Lecture 3: Linguistics Foundations

本节课大纲

image.png

汉字

• ideograph 表意文字/形意文字

  
  image.png
• 汉字数量多
• 简体 繁体
• 异体字
  • 同意同音，不同形
  • “回”字有四种写法
• 方言
• 编码标准
• 字本位语言处理
• 字嵌入

词素

词素，意思或语法功能的最小单位，拆了之后就无法保留原来的意思了。
比如：“葡萄”是一个两个字的词素。

• 语法词素
  比如：的、地、得
• 内容词素
  比如：葡萄

中文词

• 双音节词
• 三音节词
• 四音节词
• 中文词格式
  • 词缀
  • 叠词 reduplication
  • 离合词 比如：理发，理了个发

词性 part-of-speech (POS)

词性，不表示词的意思，而是表示词是怎么用的。
比如：动词，名词

中文语法处理中的挑战

• 正式的语言标志很少
  • 没有动词的词性变化
  • 没有单复数
• 歧义
  • 词汇歧义
  • 断句歧义

短语

• 短语的语法树
• 依赖关系

语料语言学

image.png