词与短语区分的频率因素——基于超大规模语料库2-gram串的考察

《词与短语区分的频率因素——基于超大规模语料库2-gram串的考察》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号——UDC——密级——编号——硕士学位论文学位申请人姓名：陈衡申请学位学生类别：全皇堂塑±申请学位学科专业：堡室至叁鏖旦堡室堂指导教师姓名：余一眷副教授硕士学位论文MASTER’STHESIS恻必㈣IY2348141一词与短语区分的频率因素——基于超大规模语料库2-gram串的考察论文作者：陈衡指导教师：余—骄副教授学科专业：语言学及应用语言学研究方向：计算语言学华中师范大学文学院2013年4月硕士学位论支MASTER’STHESlSCanFrequencyDistinguishChineserdsandPhrases?—_Basedont

2、heInvestigationof2一gramStatisticsofSuper-scaleCorpusAThesisSubmiaedinPartialFulfillmentoftheRequirementFortheM．A．DegreeinLinguisticsandAppliedLinguisticsByChenHengPostgraduateProgramSchoolofChineselanguageandliteratureCentralChinaNormalUniversitySupervisor：YuYijiaoAcademicTit

3、le：AssociateProfessorSignatureApprovedApril．2013硕士学位论文MASTER’STHESlS华中师范大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的研究成果。除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本声明的法律结果由本人承担。作者签名：陈镯日期：讼胗年岁月27同学位论文版权使用授权书’学位论文作者完全了解华中师范大学有关保留、

4、使用学位论文的规定，即：研究生在校攻读学位期问论文工作的知识产权单位属华中师范大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。(保密的学位论文在解密后遵守此规定)保密论文注释：本学位论文属于保密，在——年解密后适用本授权书。非保密论文注释：本学位论文不属于保密范围，适用本授权书。作者签名：豫彳幻作者签名：泺／f翱日期：扣易年岁月7c}日导师签名-徐／鞲日期：2。，拜5月≯7日本人已经认真阅读“CALIS高校学位

5、论文全文数据库发布章程”，同意将本人的学位论文提交‘'CALIS高校学位论文全文数据库”中全文发布，并可按“章程”中的规定享受相关权益。回意诠塞握交后进卮；旦圭生；旦二生；旦三生筮查!作者签名：际褐日期：加侈年，月z，日言篓爹蠹；黼xJ．日日期：沙l弓年j。月工7日硕士学位论文MASTER’STHESlS摘要如何区分词和短语一直是语言学中的难题。汉语中约70％以上的词是二字词，所以二字复合词和二字短语的区分更是难点。随着统计方法在语言学中的广泛运用，从频率的角度来研究词和短语的文章大大增加。但目前相关研究主要集中在词语、高频字串的提取方面，从本体

6、角度探讨频率是否适合作为区分词和短语的标准的文章较少。本文旨在对这一问题进行探讨。如何验证频率是否适合作为区分词和短语的标准?本文提出基于超大规模语料库2-gram串统计的方法，并采取以下两种验证思路：第一，考察汉语中高频二字串是否都是由词构成，即是否频率越高二字串成词性越高：第二，考察已有比较成熟的二字串成词性层级分类结果是否与本文频率统计结果相一致，即是否二字串成词性层级越高，频率也越高。基于以上两种思路的验证，本文得出的结果是：汉语二字串的成词性和频率不必然存在“频率越高成词性越高”或“成词性层级越高频率越高”的共变关系。那么频率对二字串的

7、成词性是否一点影响都没有呢，以及该如何进行解释?为了进一步考察频率对二字串成词性的影响，本文对二字串进行更细致的分类频率考察，包括同构槽字串“大x”频率考察、动结式“V到”和动趋式“V向”频率考察，以及同语义场——亲属义场、动物、身体义场——同构槽字串频率考察。考察得出频率对词界定的影响表现在：对于同结构、同构造槽、同语义场的二字结构短语，频率能够很好地将其作“连续统”的划分。最后，本文得出结论：“频率”不是“词”定义的应有之义，也不可直接作为界定词的标准；它在解决词和短语区分的模糊地带也不能广泛发挥作用，但对于具有较大结构和意义相似性的两个或多

8、个同构槽字串，如“鸡蛋”和“鸭蛋”，可以作为人为区分的参考条件，以利于实际应用，如生成“词表”、词典编纂等。关键词：词短语频率二字词二字