比赛名次,如前6名、前四(指前四名)时,才和后面的序数结构一起标注为ord。其余的情况如前两次、前三组、前三场、前两项等,前都不得进入被标注的数字表达式。

/获得/[ord前十名]//////[int两轮]/小组///

///[int两位]///[O澳大利亚队]//[O日本队]/

8.15文本中表示标号的数字不标

规范、条例中的条款标号,包括一、二、三、Ⅰ、Ⅱ、Ⅲ、1,2,3、第一条、第二条、第三条等,一律不予标注。只有当这些条款被正文引用时,才作为序号ord被标注。例如:

/第二//制定/必要//行规//行约//共同/规范//共同/遵守//

///资金////场地/

///政策/调动/农民//积极性;/ ///科技;/

///继续/加强/农业;/

///采取/措施/稳定/物价//抑制/通货膨胀;/

///自卑//羞耻///

///依赖//恐惧///

/(1)/加强/爱国主义//宣传/教育。/

/(2)/加强/正确//理想//信念//人生观//价值观//宣传/教育/

+数词+”视为词表词,但作为文中陈述的标号时不标注ord。仅当其在文中被引用时才作为ord标注。例如:

/第一条//消费者/永远////

/第二条//如果/消费者///////参照/[ord第一条]//

  • 注:当上述数字表示等级序号时,则要标注为ord。例如:

污秽/等级//[ord]//[ord]//[ord]//[ord]/

8.16人名、地名、机构名中的数字,不单独标注int

/[P佐腾一郎]/

/[L梅竹蹊六十七号茶花庄]/

/[O子弟一中]/

/[O三明市]/

//队长// [O1205钻井队]/

8.17外文字符串的标注

由于外文的词与词之间都有空格作为分隔符,因此无需再去切分,只在标点符号的前后加切分标记。遇到字母词、名称缩写等情况也不作切分,如:/COM/经济/(网络经济)、/E/产品/(电子产品)、/卡拉/OK/等。

/Good morning/ ,/everyone/./

/最近/引进///JT-ESWL-////震波/粉碎/肾结石///

/[L ZHONG HUA REN MIN GONG HEGUO]/”//这是/[L中华人民共和国]//汉语拼音//*

/Brother//I love you all the time// Thank you very much//”/ “/Happy birthday toyou//”

/Dip one end of a straw in the solution/./Blow gently through the straw/./ /A soap bubble forms/./What happens when you keep on blowing/?/

/The bubble bursts because the pressure inside the bubble is more than thepressure outside thebubble/./

8.18数学公式和机型标号均作为一个整体来切分和标注

例如:

/S/=/[len12S1S2mm]/

/IEC298265129694. 42056. 529932/

/GB3804. 390611022/

/IEC60129A2//[dat1996]/)UESK32/ /UEMC40K8U1/ /1 V/FJ220001R2/

/SFL1217.5/IVD P575303RI/ /SFL24A/IVDP5753/O2RI/

第九章 分词歧义消解细则

本章中的歧义切分实例是从微软亚洲研究院237万词训练语料、10万词测试语料和20万词散页语料中抽取出来的。这些歧义字段可粗分为交集型歧义(OAS)和组合型歧义(CAS)两大类。交集型歧义又包含用正反向最大匹配(MM)算法侦查不到的所谓隐藏的CAS。下面就分别介绍不同歧义字段的消解规则。

9.1交集型歧义字段(OAS)

9.1.1交集型歧义字段示例

由于交集型歧义字段的例子太多,不便穷举,所以下面只列举少量实例供参考。

(1)/矛头/所/指/正是/以/包/代/管/、/负/盈/不/负/亏/、/

(2)/[L四川]/一/私营企业/家/向/下岗/女工/捐款/

(3)/柚木/购/进/后/市场价格/大/跌/,/

(4)/图/为/[O保险公司]/向/受灾/企业/赔/付/现场/

(5)/地方政府/亟需/在/加强/压/锭/监管/力度/方面/下功夫/,/

(6)/与/厂/内/存留/的/旧/纱/机/一并/销毁/。/

(7)经/请示/,/自行/将/本/厂/经/改造/的/应/压缩/设备

(8)擅自/新/增/棉纺/生产能力/,

(9)/有人/钻/政策/空子/、/骗/财政补贴/。

(10)日益/猖獗/的/走私/犯罪/活动/,

(11)/他/在/教务/活动/中/积极/研究/、

(12)对/全/山/的/商业/网点/和/摊/区/重新/进行/了/规划/和/建设/。

(13)/加强/各级/领导班子/建设/。

(14)全体/员工/开展/了/”/人家/学/我们/,/我们/怎么办/”/的/大/讨论/,

(15)/[O欧佩克]/提高/原油/配额/和/暖冬/等/因素/影响/,

(16)/保护/国家/和/人民群众/的/生命/财产/安全/。

(17)/以/维护/民族团结/为/己任/,

(18)/各级/领导干部/要/站/在/党/和/国家/全局/的/高度/,

(19)/只有/坚持/解放/思想/、/实事求是/的/思想/路线/,

(20)/呈现/了/”/部队/添/战斗力/,/企业/增/生产力/,

(21)/共建/双方/通过/自上而下/层/层/签约/,

(22)/电力/部门/还/专门/建立/了/正规/的/转业军人/业务/培训/机制/,

(23)/这/条/线/不/停电/,/官兵/跳伞/太/危险/了/。

(24)如同/[L华中]/电网/强大/的/发电机/群/按照/同一/频率/转动/一样/,

(25)通过/举办/一些/全/集团/参与/的/拥军/活动/,

(26)/在/全国/工业/[ord500]/强/中/名列前茅/的/大型/企业集团/。

(27)/本/次/检测/中/性能/系数/最高/者/。

(28)/不是/主张/所有/的/会议/都/开/成/电视电话/会议/。

9.1.2隐藏的交集型歧义字段

隐藏的交集型歧义字段是指那些用正、反向最大匹配(MM)算法无法侦查到的交集型歧义字段。

注:以下例句中,双百分号右面为改正后的切分。

(1)/[L新疆]/经济/社会/发展/一定/会展/现出/越来越/美好/的/前景/

/[L新疆]/经济/社会/发展/一定/会/展现/出/越来越/美好/的/前景/

(2)/成立/了/专/司空/中和/地面/服务/质量/监管/的/服务/质量/督察/办公室/,/

/成立/了/专/司/空中/和/地面/服务/质量/监管/的/服务/质量/督察/办公室/,/

(4)/其内/容或/规则/已/译/成/[int15]/国/语言/,/

/其/内容/或/规则/已/译/成/[int15]/国/语言/,/

(5)/这/一发/现有/可能/加速/艾滋病/新药/和/疫苗/的/研制/。/

这/一/发现/有/可能/加速/艾滋病/新药/和/疫苗/的/研制/。/

(6)/[L韩国]/对/日出/口中/,/

/[L韩国]/对/[L日]/出口/中/,/

(7)/恰/在/此时/,/奉/党委/派赴/[O共产国际]/工作/的/[P张太雷]/于/[dat8月]/回国/

/恰/在/此时/,/奉/党/委派/赴/[O共产国际]/工作/的/[P张太雷]/于/[dat8月]/回国

(8)/站/在建/设有/[L中国]/特色/社会主义/全局/

/站/在/建设/有/[L中国]/特色/社会主义/全局/

(9)/金融/危机/就/可能/会演/变为/经济危机/

金融/危机/就/可能/会/演变/为/经济危机/

(10)/如/少数/司机/在/东侧/门楼/外道/路上/违章/占/道/停车/,/

如/少数/司机/在/东侧/门楼/外/道路/上/违章/占/道/停车/,/

(11)/有关/部门/要/下决心/下力/气管/好/电子/游戏/室/。/

有关/部门/要/下决心/下/力气/管/好/电子/游戏/室/。/

(12)/相近/似的/设施/化/保护/菜地/面积/达/[are1300万亩]/;/

/相/近似/的/设施/化/保护/菜地/面积/达/[are1300万亩]/;/

(13)/表明/了/财政部/门对/落实/科教/兴/国/战略/采取/的/实际/行动/。/

/表明/了/财政/部门/对/落实/科教/兴/国/战略/采取/的/实际/行动/。/

(14)儿时/站/在家/门口/向/四面/望/,/

儿时/站/在/家门/口/向/四面/望/,/

(15)/就/不可能/正确/地理/解和/执行/党/的/路线/方针/政策/,/

/就/不可能/正确/地/理解/和/执行/党/的/路线/方针/政策/,/

(16)/使得/高校/中原/有的/个别/的/知识/物化/行为/迅速/扩展/为/一种/专门/职能/。/

/使得/高校/中/原有/的/个别/的/知识/物化/行为/迅速/扩展/为/一种/专门/职能/。/

(17)/这是/大都/市里/的/一个/皮货/修理/店/,/

/这是/大/都市/里/的/一个/皮货/修理/店/,/

(18)/需/招集/体制/女性/业务员/[int四名]/,/

/需/招/集体/制/女性/业务员/[int四名]/,/

(19)/连同/应/交费/用以/划/支票/寄/还/。/

/连同/应/交/费用/以/划/支票/寄/还/。/

(20)/我们/一口气/跑/到家/门口/的/一/棵/大树/前/,/

/我们/一口气/跑/到/家门/口/的/一/棵/大树/前/,/

(21)/”/唉/,/要是/好/好/复习/,/可不/会考/得/这样/糟/。/”/

“/唉/,/要是/好/好/复习/,/可/不会/考/得/这样/糟/。/”/

(22)/特制/定本/规定/。/

/特/制定/本/规定/。/

(23)/股东/会所/议事/项/作/成/会议/记录/,/

/股东/会/所/议/事项/作/成/会议/记录/,/

9.2组合型歧义字段(CAS)

组合型歧义字段在真实文本中大量出现,有的是比较常见的,有的是非常罕见的。尤其是有的CAS即使根据上下文也很难判断其正确切分,如正在、就是、还是、只有、只是、一道、一起等等。因此有必要针对那些高频的CAS逐条加以说明。

9.2.1常见的组合型歧义字段

下面对一些常见的组合型歧义字段加以解释。

9.2.1.1数词一和量词组成的CAS

词表词一个、一种、一类、一批、一次、一套、一阵等作为数量短语不予切分,也不标注int。其中有些量词重迭形式也是词表词,如一个个、一天天,应保持其整词形式,而其它非词表词的数量短语和量词重迭形式都是要切开的。(详见8.9)

/一个//

/一个个/观众/

/一天天/暖和/起来/

/一套/特种/邮票/

/一次/讨论/

///黄骠马/

////楼房/

词表词一起、一道、一样、一手、一面、一口、一头、一气等既可以用作连词、副词、名词或形容词等,又可以切分开来成为数量短语。但像一套这样的词表词,除了数量短语的用法以外,不再有其它用法,因此不存在切分问题。词表词有一套是有本事的意思时,也不切分。这类词的切分问题只能逐个加以描述。

9.2.1.2动量词次与频率int的标注

动量词中只有被标注为频率fre,如[fre再次][fre数次][fre一次次][fre无数次][fre好几次],而遍、回、趟不标注为频率,一/遍、一/回、一/趟、一次(词表词不切分)、一////遍、一////回、一////趟,一次//一次也不标注为fre。这条规则的理由如下:

(1)遍表达的是动作从开始到结束的全过程;次、回描写动作的重复;趟只用于表示行走意义的动词。去一趟可以说成去一次去一回,但做一次做一回不能说成做一趟

遍、次、回有时可通用,如你再唱一遍,可以说成你再唱一次你再唱一回而意思不变。但单纯表示动作数量时,只用,不用,如他表示了多次敌人的三次进攻都被击退了

区别在于,既用于书面语又用于口语;只用于口语。如多次、数次等带文言色彩的短语,就不能说成多回、数回

(2)这本书我看了一遍,是指从书的开头到末尾的全过程。这本书我看了一次,着重指看的次数,不指看的全过程。

9.2.1.3一(1)+物理单位元量词构成度量表达式

当一(1)后面是长度、重量等物理单位元时应分别按度量表达式标注为lenwei,如[len一米*][wei1公斤*](见8.10)。

9.2.2CAS示例

下面是一些常见CAS的切分规则和示例。

(1)人为作形容词时不切分。

(1a)而是/深究/灾难/中/的/人为/因素/。(1b)以/人/为/本/

(2)为人:

(2a)也/包括/最/基本/的/为人/处事/的/行为/准则/

(2b)/始终/主宰/着/他/的/为人/之/道/和/为/艺/之/方/。(2c)/我/把/不大/为/人/所/知/的/一些/往事/写/下来/,

(3)一起:作名词和副词使用时不切分,作为”数+量词”时切分。(3a)/和/市民/一起/聊天/,/听取/群众/反映/。

(3b)/[dat4月17日]/发生/在/[L北京]/[L海淀区]/[L阜石路]/的/一/起/车祸/,/

(4)一点:形容词,意思是少许,不切分。但作为数量短语时要切开。(4a)/文/中/还有/一点/小/差误/,/也/顺便/提/提/。/

(4b)/都/清楚/地/意识到/了/这/一/点/,/

(5)一道:作副词使用时不切分;作为”数+量词”时切分。

(5a)/而且/要求/未来/的/丈夫/同/她/一道/挑起/照顾/[P穆]/大爷/的/担子/。

(5b)/已/成为/百里/油田/的/一/道/风景/线/。

(5c)/在/我/的/前额/刻下/了/一/道/道/弯曲/的/青春/印记/。

(6)一面:作名词和副词使用时不切分,作为”数+量词”时切分。

(6a)/虽然/在/现代汉语/里/含有/贬义/,/但/其/积极/的/一面/应该/肯定/。

(6b)/一面/学习/,/一面/实践/,/贯彻/到/筹组/[L澳门特别行政区]/的/工作/中/去/。(6c)/爱/是/一/面/辽阔/光滑/的/回音壁/,/微小/的/爱/意/反复/回响/着/,

(7)一口:作形容词和副词使用时不切分,作为”数+量词”时切分。(7a)/[P崔]/又/一口/回绝/并/与/其/发生/争吵/。

(7b)要不/则/是/一/脸/匪/相/或者/一口/痞/气/,

(7c)不由得/倒/吸/了/一/口/冷气/打/了/一个/寒战/,

(7d)一/口/大/锅/解决/了/[int两家]/的/再就业/难题/。

(8)一手既有名词和副词的用时,又有”数+量词”的用法,但在文本中一律不予区分。

(8a)所有/的/为/官/为/政/者/都/能/写/一手/好/文章/,(8b)/整个/事件/是/他/一手/策划/的/,

(8c)/他/一手/划水/,/一手/搂/着/女/青年/游/向/岸边/。

(9)一头:作名词和副词使用时不切分,作为”数+量词”时切分。(9a)/二来/街道/一头/联/着/片/内/的/企业单位/,/一头/联/着/居民/,

(9b)/此后/,/他/一头/钻进/常年/云雾/缭绕/的/云雾山/,/拜访/民间/郎中/,(9c)/一/头/经过/救助/已/恢复/健康/的/灰/鲸/『/[P杰杰]/』/

(10)一路:作名词和副词使用时不切分;作为”数+量词”时切分。

(10a)有时/公共汽车/挤/不/上/,/干脆/快步/当/车/一路/小跑/。

(10b)我们/一路/攀登/来到/[P王永祥]/简陋/的/护林/小屋/。

(10c)另/一/路/是/探索/[L火星]/、/[L木星]/等/星球/。

(11)一下:用作副词和数量词使用时不切分;当一作副词下作动词时要切分。

(11a)/只要/通融/一下/,/既/能/得到/一/笔/大钱/,/又/能/保持/友情/。

(11b)/相互/拍打/一下/:/”/你/猜/[rat几比几]/?/”

(11c)/书包/斜/背/在/肩/上/,/带子/太/长/,/随着/步子/一/上/一/下/跳跃/着/拍打/在/屁股/上/。

(12)一片:作形容词使用时不切分;作数量短语时切分。

(12a)/台上/台/下/那/一片/亲切/和谐/的/气氛/,

(12b)/融入/一片/[dat夏日]/的/浓绿/之中

(12c)/地板/上/看/不/到/一/片/碎/纸屑/。

(12d)/宽宽大大/的/粽/叶/,/她/总/要/一/片/片/洗/净/。

(13)一则:作副词使用时不切分;作数量短语时切分。

(13a)/一则/表达/对/同乡/画/马/大师/[P徐悲鸿]/的/敬仰/,/二/则/愿/家乡/建设/如/骏马/奔腾/一日千里/。

(13b)/[L法国]/报纸/刊/出/一/则/特写/,

(14)不见:是动词见的否定形式不切分。当它同前面的动词形成V//V//

可能式动补结构时,要切分。类似的可能式动补结构还有V//下去/V//下去/

V///V// V//起、V// V///V///V///V//////、长///

(14a)/全/都是/”/不见/兔子/不/撒/鹰/”/。

(14b)/人武部/就/看/不/见/一/盏/长明灯/,

(15)不对:作形容词表示不正确时不切分;如果对作为介词,就要切开。

(15a)父母/这么/想/当然/不对/,/可/也/不能/全/怪/他们/的/愚钝/和/落后/。

(15b)/中国/主张/和平/的/外交/政策/,/中国/不/对/任何/国家/构成/威胁/。

(16)不等:作形容词表示不相同时不切分;如果等作为动词,就要切开。

(16a)/按照/用户/要求/生产/大小/不等/的/编织/塑料/袋/,

(16b)不/等/妻子/说/什么/,/他/自己/悄悄/地/找/开/了/出路/。

(16c)/时间/不/等/人/

(17)不下:表示不少于时不切;作为动词下的否定式和可能式动补结构(见14),就要切开。

(17a)/每天/她/经手/的/业务/不下/[int百笔]/,

(17b)/架子/还/放/不/下/,/面子/还/丢/不/开/,

(17c)/刑/不/上/大夫/,/礼/不/下/庶人/

(17d)/[L俄罗斯]/整个/国家/开支/居/高/不/下/,

(18)不成:作动词、形容词和助词使用时不切分;当它作为可能式动补结构(见14)时,一律切开。

(18a)/难道/自己/这/一辈子/就/这么/过/不成/?

(18b)/毛虾/已/不成/汛/,

(18c)攀/”/亲/”/不成/反/折本/,

(18d)/往往/是/有/点/而/形/不/成/网/,

(19)上下:用作动词时一律切开,如”上/下/火车”;用作名词(包括并列意义)时则不切,如”上下/两册”。

(19a)/经过/上下/的/共同/努力/,

(19b)/上/下/车/、/船/,/须/待/车/、/船/停/稳/后/先/下/客/后/上/客/,

(20)从前:作时间名词时不切分;如果从作介词前作方位词,就要切开。

(20a)/有的/是/从前/在/队/中/当/板凳/球员/,

(20b)/导致/美元/对/马克/的/汇价/从/前/一/交易/日/的/[rat1比1·7766]/降/至/[rat1比1·7762]/。

(20c)/从/前/不久/[L深圳]/一家/公司/大规模/地/恶意/抢/注/商标/案/,

(21)以为:作动词时不切分。

(21a)/以为/强大/的/[P卡斯珀罗夫]/恢复/了/他/的/本来面目/。

(21b)有/一些/干部/想/不/通/,/以为/是/搞/形式/,/出风头/。

(21c)/我们/引/以/为/自豪/的/风格/多少/应/有些/改变/了/。

(21d)/代表/们/以/为/人民/高度/负责/的/精神/,/提出/批评/和/意见/。

(22)正当:作形容词时不切分。

(22a)/我们/是否/能/以/某/种/不/正当/的/方式/反对/,

(22b)/正/当/禾苗/生长/关键/时期/,/

(23)正在:

(23a)/对/各地/已/建成/尚未/售出/和/正在/建设/的/住房/,

(23b)/记者/正/在/回/[L巴黎]/的/高速/列车/上/。

(23c)/[O世界卫生组织]/正/在/[L科特迪瓦]/召开/国际/会议/,

(24)会上:

(24a)/[L苏州]/等/省市/及/有关单位/在/会上/介绍/了/经验/,

(24b)/在/[O国际泳联]/[dat二十四日]/举行/的/听证/会/上/,

(25)台上:

(25a)/表演/完/节目/后/竟/在/台上/掩/面/而/泣/。/

(25b)/预赛/是/在/有/围/绳/的/拳击/台/上/

(26)走向:用作名词时不切分;用作动词+介词时,一律切分。

(26a)/[L北京]/输/气/管道/工程/线路/走向/示意图/(/示意图/:/[P孙伟]/绘/)/

(26b)/迈出/了/我国/航天/事业/走/向/世界/的/[ord第一步]/。

(27)才能:用作名词时不切分;用作副词+能愿动词时,必须切开。

(27a)/但/如果/施展/才能/的/空间/很/大/,/而且/能/充分/发挥/所/学/专长/,/不妨/一/试/。

(27b)/勤奋/才/能/有/真知灼见/;

(28)人才:用作名词时不切分。

(28a)要/想/成为/[dat跨世纪]/人才/,/光/有/专业知识/不够/,

(28b)/这/恐怕/只有/浪漫/的/[L法国]/人/才/想/得/出来/。

(29)上来:作趋向动词和动词时不切分;当上作方位词时,就要切开。

(29a)/一/届/新/班子/上来/以后/,/

(29b)/把/工作/重点/转移/到/社会主义/现代化/建设/上/来/,/

(30)上去:作趋向动词和动词时不切分;当上作方位词时,就要切开。

(30a)/显然/是/上/了/学/的/[L瑶族]/娃子/写/上去/的/。/

(30b)/把/科研/技术/成果/转移/到/社会/应用/上/去/。/

(31)上前:

(31a)/他/的/四个/弟兄/挨次/伸出/手/来/上前/祝贺/

(31b)/当即/冲/上/前/去/,/扭/住/一/名/歹徒/不/放/,/

(32)上路:作动词时不切分;上作动词是要切分。

(32a)/我/背/起/你/的/薄被/送/你/上路/,

(32b)/过去/村里/也是/上/路/打场/,/

(33)得了:取助词用法时不切分;但作为动词+助词(了)和可能式动补结构(见14)时要切分。

(33a)/没/叫/到/你/的/时候/,/安心/等/着/就/得了/。

(33b)/经/医生/诊断/他/得/了/胃癌/。

(33c)/书记/何以/承受/得/了/,

(34)得出:作动词时不切;作可能式动补结构(见14)时要切分。

(34a)[L天津]/近几年/的/实践/得出/了/肯定/的/答案/。

(34b)为了/让/[dat今年]/蒜农/的/产品/卖/得/出/、/卖/出/好/价钱/,/

(35)人称:作名词时不切分;当称作动词是要切分。

(35a)作者/用/第一/人称/的/叙述/手法/,

(35b)据/用/过/的/人/称/,/打/国际/长途/如/从/[L北京]/到/[L美国]/,/每/分钟/只需/传统/电话/费用/的/[fra1/4]/。

(36)同行:用作名词时不切分,读作tonghang;用作动词时读作tongxing,一律切分。

(36a)/这时/恰/有/同行/到来/,/只好/借/[mon一元钱]/给/他/。

(36b)/笔者/与/她/骑车/同/行/。

(37)从小:

(37a)/图文并茂/、/声/形/兼备/的/写作/能力/将要/从小/培养/,

(37b)/企业/从无到有/,/从/小/到/大/,

(38)中学:

(38a)/在/长期/的/中学/教学/实践/中/我/体会/到/,

(38b)/引导/他们/在/实践/中/学/会/正确/行使/民主/权利/。

(39)上门:

(39a)/营业员/们/便/主动/上门/收款/。

(39b)/打/出/了/名气/,/找/上/门/来/的/工程/一个/接/一个/。

(39c)我/冲/出/门/去/,/随手/拉/上/门/。/

(40)声响:作名词使用时不切分。

(40a)/而/轻轻/地/挪动/椅子/走开/,/无/一点/声响/。/

(40b)/”/哗哗/”/的/潮水/声/响/成/一片/,

(41)就此:作副词使用时不切分。

(41a)/国际/足球/界/一些/有识之士/就此/产生/一种/忧虑/,

(41b)我们/也/欢迎/科技界/人士/就/此/问题/发表/意见/和/建议/。

(42)高层次作形容词时不切分;当该词前有副词修饰时需切分。

(42a)/着眼点/放/在/培养/造就/大批/高层次/科技/人才/上/。

(42b)/实现/更/大/规模/、/更/高/层次/的/扩张/和/发展/。/

(43)有的:

(43a)/有的/用/汉语/,/有的/用/俄语/,

(43b)/是/[L北大荒]/独/有/的/风味/。

(44)的话:作助词使用时不切。

(44a)/如果/要/使/谈判/取得/迅速/进展/的话/,

(44b)/[P卡比拉]/先生/对/我/的/话/是/持/认真/态度/的/。

(45)话说:整体作动词使用时不切。

(45a)/话说/当年/,/他/言语/铿锵/:/”/在/当时/,/一切/都/得/打破常规/。

(45b)用/他/自己/的/话/说/,

(46)标本:意思为生物/标本时不切;表示”直接和根本”并列的意思时要切开。

(46a)/他们/还/结合/挂图/、/标本/进行/讲解/。

(46b)/反/腐败/要/坚持/标/本/兼/治/,

(47)上将:作为军衔使用时不切分。

(47a)/[O中央军委]/副/主席/、/国务委员/兼/[O国防部]/长/[P迟浩田]/上将/

(47b)/[L中国]/在/人口/问题/上/将/面临/新/的/挑战/。

(48)将军:作为军衔使用时不切分。

(48a)/党/和/国家/领导人/、/解放军/元帅/、/将军/、/政府/省/部级/干部

(48b)/将/军:将/军/体/与/群体/紧密/结合/,/开办/体育/知识/讲座

(49)之一:

(49a)/企业/领导班子/不/适应/社会主义/市场经济/的/要求/是/主要/原因/之一/。

(49b)/游人/视线/随/之/一/收/,/”/[L太和宫]/”/[int三个]/大字/豁然/在/目/。/

(49c)/我/不禁/为/之/一/震/。

(50)到家:作为形容词不切分。

(50a)/现在/不行/,/你/技术/不/过关/,/说明/练/得/还/不/到家/,/

(50b)/果不其然/,/此/儿/到/家/就/猝不及防/地/给/了/他/妈/一/刀/。

(50c)/[P赵匡胤]/终于/将/义/妹/[P京娘]/送/到/家/。

(51)在家:

(51a)/一直/在家/等待/厂子/通知/上班/的/她/再/也/沉/不住/气/了/

(51b)/实现/访客/在/家/门口/与/住户/可/视/

(51c)/把/她/一/人/放/在/家/中/[P孙威锋]/放心不下/,

(52)人均:

(52a)/学生/拥有/计算机/的/人均/占有率/最高/

(52b)/[int两]/人/均/未/达到/[fra2/3]/的/当选/票/数/,

(53)中用:

(53a)/”/察/古/知/今/”/基本上/不/中用/了/,

(53b)/天文学/上/把/[L宇宙]/中/用/光学/方法/看/不/到/的/物质/称/做/暗/物质/,

(53c)/西/体/[L中]/用/我/也/反对/,

(54)前去:

(54a)/让/[P胡洁青]/前去/扶持/、/帮忙/。

(54b)一/名/应邀/到会/的/[L北京]/小学生/激动/地/跑/上/前/去/请/他/签名/。

(55)词表词”受过”只有”代人受过”的意思。当动词受和助词过构成”动+助”结构时,一律切开。

(55a)/它们/代/四/奸/受过/,

(55b)/[P鲁迅]/虽然/在/[dat二十年代中期]/受/过/[P托洛茨基]/的/一定/影响/,

(56)结果:有名词和动词两种用法,都不切分,动词结果的意思是杀死,而不是结出果实的意思。作为后一个意思,名词果是动词结的宾语,所以需切分。

(56a)/矫枉过正/的/结果/,/是/大家/几乎/忘/了/怎么/吃/,/

(56b)/种/果树/一般/要/三年/才/能/结/果/,

9.2.4就是、只有、只是、还是的切分规则

9.2.4.1就是

就是作副词、连词、助词使用时不切分。但作动词时,就是副词,是是动词,一律切分。

(A)作副词时,共有6个义项:

(i)单用,表示同意,对;

(ii)表示坚决,不可更改;

(iii)强调肯定某种性质和状态,含有反驳意味;(iv)强调迅速果断;

(v)确定范围,排除其它;(vi)表示没有别的情况;。

(1)我/一定/办到/,您/放心/就是/。/

(2)/反正/姥爷/就是/看/我/不/顺心/,/一点/也/不/喜欢/我/。/

(3)/望/着/车/来/车/往/的/马路/,/一/站/就是/[int几个小时]/。/

(4)/就是/节目/诉/求/为/非常/鲜明/的/单一/主题/,

(B)作连词有2个义项:

(i)表示假设的让步;即使(后面常用也作呼应);

(ii)表示一种极端情况;纵然。如:

(5)不是/播种/,/就是/锄地/;/不是/下/田/挖/野菜/,/就是/上山/打柴/。

(6)这个/建议/好/倒/是/好/,/就是/远水/不解/近/渴/。/

(C)就是作动词时,一律切分,就是副词,是是动词。如:

(7)/[O光华国中]/职员/[P杨一中]/就/是/买/菜/变成/[O慈德]/会员/的/一/例/。

(8)/多元化/的/意思/就/是/有/了/更/多/的/选择/,

(9)/最/特别/的/就/是/黄金/压制/的/邮票/。

(10)/最/关键/的/原则/就/是/「/避/凶/趋/吉/」/,

(11)这/就/是/[L海尔-波普彗星]/。/

9.2.4.2只有

只有作为一个词表词有副词和连词两个义项。当他用作动词时,一律切开。(A)只有做副词相当于只好,表示唯一的选择。如:

(1)/家属/最后/只有/寄/望/对岸/[O海协会]/能/请/[L大陆]/渔船/协/寻/。

(2)/[L中国]/的/体育/长期/是/国家/一/家/办/,/发达国家/是/国家/不/办/,/只有/社会/办/,/现在/国际/体育/的/潮流/是/国家/与/社会/共同/兴办/。/

(3)无/雪/的/[dat冬天]/是/难挨/的/,/我/只有/在/心中/落/着/一/场/场/大雪/。/

(4)协办员/和/见习员/在/通过/[int三道]/关/后/,/还要/经由/主办员/挑选/,/没有/主办员/

挑选/的/也/只有/待岗/。/

(5)如果/”/邪恶/的/敌人/对/[L伊]/发动/侵略/,/[L伊拉克]/将/别无选择/,/只有/用/其/全部/的/潜力/、/经验/和/信仰/进行/自卫/”/。/

(B)”只有”作连词用表示必要条件,下文常用副词才、方呼应。如:

(6)只有/掌握/了/最/先进/的/科学/,/我们/才/能/有/巩固/的/国防/。/

(7)高尚/的/世界/只/对/高尚/的/人们/存在/,/高尚/的/精神/境界/只有/高尚/的/人们/才/有/

资格/领略/。/

(C)”只有”用作动词时一律切开。这时”只”做副词、”有”作动词。如:

(8)/完成/管理/的/比率/只/有/[per百分之八十九]/,

(9)/车行/时速/只/有/[len卅到五十公里]/左右/;

(10)/目前/[O基隆邮局]/只/有/一个/集邮/柜台/,

(11)/因/[O中嵙国小]/整个/学区/只/有/一个/[L中嵙里]/,

9.2.4.3还是

还是有三种用法:连词、副词和动词。作动词时一律切分。

(A)作连词用时表示选择,通常跟无论、不管等连用。带连词还是的句子,除疑问句外,还是都可以换成或者,意思不变。例如:

(1)无论是/说/新/话/,/提/新/观点/,/还是/放弃/前人/和/本本/上/的/过时/的/观点/、/错误/的/结论/,/都/需要/勇气/。/

(2)农民/[P张戎梅]/说/:/”/我们/村/不论/是/养猪/还是/种菜/的/,/现在/都/把/眼睛/盯/在/了/铁路/两头/。/”/

(3)不管/是/开工/还是/竣工/,/既/有/庆典/,/又/有/报导/,/或/称/世纪/工程/,

(4)他们/不但/是/我们/公司/发展/的/”/动力/之/源/”/,/还是/我们/学习/的/好榜样/!/

(B)还是作副词用时有三个义项:

(i)表示行为、动作或状态继续保持不变,相当于”仍然”、”依然”。

(ii)表示经过比较后做出的选择。

(iii)加强语气,相当于”到底”、”究竟”、”毕竟”。

还是/d用在动词、形容词前,可以省作还,而用在主语前不能省作还。

(5)/但/现场/交通/还是/十分/杂乱/。

(6)/该/基金/还是/可以/支应/灾民/最高/[mon一百万元]/的/贷款/额/,

(7)/很多/居民/还是/使用/地下水/,

(8)/[P陈]/还是/不/改/顽皮/个性/,

(9)/多数人/还是/喜欢/为/宝宝/选/个/金/饰/,

(10)/[P陈小弟]/的/父/母亲/还是/勇敢/地/生/下/他/,

(C)还是用作动词时一律都要切开,即还作副词使用,有作动词使用。句型”是/v……的”可以帮助我们判断还是在句中是不是一种动词的用法。

(11)/关键/还/是/在/府/会/双方/态度/,

(12)/初/到/部队/,/[age十五六岁]/,/还/是/个/没/见/过/世面/的/毛孩子/。/

(13)/她/不/相信/歌剧/这/门/综合/艺术/会/落入/低谷/,/认为/关键/还/是/提高/歌剧/自身/的

/品质/。/

(14)但/在/日常/工作/中/,/我/深感/除了/忙/还/是/忙/,/搞/得/焦头烂额/,/一天到晚/自己/不/属于/自己/。/

9.2.4.4只是

只是有三种用法:副词、连词和动词。作动词时统统切分。

(A)只是作副词使用时有两个义项:

(i)表示限定某种情况或范围,相当于仅仅是。句末用而已或罢了等配合,

表示语气更为缓和。

(ii)强调在任何条件下情况都不变,有总是的意思。

(1)/只是/作为/预定/分娩/日/的/参考/。

(2)/只是/没有/焢/窑/经验/的/[P张]/课/长/,

(3)/他/虽/表示/民意调查/结果/数据/只是/具有/参考/价值/,

(4)/施工/初期/只是/修剪/树枝/,

(B)只是作连词用,用在后一分句,表示轻微的转折,补充修正上文的意思,与不过的用法相近。

(5)/记者/在/重灾区/[L大河乡]/注意/到/,/群众/有/饭/吃/,/有/衣/穿/,/有/伤病/能/医治/,/只是/搭建/的/小/窝棚/难以/抵御/坝上/呼啸/的/寒风/。/

(6)[dat唐朝]/著名/诗人/[P李商隐]/『/夕阳/无限/好/,/只是/近/黄昏/』/的/诗句/是/对/黄昏/的/叹息/和/无奈/,/

(C)只是用作动词时一律要切开,即只作副词,是作动词。如:

(7)/他/只/是/[dur一个月]/领/[mon二万多元]/的/工人/

(8)/事实上/[L盐埔乡]/公所/的/薪水/无/着落/只/是/冰山/一/角/,

(9)/这些/需求/不只/是/钱/或/资源/,/