藏语依存树库的构建

建立一个大规模的树库是语料库语言学发展的重要一环，而且大规模的句法树库是一项重要资源，它将为语言研究和信息处理提供一个有利的数据平台。藏语依存树库的构建不仅能揭示藏语自身的语法规律，还为进一步开展文本理解、汉藏智能翻译、文本自动校对以及信息检索等方面的研究奠定基础。本项目从大规模藏语语料库中选择藏语的通用句子，对这些句子进行分词、词性标注等精加工，在此基础上从句法和语义的角度分析藏语通用句子的依存关系，从依存关系提炼藏语依存句法类型和模式，构建藏语依存树库。

建立一个大规模的树库是语料库语言学发展的重要一环，而且大规模的句法树库是一项重要资源，它将为语言研究和信息处理提供一个有利的数据平台。藏语依存树库的构建不仅能揭示藏语自身的语法规律，还能为进一步开展文本理解、汉藏智能翻译、文本自动校对以及信息检索等方面的研究奠定坚实基础。.本课题在实施过程中，着重于以下方面：.在理论上，深入研究藏语语法体系，并根据计算机处理需求，提出了4个规范性文件，即，《信息处理用藏语词类标记集规范》、《信息处理用藏文分词工程规范》、《藏语句法标注体系》、《藏语语义标注体系》。.在技术上，实现了藏文自动分词与词性标注系统、藏语句法、语义标注工具、藏语句法、语义分析系统。建立了藏语分词语言模型，建设了60万词次标注的训练语料库，经开放测试，分词与词性识别的准确率达95%，召回率为91%；句法自动标注UAS分数为79%、语义自动标注F1值为91%（基于黄金句法分析结果）和75%（基于自动句法分析结果）。.在工程上，为实现自动标注与分析，从大规模藏语语料库中选择12000个藏文通用句子，对这些句子进行分词、词性标注等精加工，在此基础上从句法和语义的角度分析藏语通用句子的依存关系，从依存关系提炼藏语依存句法类型和模式，构建了藏语依存树库，以此作为树库自动标注的基础资源。.在效果上，目前比较好的汉语自动句法分析正确率在85%左右，英文自动句法分析正确率能达到90%以上，而本研究所实现的藏文自动句法分析正确率则可达到79%，与此同时，藏文树库兼顾了句法和语义两个层面，从词法、句法到语义，环环相扣，互为映射，互为验证，不仅在理论上有了词法、句法、语义的层级体系化研究方面的突破，在技术实现上也第一次做到了超过预期的效果。.在影响上，藏语树库构建研究属于基础研究领域，是一次尝试性的探索，词法、句法、语义标注的4套体系建设为今后的藏文树库建设和扩展奠定了理论和方法基础，而其实现说明了这种方法和策略的有效性。因此，可以说本课题在理论、方法、策略以及技术实现方面都达到项目预期的效果，圆满完成了课题的预期目标。