Skip to content

词性标注规范

ChengQikai edited this page Sep 8, 2018 · 12 revisions

《现代汉语语料库加工规范——词语切分与词性标注》 词性标记

代码名称 帮助记忆的诠释 例子 及 注解
1 Ag 形语素 形容词性语素。形容词代码为a,语素代码g前面置以A。 绿色/n 似/d 锦/Ag ,
2 a 形容词 取英语形容词adjective的第1个字母 [重要/a 步伐/n]NP ,美丽/a ,看似/v 抽象/a ,
3 ad 副形词 直接作状语的形容词。形容词代码a和副词代码d并在一起。 [积极/ad 谋求/v]V-ZZ ,幻象/n 易/ad 逝/Vg ,
4 an 名形词 具有名词功能的形容词。形容词代码a和名词代码n并在一起。 [外交/n 和/c 安全/an]NP-BL ,
5 Bg区别语素 区别词性语素。区别词代码为b,语素代码g前面置以B。 赤/Ag 橙/Bg 黄/a 绿/a 青/a 蓝/a 紫/a ,
6 b 区别词 取汉字"别"的声母。 女/b 司机/n, 金/b 手镯/n, 慢性/b 胃炎/n,古/b 钱币/n, 副/b 主任/n, 总/b 公司/n单音节区别词和单音节名词或名语素组合,作为一个词,并标以名词词性n。 雄鸡/n,雌象/n,女魔/n,古币/n少数"单音节区别词+双音节词"的结构作为一个词。总书记/n ,
7 c 连词 取英语连词conjunction的第1个字母。 合作/vn 与/c 伙伴/n
8 Dg 副语素 副词性语素。副词代码为d,语素代码g前面置以D。 了解/v 甚/Dg 深/a ,煞/Dg 是/v 喜人/a ,
9 d 副词 取adverb的第2个字母,因其第1个字母已用于形容词。 进一步/d 发展/v ,
10 e 叹词 取英语叹词exclamation的第1个字母。啊/e ,/w 那/r 金灿灿/z 的/u 麦穗/n ,
11 f 方位词 取汉字"方"。 军人/n 的/u 眼睛/n 里/f 不/d 是/v 没有/v 风景/n ,
12 h 前接成分 取英语head的第1个字母。 许多/m 非/h 主角/n 人物/n ,办事处/n 的/u "/w 准/h 政府/n "/w 功能/n 不断/d 加强/v ,
13 i 成语 取英语成语idiom的第1个字母。 一言一行/i ,义无反顾/i ,
14 j 简称略语 取汉字"简"的声母。 [德/j 外长/n]NP ,文教/j ,
15 k   后接成分。 少年儿童/l 朋友/n 们/k ,身体/n 健康/a 者/k ,
16 l 习用语 习用语尚未成为成语,有点"临时性",取"临"的声母。 少年儿童/l 朋友/n 们/k ,落到实处/l ,
17 Mg数语素 数词性语素。数词代码为m,语素代码g前面置以M。 甲/Mg 减下/v 的/u 人/n 让/v 乙/Mg 背上/v ,凡/d "/w 寅/Mg 年/n "/w 中/f 出生/v 的/u 人/n 生肖/n 都/d 属/v 虎/n ,
18 m 数词 取英语numeral的第3个字母,n,u已有他用。1.数量词组应切分为数词和量词。 三/m 个/q, 10/m 公斤/q, 一/m 盒/q 点心/n ,但少数数量词已是词典的登录单位,则不再切分。 一个/m , 一些/m ,2. 基数、序数、小数、分数、百分数一律不予切分,为一个切分单位,标注为 m 。一百二十三/m,20万/m, 123.54/m, 一个/m, 第一/m,第三十五/m, 20%/m, 三分之二/m,千分之三十/m, 几十/m 人/n,十几万/m 元/q, 第一百零一/m 个/q ,3. 约数,前加副词、形容词或后加"来、多、左右"等助数词的应予分开。约/d 一百/m 多/m 万/m,仅/d 一百/m 个/q,四十/m 来/m 个/q,二十/m 余/m 只/q, 十几/m 个/q,三十/m 左右/m ,两个数词相连的及"成百"、"上千"等则不予切分。五六/m 年/q,七八/m 天/q,十七八/m 岁/q, 成百/m 学生/n,上千/m 人/n, 4.表序关系的"数+名"结构,应予切分。二/m 连/n , 三/m 部/n ,
19 Ng 名语素 名词性语素。名词代码为n,语素代码g前面置以N。出/v 过/u 两/m 天/q 差/Ng, 理/v 了/u 一/m 次/q 发/Ng,
20 n 名词 取英语名词noun的第1个字母。 (参见 动词--v)岗位/n , 城市/n , 机会/n ,她/r 是/v 责任/n 编辑/n ,
( 编辑/v 科技/n 文献/n )
21 nr 人名 名词代码n和"人(ren)"的声母并在一起。 1.汉族人及与汉族起名方式相同的非汉族人的姓和名单独切分,并分别标注为nr。张/nr 仁伟/nr, 欧阳/nr 修/nr, 阮/nr 志雄/nr, 朴/nr 贞爱/nr汉族人除有单姓和复姓外,还有双姓,即有的女子出嫁后,在原来的姓上加上丈夫的姓。如:陈方安生。这种情况切分、标注为:陈/nr 方/nr 安生/nr;唐姜氏,切分、标注为:唐/nr 姜氏/nr。2. 姓名后的职务、职称或称呼要分开。江/nr 主席/n, 小平/nr 同志/n, 江/nr 总书记/n,张/nr 教授/n, 王/nr 部长/n, 陈/nr 老总/n, 李/nr 大娘/n, 刘/nr 阿姨/n, 龙/nr 姑姑/n3. 对人的简称、尊称等若为两个字,则合为一个切分单位,并标以nr。老张/nr,大李/nr,小郝/nr, 郭老/nr, 陈总/nr4. 明显带排行的亲属称谓要切分开,分不清楚的则不切开。三/m 哥/n, 大婶/n, 大/a 女儿/n, 大哥/n, 小弟/n, 老爸/n5. 一些著名作者的或不易区分姓和名的笔名通常作为一个切分单位。鲁迅/nr, 茅盾/nr, 巴金/nr,三毛/nr, 琼瑶/nr, 白桦/nr6. 外国人或少数民族的译名(包括日本人的姓名)不予切分,标注为nr。克林顿/nr, 叶利钦/nr,才旦卓玛/nr,小林多喜二/nr,北研二/nr,华盛顿/nr, 爱因斯坦/nr有些西方人的姓名中有小圆点,也不分开。卡尔·马克思/nr
22 ns 地名 名词代码n和处所词代码s并在一起。 (参见2。短语标记说明--NS)安徽/ns,深圳/ns,杭州/ns,拉萨/ns,哈尔滨/ns, 呼和浩特/ns, 乌鲁木齐/ns,长江/ns,黄海/ns,太平洋/ns,泰山/ns,华山/ns,亚洲/ns, 海南岛/ns,太湖/ns,白洋淀/ns, 俄罗斯/ns,哈萨克斯坦/ns,彼得堡/ns, 伏尔加格勒/ns 1. 国名不论长短,作为一个切分单位。中国/ns,中华人民共和国/ns,日本国/ns, 美利坚合众国/ns,美国/ns2. 地名后有"省"、"市"、"县"、"区"、"乡"、"镇"、"村"、"旗"、"州"、"都"、"府"、"道"等单字的行政区划名称时,不切分开,作为一个切分单位。四川省/ns,天津市/ns,景德镇/ns沙市市/ns,牡丹江市/ns,正定县/ns,海淀区/ns, 通州区/ns,东升乡/ns, 双桥镇/ns 南化村/ns,华盛顿州/ns,俄亥俄州/ns,东京都/ns,大阪府/ns,北海道/ns,长野县/ns,开封府/ns,宣城县/ns3. 地名后的行政区划有两个以上的汉字,则将地名同行政区划名称切开,不过要将地名同行政区划名称用方括号括起来,并标以短语NS。[芜湖/ns 专区/n] NS,[宣城/ns 地区/n]ns,[内蒙古/ns 自治区/n]NS,[深圳/ns 特区/n]NS,[厦门/ns 经济/n 特区/n]NS, [香港/ns 特别/a 行政区/n]NS,[香港/ns 特区/n]NS, [华盛顿/ns 特区/n]NS,4. 地名后有表示地形地貌的一个字的普通名词,如"江、河、山、洋、海、岛、峰、湖"等,不予切分。鸭绿江/ns,亚马逊河/ns, 喜马拉雅山/ns, 珠穆朗玛峰/ns,地中海/ns,大西洋/ns,洞庭湖/ns,塞普路斯岛/ns 5. 地名后接的表示地形地貌的普通名词若有两个以上汉字,则应切开。然后将地名同该普通名词标成短语NS。[台湾/ns 海峡/n]NS,[华北/ns 平原/n]NS,[帕米尔/ns 高原/n]NS, [南沙/ns 群岛/n]NS,[京东/ns 大/a 峡谷/n]NS [横断/b 山脉/n]NS6.地名后有表示自然区划的一个字的普通名词,如"街,路,道,巷,里,町,庄,村,弄,堡"等,不予切分。 中关村/ns,长安街/ns,学院路/ns, 景德镇/ns, 吴家堡/ns, 庞各庄/ns, 三元里/ns,彼得堡/ns, 北菜市巷/ns, 7.地名后接的表示自然区划的普通名词若有两个以上汉字,则应切开。然后将地名同自然区划名词标成短语NS。[米市/ns 大街/n]NS, [蒋家/nz 胡同/n]NS , [陶然亭/ns 公园/n]NS , 8. 大小地名相连时的标注方式为:北京市/ns 海淀区/ns 海淀镇/ns [南/f 大街/n]NS [蒋家/nz 胡同/n]NS 24/m 号/q ,
23 nt 机构团体 "团"的声母为t,名词代码n和t并在一起。 (参见2。短语标记说明--NT)联合国/nt,中共中央/nt,国务院/nt, 北京大学/nt1.大多数团体、机构、组织的专有名称一般是短语型的,较长,且含有地名或人名等专名,再组合,标注为短语NT。[中国/ns 计算机/n 学会/n]NT, [香港/ns 钟表业/n 总会/n]NT, [烟台/ns 大学/n]NT, [香港/ns 理工大学/n]NT, [华东/ns 理工大学/n]NT,[合肥/ns 师范/n 学院/n]NT, [北京/ns 图书馆/n]NT, [富士通/nz 株式会社/n]NT, [香山/ns 植物园/n]NT, [安娜/nz 美容院/n]NT,[上海/ns 手表/n 厂/n]NT, [永和/nz 烧饼铺/n]NT,[北京/ns 国安/nz 队/n]NT,2. 对于在国际或中国范围内的知名的唯一的团体、机构、组织的名称即使前面没有专名,也标为nt或NT。联合国/nt,国务院/nt,外交部/nt, 财政部/nt,教育部/nt, 国防部/nt,[世界/n 贸易/n 组织/n]NT, [国家/n 教育/vn 委员会/n]NT,[信息/n 产业/n 部/n]NT,[全国/n 信息/n 技术/n 标准化/vn 委员会/n]NT,[全国/n 总/b 工会/n]NT,[全国/n 人民/n 代表/n 大会/n]NT,美国的"国务院",其他国家的"外交部、财政部、教育部",必须在其所属国的国名之后出现时,才联合标注为NT。[美国/ns 国务院/n]NT,[法国/ns 外交部/n]NT,[美/j 国会/n]NT,日本有些政府机构名称很特别,无论是否出现在"日本"国名之后都标为nt。[日本/ns 外务省/nt]NT,[日/j 通产省/nt]NT通产省/nt 3. 前后相连有上下位关系的团体机构组织名称的处理方式如下:[联合国/nt 教科文/j 组织/n]NT, [中国/ns 银行/n 北京/ns 分行/n]NT,[河北省/ns 正定县/ns 西平乐乡/ns 南化村/ns 党支部/n]NT, 当下位名称含有专名(如"北京/ns 分行/n"、"南化村/ns 党支部/n"、"昌平/ns 分校/n")时,也可脱离前面的上位名称单独标注为NT。[中国/ns 银行/n]NT [北京/ns 分行/n]NT,北京大学/nt [昌平/ns 分校/n]NT,4.团体、机构、组织名称中用圆括号加注简称时:[宝山/ns 钢铁/n (/w 宝钢/j )/w 总/b 公司/n]NT,[宝山/ns 钢铁/n 总/b 公司/n]NT,(/w 宝钢/j )/w
24 nx外文字符 外文字符。 A/nx 公司/n ,B/nx 先生/n ,X/nx 君/Ng ,24/m K/nx 镀金/n ,C/nx 是/v 光速/n ,Windows98/nx ,PentiumIV/nx ,I LOVE THIS GAME/nx ,
25 nz 其他专名 。 "专"的声母的第1个字母为z,名词代码n和z并在一起。 (参见2。短语标记说明--NZ)除人名、国名、地名、团体、机构、组织以外的其他专有名词都标以nz。满族/nz,俄罗斯族/nz,汉语/nz,罗马利亚语/nz,捷克语/nz,中文/nz, 英文/nz,满人/nz,哈萨克人/nz,诺贝尔奖/nz,茅盾奖/nz, 1.包含专有名称(或简称)的交通线,标以nz;短语型的,标为NZ。津浦路/nz,石太线/nz,[京/j 九/j 铁路/n]NZ,[京/j 津/j 高速/b 公路/n]NZ, 2. 历史上重要事件、运动等专有名称一般是短语型的,按短语型专有名称处理,标以NZ。[卢沟桥/ns 事件/n]NZ, [西安/ns 事变/n]NZ,[五四/t 运动/n]NZ, [明治/nz 维新/n]NZ,[甲午/t 战争/n]NZ,3.专有名称后接多音节的名词,如"语言"、"文学"、"文化"、"方式"、"精神"等,失去专指性,则应分开。欧洲/ns 语言/n, 法国/ns 文学/n, 西方/ns 文化/n,贝多芬/nr 交响乐/n, 雷锋/nr 精神/n, 美国/ns 方式/n,日本/ns 料理/n, 宋朝/t 古董/n 4. 商标(包括专名及后接的"牌"、"型"等)是专指的,标以nz,但其后所接的商品仍标以普通名词n。康师傅/nr 方便面/n, 中华牌/nz 香烟/n, 牡丹III型/nz 电视机/n, 联想/nz 电脑/n, 鳄鱼/nz 衬衣/n, 耐克/nz 鞋/n5. 以序号命名的名称一般不认为是专有名称。2/m 号/q 国道/n ,十一/m 届/q 三中全会/j如果前面有专名,合起来作为短语型专名。[中国/ns 101/m 国道/n]NZ, [中共/j 十一/m 届/q 三中全会/j]NZ,6.书、报、杂志、文档、报告、协议、合同等的名称通常有书名号加以标识,不作为专有名词。由于这些名字往往较长,名字本身按常规处理。《/w 宁波/ns 日报/n 》/w ,《/w 鲁迅/nr 全集/n 》/w,中华/nz 读书/vn 报/n, 杜甫/nr 诗选/n,少数书名、报刊名等专有名称,则不切分。红楼梦/nz,人民日报/nz,儒林外史/nz 7. 当有些专名无法分辨它们是人名还是地名或机构名时,暂标以nz。[巴黎/ns 贝尔希/nz 体育馆/n]NT,其中"贝尔希"只好暂标为nz。
26 o 拟声词 取英语拟声词onomatopoeia的第1个字母。 哈哈/o 一/m 笑/v ,装载机/n 隆隆/o 推进/v ,
27 p 介词 取英语介词prepositional的第1个字母。 对/p 子孙后代/n 负责/v ,以/p 煤/n 养/v 农/Ng ,为/p 治理/v 荒山/n 服务/v , 把/p 青年/n 推/v 上/v 了/u 领导/vn 岗位/n ,
28 q 量词 取英语quantity的第1个字母。 (参见数词m)首/m 批/q ,一/m 年/q ,
29 Rg代语素 代词性语素。代词代码为r,在语素的代码g前面置以R。 读者/n 就/d 是/v 这/r 两/m 棵/q 小树/n 扎根/v 于/p 斯/Rg 、/w 成长/v 于/p 斯/Rg 的/u 肥田/n 沃土/n ,
30 r 代词 取英语代词pronoun的第2个字母,因p已用于介词。 单音节代词"本"、"每"、"各"、"诸"后接单音节名词时,和后接的单音节名词合为代词;当后接双音节名词时,应予切分。本报/r, 每人/r, 本社/r, 本/r 地区/n, 各/r 部门/n
31 s 处所词 取英语space的第1个字母。 家里/s 的/u 电脑/n 都/d 联通/v 了/u 国际/n 互联网/n ,西部/s 交通/n 咽喉/n ,
32 Tg 时语素 时间词性语素。时间词代码为t,在语素的代码g前面置以T。 3日/t 晚/Tg 在/p 总统府/n 发表/v 声明/n ,尊重/v 现/Tg 执政/vn 当局/n 的/u 权威/n ,
33 t 时间词 取英语time的第1个字母。 1. 年月日时分秒,按年、月、日、时、分、秒切分,标注为t 。1997年/t 3月/t 19日/t 下午/t 2时/t 18分/t若数字后无表示时间的"年、月、日、时、分、秒"等的标为数词m。1998/m 中文/n 信息/n 处理/vn 国际/n 会议/n 2. 历史朝代的名称虽然有专有名词的性质,仍标注为t。西周/t, 秦朝/t,东汉/t, 南北朝/t, 清代/t"牛年、虎年"等一律不予切分,标注为:牛年/t,虎年/t, 甲午年/t, 甲午/t 战争/n, 庚子/t 赔款/n, 戊戌/t 变法/n
34 u 助词 取英语助词auxiliary。 [[俄罗斯/ns 和/c 北约/j]NP-BL 之间/f [战略/n 伙伴/n 关系/n]NP 的/u 建立/vn]NP 填平/v 了/u [[欧洲/ns 安全/a 政治/n]NP 的/u 鸿沟/n]NP
35 Vg 动语素 动词性语素。动词代码为v。在语素的代码g前面置以V。 洗/v 了/u 一个/m 舒舒服服/z 的/u 澡/Vg
36 v 动词 取英语动词verb的第一个字母。 (参见 名词--n)[[[欧盟/j 扩大/v]S 的/u [历史性/n 决定/n]NP]NP 和/c [北约/j 开放/v]S]NP-BL [为/p [创建/v [一/m 种/q 新/a 的/u 欧洲/ns 安全/a 格局/n]NP]VP-SBI]PP-MD [奠定/v 了/u 基础/n]V-SBI ,,
编辑/v 科技/n 文献/n , (她/r 是/v 责任/n 编辑/n )
37 vd 副动词 直接作状语的动词。动词和副词的代码并在一起。 形势/n 会/v 持续/vd 好转/v ,认为/v 是/v 电话局/n 收/v 错/vd 了/u 费/n ,
38 vn 名动词 指具有名词功能的动词。动词和名词的代码并在一起。 引起/v 人们/n 的/u 关注/vn 和/c 思考/vn ,收费/vn 电话/n 的/u 号码/n ,
39 w 标点符号   "/w :/w
40 x 非语素字 非语素字只是一个符号,字母x通常用于代表未知数、符号。
41 Yg语气语素 语气词性语素。语气词代码为y。在语素的代码g前面置以Y。 唯/d 大力/d 者/k 能/v 致/v 之/u 耳/Yg
42 y 语气词 取汉字"语"的声母。 会/v 泄露/v 用户/n 隐私/n 吗/y ,又/d 何在/v 呢/y ?
43 z 状态词 取汉字"状"的声母的前一个字母。 取得/v 扎扎实实/z 的/u 突破性/n 进展/vn ,四季/n 常青/z 的/u 热带/n 树木/n ,短短/z 几/m 年/q 间,

好了如果你有心翻到最后,我估计你是做parsing 和ctb 对比有差异下面是我总结的对比.不一定正确,如有错误还望指教

北大标注 ctb标注
a	va
b	nn
c	cc
d	ad
e	ij
f	lc
h	va
i	va
j	nn
k	nn
l	ad
m	cd
n	nn
o	vv
p	p
q	m
r	pn
s	lc
t	nt
u	msp
v	vv
w	pu
x	nn
y	sp
z	va
ad	va
ag	va
an	va
dg	ad
en	fw
mg	od
ng	nr
nr	nr
ns	nr
nt	nr
nz	nr
rg	pn
tg	nt
ud	msp
ug	vv
uj	dec
ul	sp
uv	dev
uz	vv
vd	vv
vg	vv
vn	nn
num	cd