基于语料库的现代汉语新词语构词法统计研究

《基于语料库的现代汉语新词语构词法统计研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于语料库的现代汉语新词语构词法统计研究1231亢世勇徐艳华孙茂松许小星1烟台师范学院中文系（264025），中国烟台Email:kangsy46@sohu.com2南京师范大学中文系（210097），中国南京Email:xuyanhua0401@sina.com3清华大学计算机系（100083），中国北京Email:sms@mail.tsinghua.edu.cn内容摘要：本文在我们构建的《新词语构词法数据库》的基础进行分类统计，全面总结了二音节、三音节新词语的构词规则，然后将这些规则运用到实际文本中检验其

2、可行性，最后和基本词汇构词法进行了比较。关键词：新词语，构词法，分类统计ResearchontheformationofChinesenewwordsbasedonChinesecorporausingstatisticmeansAbstract:Inthispaper,ClassificationwasfirstlydonebasedonthestatisticsextractedfromadatabasewebuiltforinvestigatingformationofnewChinesewords,a

3、ndthentherulesofformationofChinesedisyllabicandtrisyllabicnewwordswerecompletelyexplored.AtlastwealsotestedtherulesderivedagainstrealChinesetextsandcomparedthemwiththeformationrulesofbasicChinesewords.Keyword:newword,word-formation,classificationandstatisti

4、cs1引言现代汉语新词语是现代汉语词汇发展最为活跃的部分。新词语丰富了现代汉语词汇，但对教学，尤其是汉语信息处理带来了不便。如果能够总结出新词语的构词规律，对于掌握新词语，研究现代汉语词汇的发展，尤其是计算机语言信息处理未登录词语（新词语是最重要的一部分）的识别具有重要的作用。鉴于此，我们在中国国家哲学社会科学规划项目“《现代汉语新词语信息电子词典》的开发与应用”（01CYY-002）与山东省教育厅科研项目“基于语料库的现代汉语新词语研究”（W01W06）的支持下，收录了新词语近4万个，建立了数据库，对这一问

5、题进行了比较深入细致的研究。2现代汉语新词语构词法数据库的建立2．1现代汉语新词语构词法数据库的属性信息新词语构词法数据库旨在研究新词语的构词方式，总结新词语的构词规律。为了满足这一方面的需要，在确立属性时主要考虑了以下几个方面：（1）构词部件。词的构成成分，从标注的过程中可以发现有语素，也有词甚至短语。从收集到的新词语来看，双音节词居多，三音节、四音节次之，四音节以上的较少。我们只对四音节以下的新词语进行研究，构词部件设立了三个，分别称为构件1、构件2、构件3。（2）构词法信息。这一属性主要是根据语素与语素

6、的结合情况确定新造词的构词方式。主要有主谓、动宾、联合、偏正、补充、前接、后加等形式。（3）词性。新词语的词性。（4）音节。新词语的音节。2．2采用的词类体系及标记集（1）词类：名词n，动词v，形容词a，时间词t，处所词s，方位词f，区别词b，副词d，状态词z，代词r，数词m，量词q，叹词e，拟声词o，介词p，连词，c助词u，语气词y，简称略语j，人名nr，地名ns。。（2）语素类：名语素Ng，动语素Vg，形语素Ag，时语素Tg，处所语Ssg，方位语素Fg，区别语素Bg，副语素Dg，状态语素Zg，代语素Rg，

7、前接成分h，后接成分k。（3）短语类型：介词结构pp，定中结构dp，状中结构zp，联合结构lp，动宾结构bp，补充结构cp主谓结构wp，数量结构mq。（4）新造词的构词方式：联合式L，动宾式B，定中式D，状中式Z，主谓式W，补充式C，附加式（前缀Q，后缀H）。我们采集了38000多个新词语建成构词法数据库，在此基础上对21329个双音节、三音节新词语构词法进行统计，给出准确的量的信息，在量的基础上作出质的评价。3双音节新词语的构词方式双音节词共15719个，占新词语的51.7%。其中：3．1状中式（Z）按照状

8、中式构成的新词语有3378个，占双音节词语的21.5%，其中：Vg+Vg→V，共1838个，占63.2%，如：俯看、勾写、混居。Ag+Vg→V，共774个，占23.6%，如：广交、冷冻、恶斗。R+Vg→V，共473个，占14.6%，如：自慰、自负、本销。Ng+Vg→V，共229个，占6.8%，如：海聊、面授、火葬。Dg+Vg→V，共118个，占3.5%，如：复建、互保、重塑。B+Vg→V，共24个，