现代汉语复句中短语字段的自动识别初探

为了建立一个面向中文信息处理的现代汉语复句深加工语料库，我们必须进行书逗短语字段的自动识别工作，目的是把这些字段排除在分句层次分析的范围之外。这项工作建立在自动分词和词性标注的基础上，主要分三个阶段进行，每个阶段都需要运用规则和统计相结合的方法。第一、二阶段的规则只包含句法因素，第三阶段的规则还需要运用一定的语义特征、搭配知识。