一个汉语短语自动界定模型*
周强
北京大学计算语言学研究所
北京, 100871
摘要：本文提出了一个汉语短语自动界定模型，它通过基于统计的自动界定处理，利用通过错误驱动自动学习而得到的调整规则进行界定情况局部调整，利用人工总结的全局调整规则进行精调整等三个处理阶段，可以较好地确定一句经过正确切分和词性标注处理的汉语句子中不同短语的边界位置，从而为进一步的汉语短语自动划分和标注处理打下了良好的基础。对一千多句句子的实验结果表明，模型的界定正确率达到了：96.33%（封闭测试）、94.54%（开放测试），取得了很好的处理效果。
关键字：汉语短语界定模型，短语划分，语料库自动标注
1.引言
给定一句经过正确切分和词性标注的汉语句子，如何利用其中的词语、词类和句法特征信息，确定短语的边界位置，即哪个词语处于短语的左边界（[ w），哪个词语处于短语的右边界（w ]），哪个词语处于短语的中间位置（ w ），是汉语短语的界定研究所要解决的主要问题。如：对于汉语句子：班长/n 给/v 他/r 一/m 套/q 工具/n , 经过短语界定处理，应能得到以下结果：[ 班长/n [ 给/v 他/r [ 一/m 套/q ] 工具/n ]。此问题的正确解决，对于进一步进行括号匹配和分析树生成，进而完成汉语短语的自动划分和标注，具有重要意义。
在汉语中，某些虚词，如：助词、介词、连词、副词等，在短语中的位置一般比较固定，如：介词一般位于短语的左边界、助词（“了”、“着”、“过”）一般位于短语的右边界、并列连词（“和”、“与”、“同”）一般位于短语的中部等。而一些实词，包括动词、名词、形容词等，在短语中的位置则比较灵活。但是通过利用上下文词类信息，考察不同的词类组合模式，我们还是可以找到一些确定短语边界的规律的，如：n+f 组合，一般在ｆ后有一个右分点；r+d+v 组合，一般在ｄ前有一个左分点等。对大量的人工划分语料进行类似的信息统计，就可以为自动界定短语提供许多有用的数据。
在对此问题进行了深入研究的基础上，我们提出了一个汉语短语自动界定模型，它分为以下三个处理阶段：
⑴. 利用从树库语料中统计得到的数据，构造统计模型，进行短语自动界定处理。
⑵. 将自动处理结果和人工校对结果相比较，发现错误事例，从中自动归纳界定情况局部调整规
则，然后，将自动习得的规则运用于统计处理结果，以达到降低错误率的目的。
⑶. 总结汉语短语的一些远距离依赖现象，依据人的语言学知识，归纳总结一些界定情况全局调
整规则，将这些规则运用于自动调整结果，可以减少误调整次数，进一步降低处理错误率。这样，通过统计处理和机器学习，并结合人的丰富的语言学知识，取得了较好的处理效果。
在下面的几节中，第２节简要介绍了统计模型的构造方法，第３节给出了错误驱动的调整规则自动学习的基本处理算法，第４节进行了实验结果的分析，第５节介绍了一些相关研究的进展情况，并与我们的处理进行了比较，在最后的结语中，我们总结了模型的主要特点，并提出了一些改进设想。
2.统计模型设计
2.1 基本统计模型
令 S=
*本课题的研究得到国家自然科学基金的资助。
′==′∈′∈B P B S P S B P B B B B B
arg max (|)arg max (|)() ⑴ 假设词语和词类信息对短语界定的作用是独立的，则可得：
P S B P W B P T B (|)(|)(|)= ⑵
假设每个划分点的确定是独立的，并且只与局部的词语词类信息相关。在此条件下，对 ⑵ 进行简化，可得到⑶，其中 Ti 表示所考虑的上下文词类信息。
P S B P w b P T b i i i i i n
(|)(|)(|)==∏1 ⑶
而对于 P (B )，利用 Bigram 模型进行简化，得到：
P B P b b i i i n
()(|)=?=∏11 ⑷
综合⑴、⑵、⑶和⑷，可得：
′=?=∏B P w b P T b P bi b i i i i i i n
arg max (|)(|)(|)11 ⑸
通过 MLE 方法估计概率参数，利用 Viterbi 算法计算最佳路径，就可以完成对一个句子的短语自动界定。
2.2 数据统计和参量估计
从树库语料中，我们可以统计得到一组用于界定短语的数据，包括：
⑴. 词语与界定情况的共现频度： [ w , w ], w
主要统计了一些常见虚词，如助词、介词、副词及连词与界定情况的共现频度。因为即使是对同一类词，由于其中词语语法性质的不同，在短语中的位置也有所不同，如：助词“了”、“着”、“过”，一般位于短语的最右端（[学习 了]），助词“所”一般位于短语最左端（[所 见]），而结构助词“的”则一般位于短语中部，连接定语和中心语（[漂亮 的 衣服]）1。这些数据反映了不同词语的特殊性，对提高统计模型的处理正确率起了重要作用。
⑵. 词类与界定情况的共现频度，包括：
①. 一个词类的情况：[ t , t ], t
②. 两个词类的情况：[ t i t i+1 ，t i [ t i+1 ，t i-1 t i ], t i-1 ] t i , t i t i+1 ,t i-1 t i
它们是统计模型的基本数据。
利用这些数据，通过 MLE 方法进行参量估计，可以得到：
P w b f w b f b i i i i i (|)(,)/()= ⑹
P T b P t t bi P t ti b i i i i i i (|)max[(,|),(,|)]=+?11 =+?max[(,,)/(),(,,)/()]f bi t t f bi f t ti b f bi i i i i 11 ⑺
其中，⑺式充分考虑了 t i 的上下文信息对界定情况的影响，并利用 backing-off 方法对 ⑺ 进行了数据平滑（smoothing ）处理，即：
当 P T b i i (|)=0 时，取 P T b P t b f t b f b i i i i i i i (|)(|)()/(),== ⑻
3.错误驱动的调整规则自动学习
3.1 自动学习的基础
将经过统计模型自动处理的界定结果与人工校对结果相比较，就可以发现错误的界定及其相应的上下文词语和词类信息，它们组成了一组错误事例，这是调整规则学习的生长点。
另外，从“汉语语法电子词典”[1]中，我们可以得到每个词语丰富的句法特征信息，如：对名词，有“前名”（能否受名词直接修饰），“前动”（能否受动词直接修饰），“定”（能否直接修饰名词）等十几个句法特征；对动词，有“补助动词”（能否作其他动词的补语），“不”（能否受'不'修饰），“后名”（能否直接修饰名词）等几十个句法特征。这是规则学习的基础，从中可以归纳 1在我们的短语划分和标注体系中，对类似的定中结构，不划分为 [[X 的] Y]。
总结出许多有用的规则约束条件。
3.2 调整规则的形式和层次组织
为正确地调整相对于某个词的界定情况，需参考一定的上下文信息。目前，我们只考虑左右各一个词语的语法特征信息（即观察窗口 windows 大小 W=3），从而形成了以下的调整规则基本模式：
< FR L, FR M, FR R > :: B me -> B mc, P err
其中， FR L, FR M和 FR R 表示左词语、中间词语和右词语的特征约束（Feature Restriction），B me和B mc 分别表示相对于中间词语的错误界定和正确界定情况，P err 则反映了在规则的特征约束条件下，界定B me 出错的可能性大小。显然，P err 越大，则表明在特征约束条件下，自动处理出错的可能性也越大，从而将此规则用于自动调整，可取得较高的准确度。
在实际使用过程中，可选定一个概率阈值Ｔ，将满足条件：P err>Ｔ的调整规则作用于统计处理结果，可收到较好的处理效果。
根据特征约束深度的不同，可以把同一词类约束下的调整规则组织成如图１所示的层次树结构：
......
图 1. 调整规则的层次树组织
其中，树的根节点是最概括的词类约束
将不同词类约束下的规则组织成一个树表，就形成了调整规则的整体结构。而如何从大量的错误事例中归纳总结出不同层次的特征约束向量，则是错误驱动的规则自动学习所要解决的主要问题。3.3 基本学习流程
综合以上几小节的内容，可以形成以下的规则自动学习流程，它分为两个阶段：
⑴. 学习阶段：增加树表信息，自动学习规则结构树
Ⅰ). 比较自动处理结果和人工校对结果，得到错误事例。
Ⅱ). 根据词类约束信息，将错误事例插入树表中的适当位置，错误事例计数器 Ne 加１．
Ⅲ). 如果某个词类约束下的错误事例数目超过了归纳学习启动阈值，则进行自动归纳学习：
①. 检索语法电子词典，得到有关词语的句法特征信息。
②. 通过自动归纳，生成或更新调整规则的层次结构树。
③. 路径上的错误事例计数器 Ne 加１。
⑵. 验证阶段：利用正确事例搜索规则树，计算 P err
Ⅰ). 得到正确事例，检索有关词语的句法特征信息．
Ⅱ). 搜索规则树，得到满足语境特征约束的最深节点。
Ⅲ). 在路径上的所有正确事例计数器 Nc 上加１．
这样，对每条习得的规则，就有：P err = Ne/(Ne+Nc)
3.4 GBM模型及其改进
GBM（Generalization-Based Memory）模型是 Michael Lebowitz 提出的一种概念自动学习工具[2]，用于从大量复杂的例子（examples）中归纳出重要的普遍性概念（General Concepts）。它具有识
别和定义多重概念、进行增量（incremental）学习和处理大规模例子的能力，可以很好地适应汉语短语界定的调整规则自动学习的要求。为此，我们吸收了GBM 的基本处理思想，并对此进行了一些改进，形成了一个效率较高的调整规则自动学习模型。下面首先简单地介绍一下GBM 模型的节点结构和基本算法，然后提出我们的改进措施。
3.4.1 GBM 的结构组织和基本算法
GBM 实际上是有一层或多层的概括节点Array GEN_NODEs 所组成的一棵树（或一个网络）。在
GEN_NODE中，则包含了子节点和事例（Instances）
的信息，它们通过区分网络（Discrimination Networks,
D_NETs）标识。图２给出了GEN_NODE 的基本结
构。图中的 D_NET通过利用一组特征（对子节点
D_NET，为子节点描述特征组的全部特征；对事例
D_NET，则为事例的全部特征）作为检索下标，提供了
一种有效的检索机制。而描述特征组则保存了概括得到
的概念特征，并且随着树节点层次的不断深入，描述概
念的特殊性（specificity）也在不断增加。对此模型稍
加改造，就可以很容易地实现图１所示的规则树结构。
GBM处理的基本流程为：
⑴. 接受一个新的输入事例（具有一组特
征）。
⑵. 搜索GBM，得到能描述这个事例的最特殊
的 GEN_NODE。（Search_GBM 函数）
⑶. 将新事例加入GBM 中，若条件许可，就进行概括处理。（Update_GBM 函数）
有关搜索函数Search_GBM()和更新函数 Update_GBM()的细节详见[2]。
3.4.2 我们的改进措施
为使GBM 模型更好地运用于短语界定调整规则的自动学习，我们对此模型进行了以下改进：
⑴. 节点结构的调整
为适应调整规则特征约束向量归纳概括的要求，对 GEN_NODE 的结构作了以下调整：
①. 将描述特征组改为描述特征向量组，保存归纳得到的观察窗口中的特征约束信息；
②. 将区分网络 D_NETs 扩充为向量结构，便于进行特征向量检索；
③. 事例集中保存了观察窗口中所有词语的其它信息（未归纳的）
另外，还在 GEN_NDOE 中增加了一些新内容，如：正确界定情况B mc，错误事例计数器 Ne，正确事例计数器Nc等。
⑵. 设置子节点再概括机制
对最初GBM 的处理结果进行分析，我们发现了这样一种现象：同一层次的 GEN_NODE 数目很多，它们一般包含了两三个事例，并且具有许多重复的概括特征。究其原因，主要是由于词语的句法特征比较多，其中只要有一个与 GEN_NODE 的描述特征不匹配，就可能导致产生新的子节点。为此，我们增加了一个子节点的再概括处理过程（步骤４），以提高特征向量的概括性，减低特征的冗余度，详见图3。
输入：原 GBM，经过概括处理的 GEN_NODE 指针
输出：更新的GBM
基本流程：
①收集当前 GEN_NODE 子节点集中至少有一个共同特征的子节点，形成原始概括节点集。
②如果原始概括节点集的共享描述特征满足概括条件，则：
■创建一个新 GEN_NODE，其内容分别为：
☆以共享描述特征信息设置描述特征向量组
☆事例集为空
☆子节点集为空
■依次处理原始概括节点集中的所有节点：
■从节点的描述特征向量组中删去共享描述特征
■如果剩余描述特征数不满足概括条件，则进行信息提升处理：
■将所有事例加入新 GEN_NODE 的事例集中，每个事例增添剩余描述特征．
■将所有子节点加入新 GEN_NODE 的子节点集中，每个子节点增添剩余描述特
征．
■否则，将节点加入新 GEN_NODE 子节点集中作为子节点。
■在当前 GEN_NODE 的子节点集中删除原始概括节点集中包含的所有元素。
■将新 GEN_NODE 加入当前 GEN_NODE 的子节点集中，以描述特征向量组信息设置区分网络。
图 3. 再概括 GBM 处理函数
4.实验结果分析
4.1 实验语料
本实验所用的统计和测试语料主要选自汉英机器翻译研究的测试题库．它们句型多样，不同短语组合的分布也很广，而且句子较短，便于进行自动分析处理。语料的规模为 1434 个汉语句子，约11830 个词，平均句长为 8.25 词/句。对这些句子进行人工短语划分和标注，并进行了多次校对，形成了一个准确度较高的由人工标注的树库（treebank）。它们是进行统计处理、调整规则自动学习和人工总结以及系统性能评估的基础。
4.2 系统整体处理性能
对于系统的整体处理性能，我们主要考虑了以下几个性能指标：
①. 界定情况错误率
它反映了经过模型处理的界定情况与正确界定的差异比率，包括三个处理阶段的结果：统计模型处理（SP）、自动学习规则校正（AT）和人工总结规则校正（RT）。其计算公式为：界定情况错误率 = <错误的界定数目> / <界定情况总数> ×100％
②. 规则误调整率，其计算公式为：
规则误调整率 = <误调整的界定数目> / ( <正确调整数目>＋<误调整数目> ) × 100％将实验语料分成两个部分：1300个句子组成封闭测试语料，用于得到统计数据、进行调整规则自动学习和人工总结；另外143句句子组成开放测试语料。得到了以下的实验结果（表1、表2）：
表格 1：界定处理错误率
SP+AT+RT
SP
SP+AT
封闭测试(%) 8.188 4.562 3.674
开放测试(%) 8.803 6.690 5.458
表格 2：规则误调整率
RT
AT
封闭测试(%) 14.202 7.965
开放测试(%) 21.053 6.250
其中规则归纳学习启动阈值LT = 10，调整阈值PT = 0.75。附录中给出了部分界定实例。
4.3 自动界定错误分析
分析自动界定和调整处理结果，可以发现一部分是由于错误调整所引起的，但绝大多数还是那些没有经过调整处理的错误界定。表3列出了一些错误实例，其中错误界定通过下划线标出，而正确界定则以数值形式描述（见2.1节）。
表格 3：部分错误界定实例
1 ... [ 来/v (1)寄/v ] 东西/n ]
2 [ 中国/n (1)科学/n ] 技术/n ] 情报/n ] 学会/n ]...
3 ...[ 大批/b [ 有/v [ 文化/n(2) 的/u 劳动者/n ]...
4 [ 他/r [ 跟/p [ 你/r(0) 一样/u(2) 勇敢/a ]
5 ...[ 进一步/d (1)认识/v ] 和/c [ 掌握/v(2) [ 语言/n 结构/n ] 的/u 规律/n ]
对那些错误进行分类，可以发现主要由以下原因造成：
⑴. 由于处理语料不够，对许多错误事例没进行归纳处理，从而不能得到更强的调整约束规则。 ⑵. 某些词类组合，由于其中词语的不同句法特征和语义关系的影响，可能形成许多合理的界定组合，而目前算法只能根据统计优先原则选择其中的一种组合，从而产生一些界定错误，如：表3的例1、例2。
⑶. 对于一些复杂的结构和固定搭配，往往需要依据较大的上下文语境信息才能正确界定，对此，目前的自动处理算法还无能为力，如：表3的例3、例4。
⑷. 并列结构的分析是汉语句法分析的一个难点。目前的算法在这方面的处理错误很严重，如：例5。其原因主要是因为对并列结构的正确界定需要依据并列成分的结构特点和语义关系等信息。由于汉语中的并列结构往往具有很强的结构意义相似性，因此如何有效地利用这种相似性找到正确的并列短语的边界，将是今后研究的重点。
对此模型，还有两个重要的问题是：
①. 统计模型的收敛性问题：即树库语料达到什么规模可以使统计模型的处理性能达到稳定。 ②. 归纳学习的性能增长极限问题：即需要多少错误实例才能习得合理的调整规则。
下面通过两个实验对此进行一下初步的分析。
4.4 统计模型的收敛性分析
将1300个句子，从100个句子出发，每次增加100句，形成一个封闭测试语料序列集（共13个元素），而以134个句子组成共同的开放测试语料。记录每次处理的界定错误率，得到了图4的结果。
统计语料数量(X100句) 界定错误率 6.00%
7.00%
8.00%
9.00%
10.00%
11.00%
12.00%
1
2345678910111213
图 4. 统计模型处理性能分析
从图4中可以发现：
⑴. 封闭测试的界定错误率在8.10%附近作微小的波动（平均值μ=8.07%，方差σ=0.002），基本保持稳定。
⑵. 开放测试的界定错误率，则在经历了较大幅度的下降之后，在达到1000句统计语料的规模后逐渐趋于稳定。
当然，如果有更多的树库语料（如5000句句子），界定错误率的变化趋势可能会显得更为明显。但在目前，我们也可以初步得出结论：对目前的统计模型，1000句左右正确标注句子的统计数据
基本上可以满足处理要求了。
4.5 自动归纳学习的性能分析
对于归纳学习性能的测试，则采用了从200个句子出发，每次增加200句的封闭测试序列集（共7个元素），开放测试语料仍为134句句子。利用从1300句句子中统计得到的有关数据，对每个封闭测试语料进行统计界定处理和自动归纳学习，并利用习得的规则进行自动调整处理，得到了表4的结果（另见图5、图6、图7）。其中，‘归纳的错误事例’是指数量积累达到了归纳学习启动阈值，而进行了自动归纳学习的事例，它们形成了图1中的特征约束规则，其GEN_NODE 总数体现在‘习得的GBM 规则数’中；‘未学习的错误事例’是指数量积累没达到了归纳学习启动阈值，而没有进行自动归纳学习的事例，它们形成了图1中的词类约束规则，‘词类约束规则数’栏中就记录了这样的数据。
表格 4: 自动规则学习实验结果 语料数量(×100)
2 4 6 8 10 12 1
3 归纳的错误事例数
10 35
111 158 260 350 384 未归纳的错误事例数
142 249 302 375 409 466 492 习得的GBM 规则数
5 19 54 74 111 14
6 151 词类约束规则数
85
128 159 180 201 223 232 SP 界定错误率(封闭)
8.9948.4608.2048.1858.1718.289 8.188SP+AT 界定错误率(封闭)
5.089 5.005 4.589 4.561 4.470 4.561 4.561SP+AT 界定错误率(开放)
8.0117.3947.0427.130 6.690 6.778 6.690AT 误调整率(封闭)
0.000 5.4269.50211.11112.13714.079 14.202AT 误调整率(开放)
36.66732.50029.54631.91527.27326.191 21.050
尽管由于用于归纳学习的错误事例数量的限制，规则学习的性能增长并没有趋于稳定，但从表4（及图5、图6）中，我们还是可以发现许多有意义的发展趋势：
⑴. 随着处理语料数量的不断增大，归纳的错误事例在总的错误事例中所占的比例也在不断增大，而新出现的词类约束规则数目则在不断减少。这表明统计模型的处理错误开始逐渐集中于某几个比较典型的词类组合上，从而更有利于自动归纳的处理。
⑵. 图5中，封闭测试误调整率的逐渐增加和开放测试误调整率的逐渐降低，从一个侧面反映了自动习得规则描述能力的不断提高。当处理语料较少时，由于错误事例的词类组合分布分散，并缺少学习的错误事例数目A T 所降低的错误率0%1%2%3%4%0100200300400
图 5. 学习事例与降低的界定错误率
学习的错误事例数目
调整错误率(A T )0%
5%
10%
15%
20%
25%
30%
35%
40%
0100200300400图 6. 学习事例与误调整率关系
足够的正确验证事例，使习得规则的P err不能很好地反映语言事实，因此虽然对封闭语料特征得很好，但一旦应用于开放语料，误调整率就大大增加了；随着处理语料的不断扩大，错误事例开始逐渐集中于几个典型的词类组合上，不同的正确验证事例数量也在不断增大，从而使习得规则的P err更符合实际的语言事实，这样特征阈值PT就开始发生作用，使开放测试和封闭测试的误调整率趋于接近1-PT 。
⑶. 图6中，自动习得的规则对开放语料特征能力的不断提高，则从另一侧面反映了规则描述能力的增强。随着进行归纳的错误事例数量的增大及再概括机制的使用，使习得规则的概括性越来越高，其中的P err也更能反映实际的语言事实，从而能将更多的未经学习的错误事例正确地调整过来。
5.相关的研究进展
与本课题研究比较类似的是文本-语音转换（text to speech）中的音律（prosody）边界预测问题。其目标是，利用各种语言学知识确定音律短语（prosody phrase）的边界，为语音合成（speech synthesis）和语音理解提供有效的帮助。最初较多地采用了规则方法（[3], [4]），近几年来，统计方法的研究逐渐占了上风，主要采用了CART（Classification And Regression Tree）技术（[5]，[6]）．从中我们得到了许多启发．
另一个直接相关的研究课题是英语短语的自动划分（bracketing），不过与我们的研究不同的是，他们一般不进行短语界定的处理，而直接进行短语划分，英国Lancaster大学UCREL的研究（[7],
[8]）除外。所采用的技术主要有：利用基于转换的错误驱动短语结构学习方法来进行短语的自动划分
[9]；采用随机上下文无关语法（SCFG）模型技术（[7]，[10]，[11]， [12]）；利用相关信息计算模型[13]）等。
值得一提的是，UCREL的研究，与我们的处理思路有许多类似之处，他们的处理是：根据词类对信息，检索界定数据库，得到两个词类间的所有可能的短语界定位置（左右括号）及相应的标记。而界定数据库的信息，最初是人工总结的，以后又利用语料统计数据进行了补充和完善。相比之下，我们的模型通过构造统计模型进行自动处理，可以充分发挥大规模语料统计信息的作用，从而减少了人工处理的工作量。另外，通过合理分工，将括号匹配和标记选择放到下一阶段处理，降低了界定处理的工作量。
对于汉语语料库的句法分析和标注研究，近几年也逐步开展起来，如：依存关系标注[14]，自动句型分析[15]等。但笔者目前还没见到有关汉语短语自动界定研究的论文.
6.结语
本文介绍了一个汉语短语自动界定模型，它具有以下几个特点：
⑴. 普遍性知识和特殊性知识相结合当正确标注的语料达到一定规模以后，从中统计得到的分布数据近似地反映了短语界定的一些普遍规律．而通过学习和总结得到的若干调整规则，则反映了一些特殊情况的处理规律。两者的相互配合，使模型的整体知识结构得到完善。
⑵. 局部调整规则学习和全局调整规则总结相结合由于各种条件的限制，目前的自动规则学习只能利用较小的局部语境中信息，对较大语境中的远距离依赖等情况的自动学习还无能为力，而人工总结的全局调整规则正好可以弥补这个不足。这样，两者互相补充，可以取得很好的调整效果。
⑶. 人机处理相结合机器处理的优势在于它强大的计算能力，而人工处理的优势则在于能灵活地利用上下文信息来排歧。这两方面的优势本模型中都得到了充分的发挥：一是利用统计数据，构造适当的统计模型进行自动短语界定处理；二是对自动处理结果进行人工校对，保证最终结果的正确性。而错误驱动的调整规则自动学习，则将两者的处理很好地联系起来，进一步降低了人工校对的工作量，大大提高了系统的整体性能。
从目前的实验结果看，它已经取得了很好的处理效果。在以后的研究中，我们将在以下几方面对此模型进行改进，以进一步提高它的处理性能：
⑴. 提取更多的语境特征，改进统计模型（类似[16]的处理）．
⑵. 利用语义信息，提高调整规则的调整约束能力。
⑶. 逐步扩大处理语料的规模，从中发现并总结更多的全局调整规则．
北大计算语言所的许多老师和同学为语料的人工标注和校对做了大量工作，我的导师俞士汶教授以及不知名的审稿者都对论文的初稿提出了许多宝贵的意见，这里一并表示感谢。
参考文献
[1] 俞士汶、朱学锋、郭锐，“现代汉语语法电子词典的概要与设计”，In Proc. of ICCIP92，1992: 186-191
[2] Michael Lebowitz, "Concept Learning in a Rich Input Domain : Generalization-Based Memory", In Michalski, R.S.,
Carbonell, I.G. and Mitchell, T.M. (eds.) Machine Learning : A Artificial Intelligence Approach. chapter 8, 1986: 193-214
[3] Altenberg, B. Prosodic Patterns in Spoken English. Lund University Press, 1987.
[4] Douglas D. O’Shaughnessy. “Parsing with a Small Dictionary for Applications such as Text to Speech”. Computational
Linguistics, 1989, 15(2), 97-108
[5] M.Wang, and J.Hirschberg.. "Automatic classification of intonational phrase boundaries." Computer Speech and Language,
1992, 6(2), 176-196.
[6] M.Ostendorf, and N.Veilleux. "A Hierarchical Stochastic Model for Automatic Prediction of Prosodic Boundary Location."
Computational Linguistics, 1994, 20(1), 27-54.
[7] R.Garside, G.Leech, and G.Sampson. The Computational Analysis of English --- A Corpus-Based Approach, Longman,
1987.
[8] Leech, G.; and Garside, R. "Running a grammar factory: The production of syntactically analyzed corpora or 'treebanks' ".
In Stig Johansson and Anna-Brita Stenstrom (eds.) English Computer Corpora : Selected papers and Research Guide. 1991: 15-32
[9] Eric Brill. "Automatic Grammar Induction and parsing Free Text : A Transformation-based Approach." In Proc. of ACL-31,
1993: 259-265.
[10] https://www.doczj.com/doc/dc4071806.html,ri, and S.J.Young. "The estimation of stochastic context-free grammars using the Inside-Outside algorithm." Compute
Speech and Language, 1990, 4(1), 35-56.
[11] F. Pereira, and Y.Schabes. "Inside-Outside reestimation from partially bracketed Corpora." In Proc. of ACL-30, 1992.
[12] E.Black, R.Garside, and G.Leech (eds.). Statistically-driven Computer Grammars of English: The IBM/Lancaster
Approach, Amsterdam: Editions Rodopi, 1993.
[13] David M.Magerman, and Mitchell P.Marcus. "Parsing a Natural Language Using Mutual Information Statistics." In Proc.
of AAAI-90, 1990, 984-989.
[14] 李京葵, 周明, 黄昌宁. 统计与规则相结合的汉语句法分析研究. 见: 陈力为主编《计算语言学研究与应用》, 北京语
言学院出版社, 1993, 176-181.
[15] 罗振声, 郑碧霞. 汉语句型自动分析和分布统计模型的研究. 见: 陈力为主编《计算语言学研究与应用》, 北京语言学
院出版社, 1993, 182-186.
[16] Y.-C. Lin, T.-H. Chiang, K.-Y. Su “Automatic Model Refinement - with and Application to Tagging”, In Proc. of
COLING-94, 1994, Vol. 1, 148-153
附录：部分实验结果
以下的20句句子选自自动界定处理结果，其中前15句为封闭测试结果，后5句为开放测试结果。对错误界定及其正确校正的标识方法同第4.3节表3。
1. [ 公司/n [ 在/p [ 计算机/n 的/u 价格/n ] 上/f ] [ 进行/v 了/u ] 调整/v ]
2. [ 怪不得/d [ 我/r [ 最近/t [ 没/d [ 见到/v 他/r ] ,/w [ 原来/d [ 他/r [ 病/v 了/u ] 。/w ]
3. [ 假如/c [ 你/r 的/u 作文/n ] [ 还/d [ 没有/d 完成/v ] ,/w [ 你/r [ 就/d [ 可以/v [ 明天/t 交/v ] 。/w ]
4. [ 开/v [ 这/r 条/q ] 渠道/n ] 不但/c [ 不/d [ 会/v [ 影响/v [ 这个/r 村子/n ] 的/u 水系/n ] ，/w [ 反而/d [ 有利于/v [ 排除/v [ 现在/t 的/u [ 田间/s 积水/n ] 。/w ]
5. [ 科学/n [ 研究/v(2) [ 固然/d [ 应当/v [ 参考/v [ 同/b 类/n ] 题目/n ] 的/u [ 文献/n 资料/n ] ，/w [ 但是/c [ 决/d [ 不/d [ 能/v [ 抄袭/v 他人/r ] 。/w ]
6. [ 劳动者/n [ 只有/d [ 具备/v [ 较/d 高/a ] 的/u [ 科学/n 文化/n ] 水平/n ] 、/w [ 丰富/a 的/u [ 生产/v [ 经验/n(2) 和/c (1)先进/a ] 的/u [ 劳动/v 技术/n ] ，/w [ 才/d [ 能/v [ 在/p [ 现代化/v 的/u 生产/v ] 中/f ] [ 发挥/v [ 更/d 大/a ] 的/u 作用/n ] 。/w ]
7. [ 每/r 天/q ] 早上/t ][ 坚持/v [锻炼/v(2) [ 对/p 身体/n ][ 有/v [ 很/d 大/a ] 的/u 好处/n ] 。/w ]
8. [ 你/r 要/v ] 的/u 东西/n ] [ 我/r [ 可以/v [ 给/v 你/r(2) [ 带/v 来/v ] ,/w [ 省/v 得/u (1)你/r ] [ 再/d [ 回去/v 取/v ] 。/w ]
9. [ 他/r 讲/v ] 的/u 故事/n ] [ 很/d [ 能/v [ 吸引/v [ 孩子/n 们/k ] 的/u 注意力/n ] 。/w ]
10. [ 他们/r [ 给/p [ 在/p 山区/n ] 工作/v ] 的/u 同志/n ] [ 送/v 去/v ] 了/u ] [ 一/m 车/q ] 蔬菜/n ] 。/w ]
11. [ 我们/r 不论/c [ 认识/v [ 什么/r 事物/n ] ，/w [ 都/d [ 必须/d [ 全面/a 地/u ] [ 去/v 看/v ] ，/w [不但/c [ 要/v [ 看到/v [ 它/r 的/u 正面/n ] ，/w [ 也/d [ 要/v [ 看到/v [ 它/r 的/u 反面/n ] ，/w [否则/c ，/w [ 就/d [ 不/d [ 能/v [ 有/v [ 比较/d 完全/a ] 的/u ] 和/c (1)正确/a ] 的/u(2) 认识/v ] 。/w ]
12. [ 我们/r [ 应/v [ 把/p [ 产品/n 的/u 质量/n ][ 放/v [ 在/p [ 第一/m 位/q ] ,/w [ 产品/n 与其/c
[ 数量/n [ 多/a(2) 而/c [ 质量/n 差/a ] ,/w [ 不如/c [ 数量/n [少/a(2) 而/c [ 质量/n 好/a ] 。/w ]
13. [ 一/m 方面/n ] (1)中小学/n ] [ 要/v [ 为/p [ 高/a [ 一/m 级/n ] 学校/n ] [ 输送/v 学生/n ] ，/w [ 另一方面/c (1)中小学/n ] [ 要/v [ 为/p [ 生产/v [ 建设/v(2) [ 直接/d [ 输送/v [ 大批/b [ 有/v [ 文化/n(2) 的/u 劳动者/n ] 。/w ]
14. [ 一/m 只/q ] 螺丝/n ] 虽然/c [ 是/v [ 微小/a 的/u ] ，/w [ 但是/c [ 如果/c [ 眼/n [ 不/d 勤/a ] ，/w [ 就/d [ 不/d [ 能/v [ 发现/v (1)它/r [ 散落/v [ 在/p [ 什么/r 地方/n ] ；/w ] [ 如果/c [ 手/n [ 不/d 勤/a ] ，/w [ 那么/r 即使/c [ 发现/v 它/r ] ，/w [ 也/d [ 不/d [ 会/v [ 把/p 它/r ] [ 拣/v 起来/v ] 。/w ]
15. [ 应用/v [ 这/r 种/q ] 技术/n ] [ 很快/d [ 解决/v 了/u ] (1)我国/n ] [ 遥测/v [ 系统/n(2) 中/f ] [ 长期/d [存在/v(2) 的/u 问题/n ]
16. [ 这样/r [ 看/v 来/v ] ，/w [ 有/v [ 两/m 种/q ] [ 不/d 完全/a ] 的/u 知识/n ] ，/w [ 一/m 种/q ] [是/v [ 现成/a (1)书本/n ] 上/f ] 的/u 知识/n ] ，/w [ 一/m 种/q ] [ 是/v [ 偏/v [ 于/p [ 感性/n 和/c [局部/n(2) 的/u 知识/n ] ，/w [ 这/r 两者/n ] [ 都/d [ 有/v 片面性/n ] 。/w ]
17. [ 这/r 座/q ] [ 大/a 桥/n ] [ 是/v [ 黄河/n 上/f ] [ 最/d 长/a ] 的/u [ 大/a 桥/n ]
18. [ 中国/n (1)科学/n ] 技术/n ] 情报/n ] 学会/n ] [ 是/v [ 中国/n 的/u (1)科学/n ] 和/c 技术/n ] 情报/n ] 工作者/n ] 的/u 群众组织/n ]
19. [ 这/r 种/q ] [ 上衣/n(2) (1)胸/n ] 前/f ] [ 三/m 个/q ] 扣子/n ] ,/w [ 那/r 种/q ] (1)两/m 个/q ] 扣子/n ] 。/w ]
20. [ 这/r 种/q ] 现象/n ] [ 是/v [ 很/d [ 不/d 正常/a ] 的/u ]
A Model for Automatic Prediction of Chinese Phrase
Boundary Location
Zhou Qiang
Institute of Computational Linguistics, Peking University
Beijing, 100871
ABSTRACT: Phrase boundary location provides important information for bracketing and tagging phrase automatically. This paper describes an experimental model for automatic prediction of phrase boundary location. It consists of three processing stages: First, automatically identify the phrase boundaries using statistics from treebank; Then, post-tune the results with local tuning rules generated by an error-driven machine learning method; At last, refine the results of the last two stages with the overall tuning rules summarized by man. Experimental results on a corpus of 1434 sentences demonstrate a high rate of success for predicting phrase boundary (96.33% correct prediction for close testing and 94.54% correct prediction for open testing).
KEYWORDS: predicting phrase boundary, phrase bracketing , corpus annotation
现代汉语词性专题练 习
现代汉语词性专题练习 一、选择题 1.能带宾语的是（）A名词 B动词 C形容词 D副词 2.“上来”是（）A助动词 B判断动词 C趋向动词 D及物动词 3.“不、没”都是（）A程度副词 B时间副词 C范围副词 D否定副词 4.“很、挺、十分”是（）A程度副词 B范围副词 C语气副词 D情态副词 5.“我、你、他”是（）A指示代词 B疑问代词 C人称代词 D名词 6.“他在黑板上写字”的“在”是（）A动词 B副词 C介词 D方位词 7.“哎哟”是（）A拟声词 B语气词 C叹词 D助词 8.代词包括（）A人称代词 B指示代词 C疑问代词 D代名词 E代动词 9.虚词包括（）A介词 B副词 C连词 D助词 E语气词 10.“报告”一词兼（）A名词 B动词 C形容词 D连词 E代词 11.“和、跟、同、与”兼（）A动词 B连词 C介词 D副词 E助词 12.下列语句中的“在”不属于介词的是（） A我在家 B他在黑板上写字 C把东西放在桌子上 D他在看书 E在家要孝顺父母 13.下列句子中不属于介词“跟”的有（）。 A我跟他一起去的 B你跟他要 C谁跟谁都没关系 D你抽空跟他谈谈 E你快跟着我走 二、指出下列词的词性：非常（）这里（）前后（）小（）哪里（）终于（）已经（）不（）赋予（）轰隆（）得（）大（）忽然 （）简直（）才（）半夜（）除了（）很多（）勇敢（）思想 （）啊（）或许（）只好（）二万（）迅速（）进来（）仅仅 （）立刻（）
热爱（）十几棵（）喜欢（）大约（）次（）哗啦（）下去（） 斟酌（）怎样（）起来（）晚上（）亩（）前面（）或者（） 对于（）跟（）是（）三百（）美丽（）叮当（）夏天（）鲁迅（）我们（）批评（）的（）吧（）平坦（）有（）变化（）十分（）自己（）聪明（）从（）专家（）扩大（）缓慢（）应该（） 按照（）回来（）喂（）马上（）消失（）飞机（）许多（） 简直（） 三、.指出下列句子中加标记词所属的词类。 （1）这件事已经讨论过了。（过）（）（2）天渐渐冷起来了。（渐渐）（） （3）他正在教室里看书。（正）（）（4）自行车他骑出去了。（出去）（） （5）我拿着—本书。（着）（）（6）你吃了饭再走。（了）（） （7）他是外国人吗?（吗）（）（8）你应该努力学外语。（努力）（）（9）他刚才来过。（刚才）（）（10）最好听的是这首歌。（最）（）（11）房子上面铺着瓦。（上面）（）（12）这是一本袖珍词典。（袖珍）（） （13）老张请我吃饭。（请）（）（14）幸亏他来。（幸亏）（） （15）我忽然想起来了。（忽然）（）（16）这件事很突然。（突然）（）（17）无论谁都说好。（无论）（）（18）他连忙说不行。（连忙）（）
现代汉语词性专题练习 一、选择题 1.能带宾语的是（)。Ａ名词Ｂ动词C形容词D副词 2.“上来”是(）A助动词B判断动词C趋向动词D及物动词 3.“不、没”都是（）Ａ程度副词B时间副词Ｃ范围副词D否定副词 ４.“很、挺、十分”是（）A程度副词?B范围副词?C语气副词?Ｄ情态副词 5.“我、你、他”是( ）A指示代词?Ｂ疑问代词?C人称代词?Ｄ名词 6.“他在黑板上写字”的“在”是（）Ａ动词?B副词?C介词?D方位词 ７.“哎哟”是()A拟声词?Ｂ语气词?C叹词??Ｄ助词 8．代词包括( )A人称代词??Ｂ指示代词??C疑问代词?D代名词?Ｅ代动词 9.虚词包括（)Ａ介词???B副词???C连词??D助词?E语气词 10．“报告”一词兼( )A名词??Ｂ动词???C形容词??D连词??E代词 11.“和、跟、同、与”兼( ）A动词?B连词??Ｃ介词?D副词??Ｅ助词 12.下列语句中的“在”不属于介词的是（） A我在家????B他在黑板上写字?Ｃ把东西放在桌子上 D他在看书??E在家要孝顺父母 13．下列句子中不属于介词“跟”的有(）。 Ａ我跟他一起去的??Ｂ你跟他要C谁跟谁都没关系 D你抽空跟他谈谈??E你快跟着我走 二、指出下列词的词性: ?非常( )这里（）前后（)小（)哪里(）终于( ）已经( ）不（）赋予()轰隆( )得（）大(）忽然（)简直()才（)半夜（）除了( )很多( ）勇敢( )思想( )啊（）或许（）只好（)二万( )迅速( )进来(）仅仅( ）立刻（）热爱（)十几棵( )喜欢( )大约( ）次( )哗啦（)下去()斟酌()怎样( ）起来（)晚上()亩( )前面( )或者（）对于（)跟（）是( ）三百( )美丽( )叮当( ）夏天（)鲁迅（)我们（）批评（）的( )吧(）平坦（）有（）变化()十分()自己（)聪明()从（)专家（)扩大（）缓慢( )应该( )按照()回来( ）喂( ）马上( ）消失（）飞机()许多()简直(） 三、.指出下列句子中加标记词所属的词类。 （1）这件事已经讨论过了。(过)(）(2）天渐渐冷起来了。（渐渐）(） （３)他正在教室里看书。(正)( ）（4)自行车他骑出去了。（出去)( ） (5）我拿着—本书。（着)( )(６)你吃了饭再走。(了)( )
现代汉语词性专题训练、答案． 现代汉语词性专题练习 一、选择题 1.能带宾语的是（）。A名词B动词C形容词D副词 2.“上来”是（）A助动词B判断动词C趋向动词D及物动词
3.“不、没”都是（）A程度副词B时间副词C范围副词D否定副词 4.“很、挺、十分”是（）A程度副词B范围副词C语气副词D情态副词 5.“我、你、他”是（）A指示代词B疑问代词C人称代词D名词 6.“他在黑板上写字”的“在”是（）A动词B副词C介词D方位词 D助词7.“哎哟”是（）A拟声词B语气词C叹词 8.代词包括（）A人称代词B指示代词C疑问代词ED代名词代动词 C连词B副词9.虚词包括（）D助词E语气词A介词 10.“报告”一词兼（）A名词BE动词C形容词D连词 代词D副词11.“和、跟、同、与”兼（）A动词B连词C介词 助词E12.下列语句中的“在”不属于介词的是（） A我在家B他在黑板上写字C把东西放在桌子上 D他在看书 E 在家要孝顺父母
13.下列句子中不属于介词“跟”的有（）。 A我跟他一起去的B你跟他要C谁跟谁都没关系 E你快跟着我走你抽空跟他谈谈D二、指出下列词的词性： 非常（）这里（）前后（）小（）哪里（）终于（）已经（）不（）赋予（）轰隆（）得（）大（）忽然（）简直（）才（）半夜（）除了（）很多（）勇敢（）思想（）啊（）或许（）只好（）二万（）迅速（）进来（）仅仅（）立刻（）热爱（）十几棵（）喜欢（）大约（）次（）哗啦（）下去（）斟酌（）怎样（）起来（）晚上（）亩（）前面（）或者（）对于（）跟（）是（）三百（）美丽（）叮当（）夏天（）鲁迅（）我们（）批评（）的（）吧（）平坦（）有（）变化（）十分（）自己（）聪明（）从（）专家（）扩大（）缓慢（）应该（）按照（）回来（）喂（）马上（）消失（）飞机（）许多（）简直（） 三、.指出下列句子中加标记词所属的词类。 ）（（渐渐））天渐渐冷起来了。2（）（（过））这件事已经讨论过了。1（． ））（4）自行车他骑出去了。（出去）（（3）他正在教室里看书。（正）（ ）6）（）你吃了饭再走。（了）（（5）我拿着—本书。（着）（ ）（8）你应该努力学外语。（努力）（（7）他是外国人吗?（吗）（））10）最好听的是这首歌。（最）（（刚才）（9）他刚才来过。（）（）12）这是一本袖珍词典。（袖珍）（（11）房子上面铺着瓦。（上面）（）
现代汉语词类专题练习 一、选择题 1.能带宾语的是（）。A名词B动词C形容词D副词 2.“上来”是（）A助动词B判断动词C趋向动词D及物动词 3.“不、没”都是（）A程度副词B时间副词C范围副词D否定副词 4.“很、挺、十分”是（）A程度副词B范围副词C语气副词D情态副词 5.“我、你、他”是（）A指示代词B疑问代词C人称代词D名词 6.“他在黑板上写字”的“在”是（）A动词B副词C介词D方位词 7.“哎哟”是（）A拟声词B语气词C叹词D助词 8.代词包括（）A人称代词B指示代词C疑问代词D代名词E代动词 9.虚词包括（）A介词B副词C连词D助词E语气词 10.“报告”一词兼（）A名词B动词C形容词D连词E代词 11.“和、跟、同、与”兼（）A动词B连词C介词D副词E助词 12.下列语句中的“在”不属于介词的是（） A我在家B他在黑板上写字C把东西放在桌子上 D他在看书E在家要孝顺父母 13.下列句子中不属于介词“跟”的有（）。 A我跟他一起去的B你跟他要C谁跟谁都没关系 D你抽空跟他谈谈E你快跟着我走 二、指出下列词的词性： 非常（）这里（）前后（）小（）哪里（）终于（）已经（）不（）赋予（）轰隆（）得（）大（）忽然（）简直（）才（）半夜（）除了（）很多（）勇敢（）思想（）啊（）或许（）只好（）二万（）迅速（）进来（）仅仅（）立刻（）热爱（）十几棵（）喜欢（）大约（）次（）哗啦（）下去（）斟酌（）怎样（）起来（）晚上（）亩（）前面（）或者（）对于（）跟（）是（）三百（）美丽（）叮当（）夏天（）鲁迅（）我们（）批评（）的（）吧（）平坦（）有（）变化（）十分（）自己（）聪明（）从（）专家（）扩大（）缓慢（）应该（）按照（）回来（）喂（）马上（）消失（）飞机（）许多（）简直（） 三、.指出下列句子中加标记词所属的词类。 （1）这件事已经讨论过了。（过）（）（2）天渐渐冷起来了。（渐渐）（） （3）他正在教室里看书。（正）（）（4）自行车他骑出去了。（出去）（）
现代汉语的词可以分为两类12种词性。一类是实词：名词、动词、形容词、数词、量词和代词。一类是虚词：副词、介词、连词、助词、叹词和拟声词。 实词 一．名词 表示人和事物的名称叫名词。如“黄瓜、猪、马、羊、白菜、拖拉机、计算机”。 1、表示专用名称的叫做“专用名词”，如“云南、上海、李白、白居易，中国”。 2、表示抽象事物的名称的叫做“抽象名词”，如“范畴、思想、质量、品德、品质、友谊、方法”。 3、表示方位的叫做“方位名词”，如“上、下、左、右、前、后、中、东、西、南、北、前面、后边、东边、南面、中间”等。二．动词 动词表示人或事物的动作、行为、发展、变化。 1、有的动词表示一般的动作，如"来、去、说、走、跑、吼、叫、学习、起飞、审查、认识"等。 2、有的动词表示心理活动，如“想、重视、注重、尊敬、了解、相信、佩服、惦念”等，这样的动词前面往往可以加上“很、十分”。 3、有的动词表示能够、愿意这些意思，叫做“能愿动词”，它们是
“能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须”，这些能愿动词常常用在一般的动词前面，如“得去、能够做、可以考虑、愿意学习、应该说明、可能发展”。 4、还有一些动词表示趋向，叫做“趋向动词”，如“来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起来”，它们往往用在一般动词后面表示趋向，如“跳起来、走下去、抬上来、跑过去”。 5、“是”“有”也是动词，跟动词的用法一样，“是”也成为判断动词。 三．形容词 形容词表示事物的形状、性质、颜色、状态等，如“多、少、高、矮、胖、瘦、死板、奢侈、胆小、丑恶、美丽、红色”。状态形容词通红、雪白、红通通、黑不溜秋等前面不能加“很”。 四．数词 数词是表示事物数目的词。如“一、二、两、三、七、十、百、千、万、亿、半”。 五．量词 量词是表示事物或动作单位的词。汉语的量词分为名量词和动量词。 1、名量词表示事物的数量，又可以分为单位量词和度量量词。单位量词表示事物的单位，如“个、张、、只、支、本、台、架、辆、颗、
现代汉语词性及专题训 练答案
现代汉语词性及专题训 练答案 Pleasure Group Office【T985AB-B866SYT-B182C-BS682T-STT18】
现代汉语词性 一．名词 表示人和事物的名称叫。如：黄瓜、猪、羊、白菜、拖拉机、计算机。 1、表示专用名称的叫做专用名词，如云南、上海、、白居易，中国。 2、表示抽象事物的名称的叫做抽象名词，如范畴、思想、质量、品德、品质、友谊、方法。 3、表示方位的叫做方位名词，如上、下、左、右、前、后、中、东、西、南、北、前面、后边、东边、南面、中间等。 二．动词 表示人或事物的动作、行为、发展、变化。 1、有的动词表示一般的动作，如来、去、说、走、跑、吼、叫、学习、起飞、审查、认识等。 2、有的动词表示心理活动，如想、重视、注重、尊敬、了解、相信、佩服、惦念等，这样的动词前面往往可以加上"很、十分"。 3、有的动词表示能够、愿意这些意思，叫做，它们是能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须，这些能愿动词常常用在一般的动词前面，如得去、能够做、可以考虑、愿意学习、应该说明、可能发展等 4、还有一些动词表示趋向，叫做趋向动词，如来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起，它们往往用在一般动词后面表示趋向，如跳起来、走下去、抬. 5、"是、有"也是动词，跟动词的用法一样，“是”也成为判断动词。 三．形容词 表示事物的形状、性质、颜色、状态等，如多、少、高、矮、胖、瘦、死板、奢侈、胆小、丑恶、美丽、红色…… 状态形容词通红、雪白、红通通、黑不溜秋等前面不能加“很”。 四．数词 是表示事物数目的词。如一、二、两、三、七、十、百、千、万、亿、半……五．量词 量词是表示事物或动作单位的词。汉语的量词分为名量词和动量词。 1、名量词表示事物的数量，又可以分为单位量词和度量量词。 单位量词表示事物的单位，如个、张、、只、支、本、台、架、辆、颗、株、头、间、把、扇等； 度量量词表示事物的度量，如寸、尺、丈、斤、两、吨、升、斗、加仑、、欧姆、立方米等。 2、动量词表示动作的数量，用在动词前后表示动作的单位，如次、下、回、趟、场… 六.代词 能代替实词和。表示指称时，有定指和不定指的区别。不定指往往是指不确定的人、物或某种性状、数量、程度、动作等。他不常指某一定的人物，也就不可能有一定意义，介乎虚实之间。 1、：代替人或事物的名称。如我、你、您、他、她、它、我们、你们、他们、她们、它们、咱们、自己、别人、大家、大伙……（自己能和其他代词连用，起强调作用。例如：我自己、你们自己、大家自己等）
~ 现代汉语词性 一．名词 表示人和事物的名称叫名词。如：黄瓜、猪、羊、白菜、拖拉机、计算机。 1、表示专用名称的叫做专用名词，如云南、上海、李白、白居易，中国。 2、表示抽象事物的名称的叫做抽象名词，如范畴、思想、质量、品德、品质、友谊、方法。 3、表示方位的叫做方位名词，如上、下、左、右、前、后、中、东、西、南、北、前面、后边、东边、南面、中间等。 二．动词 动词表示人或事物的动作、行为、发展、变化。 、 1、有的动词表示一般的动作，如来、去、说、走、跑、吼、叫、学习、起飞、审查、认识等。 2、有的动词表示心理活动，如想、重视、注重、尊敬、了解、相信、佩服、惦念等，这样的动词前面往往可以加上"很、十分"。 3、有的动词表示能够、愿意这些意思，叫做能愿动词，它们是能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须，这些能愿动词常常用在一般的动词前面，如得去、能够做、可以考虑、愿意学习、应该说明、可能发展等 4、还有一些动词表示趋向，叫做趋向动词，如来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起，它们往往用在一般动词后面表示趋向，如跳起来、走下去、抬. 5、"是、有"也是动词，跟动词的用法一样，“是”也成为判断动词。 三．形容词 形容词表示事物的形状、性质、颜色、状态等，如多、少、高、矮、胖、瘦、死板、奢侈、胆小、丑恶、美丽、红色…… 状态形容词通红、雪白、红通通、黑不溜秋等前面不能加“很”。 · 四．数词 数词是表示事物数目的词。如一、二、两、三、七、十、百、千、万、亿、半…… 五．量词 量词是表示事物或动作单位的词。汉语的量词分为名量词和动量词。 1、名量词表示事物的数量，又可以分为单位量词和度量量词。 单位量词表示事物的单位，如个、张、、只、支、本、台、架、辆、颗、株、头、间、把、扇等； 度量量词表示事物的度量，如寸、尺、丈、斤、两、吨、升、斗、加仑、伏特、欧姆、立方米等。 2、动量词表示动作的数量，用在动词前后表示动作的单位，如次、下、回、趟、场… | 六.代词 代词能代替实词和短语。表示指称时，有定指和不定指的区别。不定指往往是指不确定的人、物或某种性状、数量、程度、动作等。他不常指某一定的人物，也就不可能有一定意义，介乎虚实之间。 1、人称代词：代替人或事物的名称。如我、你、您、他、她、它、我们、你们、他们、她们、它们、咱们、自己、别人、大家、大伙……（自己能和其他代词连用，起强调作用。例如：我自己、你们自己、大家自己等） 2、疑问代词：用来提出问题。如谁、什么、哪（问人或事物）、哪儿、那里（问处所）、几多（问数量）、多、多么（问程度）、怎么、怎样、怎么样（问性质状态）、什么、怎样、什么样（问方式行动）…… 3、指示代词：用来区别人或事物。如这、那（指人或事物）、这儿、这里、那儿、那里（指处所）、这会儿、那会儿（指时间）、这么、这样、这么样、那么、那样、那么样（指性质、状态、方式、行动、程度）、这些、那些、这么些、那么些（指数量）、每各（指所有的或全体中任何一个）、某、另、别（确有所指，未说明哪一个）…… 代词一般不受别的词类的修饰。代词同它所代替的或指示的实词或短语的用法相当，它所代替的词能充当什么句子成分，它也能充当什么句子成分。 七．副词 副词总是用在动词形容词前面做状语， |
现代汉语词性 一．名词 表示人和事物的名称叫名词。如："黄瓜、猪、马、羊、白菜、拖拉机、计算机"。 1、表示专用名称的叫做"专用名词"，如"云南、上海、李白、白居易，中国"。 2、表示抽象事物的名称的叫做"抽象名词"，如"范畴、思想、质量、品德、品质、友谊、方法"。 3、表示方位的叫做"方位名词"，如"上""下""左""右""前""后""中""东""西""南""北""前面""后边""东边""南面""中间"等。 二．动词 动词表示人或事物的动作、行为、发展、变化。 1、有的动词表示一般的动作，如"来、去、说、走、跑、吼、叫、学习、起飞、审查、认识"等。 2、有的动词表示心理活动，如"想、重视、注重、尊敬、了解、相信、佩服、惦念"等，这样的动词前面往往可以加上"很、十分"。 3、有的动词表示能够、愿意这些意思，叫做"能愿动词"，它们是"能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须"，这些能愿动词常常用在一般的动词前面，如"得去、能够做、可以考虑、愿意学习、应该说明、可能发展"。 4、还有一些动词表示趋向，叫做"趋向动词"，如"来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起;，它们往往用在一般动词后面表示趋向，如"跳起来、走下去、抬上来、跑过去"。 5、"是""有"也是动词，跟动词的用法一样，“是”也成为判断动词。 三．形容词 形容词表示事物的形状、性质、颜色、状态等，如“多、少、高、矮、胖、瘦、死板、奢侈、胆小、丑恶、美丽、红色……”。 状态形容词通红、雪白、红通通、黑不溜秋等前面不能加“很”。 四．数词 数词是表示事物数目的词。如"一、二、两、三、七、十、百、千、万、亿、半"。 五．量词 量词是表示事物或动作单位的词。汉语的量词分为名量词和动量词。 1、名量词表示事物的数量，又可以分为单位量词和度量量词。 单位量词表示事物的单位，如"个、张、、只、支、本、台、架、辆、颗、株、头、间、把、扇、等； 度量量词表示事物的度量，如"寸、尺、丈、斤、两、吨、升、斗、加仑、伏特、欧姆、立方米"。 2、动量词表示动作的数量，用在动词前后表示动作的单位，如"次、下、回、趟、场"。 六.代词 代词能代替实词和短语。表示指称时，有定指和不定指的区别。不定指往往是指不确定的人、物或某种形状、数量、程度、动作等。他不常指某一定的人物，也就不可能有一定意义，介乎虚实之间。 1、人称代词：代替人或事物的名称。我你您他她它我们你们他们她们它们咱们自己别人大家大伙（自己能和其他代词连用，起强调作用。例如：我自己你们自己大家自己） 2、疑问代词：用来提出问题谁什么哪（问人或事物）哪儿那里（问处所）几多（问数量）多多么（问程度）怎么怎样怎么样（问性质状态）什么怎样什么样（问方式行动） 3、指示代词：用来区别人或事物这那（指人或事物）这儿这里那儿那里（指处所） 这会儿那会儿（指时间）这么这样这么样那么那样那么样（指性质、状态、方式、行动、程度）这些那些这么些那么些（指数量）每各（指所有的或全体中任何一个）某另别（确有所指，未说明哪一个） 代词一般不受别的词类的修饰。代词同它所代替的或指示的实词或短语的用法相当，它所代替的词能充当什么句子成分，它也能充当什么句子成分。 七．副词 副词的意义和种类
学习-----好资料 现代汉语词性 一．名词 表示人和事物的名称叫名词。如：黄瓜、猪、羊、白菜、拖拉机、计算机。 1、表示专用名称的叫做专用名词，如云南、上海、李白、白居易，中国。 2、表示抽象事物的名称的叫做抽象名词，如范畴、思想、质量、品德、品质、友谊、方法。 3、表示方位的叫做方位名词，如上、下、左、右、前、后、中、东、西、南、北、前面、后边、东边、南面、中间等。 二．动词 动词表示人或事物的动作、行为、发展、变化。 1、有的动词表示一般的动作，如来、去、说、走、跑、吼、叫、学习、起飞、审查、认识等。 2、有的动词表示心理活动，如想、重视、注重、尊敬、了解、相信、佩服、惦念等，这样的动词前面往往可以加上很、十分。 3、有的动词表示能够、愿意这些意思，叫做能愿动词，它们是能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须，这些能愿动词常常用在一般的动词前面，如得去、能够做、可以考虑、愿意学习、应该说明、可能发展等 4、还有一些动词表示趋向，叫做趋向动词，如来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起，它们往往用在一般动词后面表示趋向，如跳起来、走下去、抬. 5、是、有也是动词，跟动词的用法一样，“是”也成为判断动词。 三．形容词 形容词表示事物的形状、性质、颜色、状态等，如多、少、高、矮、胖、瘦、死板、奢侈、胆小、丑恶、美丽、红色…… 状态形容词通红、雪白、红通通、黑不溜秋等前面不能加“很”。 四．数词 数词是表示事物数目的词。如一、二、两、三、七、十、百、千、万、亿、半…… 五．量词 量词是表示事物或动作单位的词。汉语的量词分为名量词和动量词。 1、名量词表示事物的数量，又可以分为单位量词和度量量词。 单位量词表示事物的单位，如个、张、、只、支、本、台、架、辆、颗、株、头、间、把、扇等； 度量量词表示事物的度量，如寸、尺、丈、斤、两、吨、升、斗、加仑、伏特、欧姆、立方米等。 2、动量词表示动作的数量，用在动词前后表示动作的单位，如次、下、回、趟、场… 六.代词 代词能代替实词和短语。表示指称时，有定指和不定指的区别。不定指往往是指不确定的人、物或某种性状、数量、程度、动作等。他不常指某一定的人物，也就不可能有一定意义，介乎虚实之间。 1、人称代词：代替人或事物的名称。如我、你、您、他、她、它、我们、你们、他们、她们、它们、咱们、自己、别人、大家、大伙……（自己能和其他代词连用，起强调作用。例如：我自己、你们自己、大家自己等） 2、疑问代词：用来提出问题。如谁、什么、哪（问人或事物）、哪儿、那里（问处所）、几 多（问数量）、多、多么（问程度）、怎么、怎样、怎么样（问性质状态）、什么、怎样、什么样
现代汉语的词性分类 的词可以分为12类。 ：名词、、形容词、、和。 ：、、、、叹词、。 1.名词：表示人和事物的名称的实词。如："黄瓜、白菜、拖拉机、计算机"。 1、表示专用名称的叫做"专有名词"，如"云南、上海、李白、白居易"。 2、表示抽象事物的名称的叫做"抽象名词"，如"范畴、思想、质量、品德、友谊、方法"。 3、表示方位的叫做"方位名词"，如"上""下""左""右""前""后""中""东""西""南""北""前面""后边""东边""南面""中间"等。 2.动词：表示人或事物的动作、行为、发展、变化。 1、有的动词表示一般的动作，如"来、去、说、走、跑、学习、起飞、审查、认识"等。 2、有的动词表示心理活动，如"想、重视、注重、尊敬、了解、相信、佩服、惦念"等，这样的动词前面往往可以加上"很、十分"。 3、有的动词表示能够、愿意这些意思，叫做"能愿动词"，它们是"能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须"，这些能愿动词常常用在一般的动词前面，如"得去、能够做、可以考虑、愿意学习、应该说明、可能发展"。 4、还有一些动词表示趋向，叫做"趋向动词"，如"来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起;，它们往往用在一般动词后面表示趋向，如"跳起来、走下去、抬上来、跑过去"。 5、"是""有"也是动词，跟动词的用法一样，“是”也称为判断动词。有与无对应是存在性动词。 3.形容词：表示事物的形状、性质、颜色、状态等，如“多、少、高、 矮、胖、瘦、死板、奢侈、胆小、丑恶、美丽、红色……”。 状态形容词通红、雪白、红通通、黑不溜秋等前面不能加“很”。
高中语文词类活用 1. 名词作状语 在现代汉语中名词一般而言是不直接用作状语的，有些名词在文言文中却经常用做状语，在句中起修饰作用。如：“日削月割，以趋于亡”中的“日”“月”，都是名词作状语，翻译成一天天、一月月，合起来引申为慢慢、逐渐。 。 ①天下云集响应，赢粮而景从。云、.响、景：像云彩、回声、影子一样 ②人皆得以隶使之隶：当奴隶 ③余自齐安舟行适临汝舟：用船 ④东歌膏腴之地，北收要害之郡东、北：在东边、在北边 ⑤而相如廷叱之廷：在朝廷 ⑥士大夫终不肯夜泊绝壁之下夜：在夜晚 ⑦君子博学而日参省乎己日：每天 2. 名词用作动词 现代汉语中，名词是不会直接带宾语的，但文言文中却经常出现名词直接带宾语的现象，这就是名词用作动词。活用以后，名词变成相关的动词的意思。如：“始见中原气象,泰然不肉而肥矣”中的“肉”，就是吃肉的意思。 ①籍吏民，封府库名+名，前面的名词活用为动词籍：登记 ②沛公欲王关中欲+名，后面的名词活用为动词王：统治 ③屠大窘,恐前后受其敌代+名，后面的名词活用为动词敌：攻击 ④臧使者枉用三尺,以仇一言之憾, 以+名，名词活用为动词仇：报复 ⑤大喜，笼归，举家庆贺笼：用笼子装 ⑥大楚兴，陈胜王名+名，前面的名词活用为动词王：称王 ⑦日将暮，取儿稿葬将+名，后面的名词活用为动词暮：落山 ⑧假舟楫者,非能水也,而绝江河能+名，前面的名词活用为动词水：游泳 ⑨原庄宗之所以得天下名+名，前面的名词活用为动词原：推究 3. 名词使动用法 文言文中，有些名词带宾语之后，表示使宾语怎么样的意思。 如：“而欲以力臣天下之主”中的“臣”，就是名词作动词，臣服的意思。 ①生死而肉骨肉：使……长肉 ②先破秦入咸阳者王之王：让……称王 4. 名词意动用法 在文言文中，有些名词带上宾语后，表示主语把宾语当作是什么。如：“其闻道也固先乎吾，吾从而师之”中的“师”，就是“以……为老师”的意思。 ①稍稍宾客其父宾客：意动用法，把……当作宾客。 ②鱼肉缙绅鱼肉：意动用法，以……为鱼肉 ③孟尝君客我客：意动用法，把……当作门客 ④君子病无能焉病：意动用法，以……为病 ⑤后人哀之而不鉴之鉴：意动用法，以……为鉴 5. 动词用作名词 文言文中，动词往往用作句子的主语或宾语，有时又受“其”“之”等词语修饰限制，这使之具有了名词的特点。如：“追亡逐北，流血漂橹”中的“亡”“北”均为动词用作名词，
现代汉语词性分类 一、实词:名词、动词、形容词、数量词、代词. （－）名词 名词是表示人或事物的词。例如： 指人的：鲁迅、农民、工人、作家、老师、学生 指物的：日、风、山、马、稻子、飞机、原子、计算机、车辆、纸张、道德、法律、文化 表时间的：春天、明年、早晨、星期天、现在、刚才 表处所的：马来西亚、北京、凯旋门、大庆、亚洲 表方位的：上、下、前、左、右、东、南、内、外（单纯的） 以上、以前、以东、上边、上面、东边、西边、里头、外头、中间（合成的）（二）动词 动词是表示动作、行为、心理活动或存在变化等的词。例如： 表示动作行为：走、坐、听、看、批评、宣传、保卫、学习、研究、进行、开始、停止、禁止 表示存在变化消失：存在、在、有、等于、发生、演变、发展、生长、死亡、消灭 表示心理活动：爱、恨、伯、想念、打算、喜欢、希望、害伯、担心、讨厌 表示判断：是 表示可能意愿必要（助动词）：能、能够、会、可以、愿、愿意、肯、敢、要、应当、应该、配、值得 表示趋向（趋向动词）：上、下、进、出、回、开、过、起、来、上来、下来、进来、出来、回来、 开来、过来、起来、去、上去、下去、进去、出主、回去，开去、过去 动词的语法特点： 1．一部分动词可以重叠，表示“动作短暂”或“尝试”的意思，是时态的表示法。单音节动词重叠形式是：AA 看——看看想——想想 试——试试讲——讲讲 双音节动词重叠形式是：ABAB 学习——学习学习批评——批评批评 讨论——讨论讨论休息——休息休息 动词比较复杂，有的需要加以说明。 1．动词“是” I. “是”用在名词前边是动词，这种“是”常常表示主语“等于什么”或“属于什么”。例如“鲁迅就是周树人”、“牛是反刍动物”、“他是个开车的”、“是他救了我”；此外，“这一年，人家都是丰年，我是歉年，收完秋就没吃的了”等里面的“是”仍是动词，作谓语。 II. “是”用在动词、形容词前边，表示肯定，含有“的确”、“实在”的意思，可以看作语气副词，作状语，例如“我〔是〕懂了”、“他〔是〕勇敢”、“这样做〔是〕好”。 2．动词“有”
现代汉语词性专题复习 、实词：名词、动词、形容词、数量词、代词. （―）名词：名词是表示人或事物的词。例如: 1、指人的：鲁迅、农民、工人、作 家、老师、学生 2、指物的：房子、汽车、电话、计算机；（表示具体事物的） 精神、物质、友谊、法律；（抽象名词） 3、表时间的：春天、明年、早晨、星期天、现在、刚才 4、表处所的：马来西亚、北京、凯旋门、大庆、亚洲 5、表方位的：上、下、前、左、右、东、南、内、外（单纯的） 的） （二）动词：词是表示动作、行为、心理活动或存在变化等的词。例如: 1、行为动词：表示动作行为：走、坐、听、看、批评、宣传、保卫、学习、研 究、进行、开始、停止、禁止 2、存变动词：表示存在变化消失：存在、在、有、等于、发生、演变、 生长、死亡、消灭 3、心理动词：表示心理活动：爱、恨、怕、想念、打算、喜欢、希望、 担心、讨厌 能愿动词和助动词：表示可能意愿必要（助动词）：能、能够、会、 5、趋向动词：表示趋向：上、下、进、出、回、开、过、起、 下来、进来、出来、回来、开来、过来、起来、去、上去、下去、进去、出 6、判断动词：表示判断：是 动词的语法特点: 1?一部分动词可以重叠，表示“动作短暂”或“尝试”的意思，是时态的表示 法。 以上、以前、以东、上边、上面、东边、西边、 里头、外头、中间（合成 可以、 愿、 愿意、肯、敢、要、应当、应该、配、值得 来、 主、 回去，开去、过去 来、上
单音节动词重叠形式是：AA 看——看看想——想想；试——试试讲——讲讲 双音节动词重叠形式是：ABAB 学习——学习学习批评——批评批评；讨论——讨论讨论休息——休息休息 动词比较复杂，有的需要加以说明。 1 .动词“是” I. “是”用在名词前边是动词，这种“是”常常表示主语“等于什么” 或“属于什么”。例如“鲁迅就是周树人”、“牛是反刍动物”、“他是个开车 的”、“是他救了我”；此外，“这一年，人家都是丰年，我是歉年, 收完秋就 没吃的了”等里面的“是”仍是动词，作谓语。 II. “是”用在动词、形容词前边，表示肯定，含有“的确”、“实在” 的意思，可以看作语气副词，作状语，例如“我〔是〕懂了”、“他 “这样做〔是〕好”。 2.动词“有” “有”只当动词用，不能当副词用。例如: 请问，这里有卖钢笔吗？（错）请问，这里有钢笔卖吗? （对） 李光有在吗？（错）李光在吗？ /李光在不在？（对） 李老师有教过你吗？（错）李老师教过你吗？ /李老师曾经教过你吗? （对） 有受伤吗？（错）受伤没有? （对） 3.助动词 助动词是指动词中能放在“不X不”（不敢不）格式里的词。助动词可 以作谓语，如“这样做可以不可以”、“完全可以”。但它们经常用在动词、形 容词前边作状语，表示动作者的主观意愿和表示可能性、必要性等。例如“我们定［要］坚持原则”、“春天到了，天气［应该］暖和了”。 4.趋向动词 趋向动词可以单独作谓语，如“月亮下去了，太阳还没有出来”。还经 常用在别的动词或形容词后边表示趋向。作趋向补语，如“拿＜出＞一本书”、“拿＜出来＞一本书”、“拿＜出＞一本书＜来＞”。
高中语文教材中的词类活用与特殊句式古诗文阅读 2013-08-02 08:22 高中语文教材中的词类活用与特殊句式 名词的活用 （1）名词活用作动词 1．示例 ①项王军壁垓下驻扎（名词+名词） ②驴不胜怒，蹄之用蹄子踢（名词+代词） ③去今之墓而葬焉修墓（名词+而+动词）
④项王乃引兵而东东进（动词+而+名词） ⑤亦足王也称王（副词+名词） ⑥假舟楫者，非能水也，而绝江河游水（能愿动词+名词） ⑦置人所罾鱼腹中捕（所+名词） ⑧凡吏于土者，若知其职乎做官（名词+介词结构） 2．练习解释下列各句中的加点字，注意其语境特征。 ①（匈奴）乃徙（苏）武北海上无人处,使牧羝,羝乳乃得归（生小羊） ②雨我公田，遂及我私（下雨灌溉） ③元济于城上请罪，进诚梯而下之（架梯子） ④虞不用百里奚而亡，秦穆公用之而霸（称霸） ⑤耕者，助而不税，则天下之农皆悦（征收赋税） ⑥夫子之不可及也，犹天之不可阶而升也（搭台阶） ⑦以为文者气之所形,然文不可以学而能,气可以养而致（表现、显露） ⑧涕出而女于吴（嫁女） ⑨以金笼进上，细疏其能 ⑩径匈奴，匈奴得之 ⑾从骊山下，道芷阳，间行 （2）名词用作状语（名词的后面是动词，而两者间又不是主谓关系）1．示例 ①士大夫终不肯以小舟夜泊绝壁之下在夜间（表时间） ②骊山北构而西折向北、向西（表方位） ③夫以秦王之威，而相如廷斥之在朝堂上（表处所） ④箕畚运于渤海之尾用箕畚（表工具） ⑤至于颠覆,理故宜然按道理（表依据） ⑥呈卷，即面署第一当面（表状况） ⑦人皆得以隶使之像对待奴隶那样（表态度） ⑧一狼径去，其一犬坐于前像犬一样（表比喻） 2．练习解释下列各句中的加点字，注意其语境特征。 ①项伯乃夜驰之沛公军（） ②西望武昌诸山（） ③卒廷见相如，毕礼而归之（） ④有好事者船载以入（） ⑤度已失期，失期，法皆斩（） ⑥群臣吏民能面刺寡人之过者，受上赏（） ⑦君为我呼入，吾得兄事之（） ⑧潭西南而望，斗折蛇行，明灭可见（） 动词的活用（动词用作名词和为动用法） 1．示例 （1）动词用作名词 ①动词处在宾语或主语的位置 ●夫大国难测也，惧有伏焉埋伏、伏兵。（《左传·曹刿论战》） ●作有利于时,制有便于物者,可为也措施、制度（《后汉书》） ②动词处在宾语或主语的位置，且动词前有“之”或“其” ●殚其地之出，竭其庐之入出产的东西、收入的财物。（《捕蛇者说》）●钩党之捕遍于天下搜捕行动。（《五人墓碑记》） ●知其心，然后能救其失也差失、错误（《学记》） ●入之愈深，其进愈难，而其见愈奇所见景物（《游褒禅山记》） ③动词处在宾语或主语的位置，且动词前有数词
各类词性和特点。 现代汉语的词可以分为12类。实词：名词、动词、形容词、数词、量词和代词。虚词：副词、介词、连词、助词、拟声词和叹词。 一．名词 表示人和事物的名称的实词。如："黄瓜、白菜、拖拉机、计算机"。 1、表示专用名称的叫做"专用名词"，如"云南、上海、李白、白居易"。 2、表示抽象事物的名称的叫做"抽象名词"，如"范畴、思想、质量、品德、友谊、方法"。 3、表示方位的叫做"方位名词"，如"上""下""左""右""前""后""中""东""西""南""北""前面""后边""东边""南面""中间"等。 二．动词 动词表示人或事物的动作、行为、发展、变化。 1、有的动词表示一般的动作，如"来、去、说、走、跑、学习、起飞、审查、认识"等。 2、有的动词表示心理活动，如"想、重视、注重、尊敬、了解、相信、佩服、惦念"等，这样的动词前面往往可以加上"很、十分"。 3、有的动词表示能够、愿意这些意思，叫做"能愿动词"，它们是"能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须"，这些能愿动词常常用在一般的动词前面，如"得去、能够做、可以考虑、愿意学习、应该说明、可能发展"。 4、还有一些动词表示趋向，叫做"趋向动词"，如"来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起;，它们往往用在一般动词后面表示趋向，如"跳起来、走下去、抬上来、跑过去"。 5、"是""有"也是动词，跟动词的用法一样，“是”也成为判断动词。 三．形容词 形容词表示事物的形状、性质、颜色、状态等，如“多、少、高、矮、胖、瘦、死板、奢侈、胆小、丑恶、美丽、红色……”。 状态形容词通红、雪白、红通通、黑不溜秋等前面不能加“很”。 四．数词 数词是表示事物数目的词。如"一、二、两、三、七、十、百、千、万、亿、半"。 ①基数：一、二、百、千、万、亿 ②序数：第一、第二、第三 ③分数：十分之一、百分之二十 ④倍数：一倍、十倍、百倍 ⑤概数：几(个)、十来(个)、一百上下 五．量词
现代汉语中的词性 词性指作为划分词类的根据的词的特点。现代汉语的词可以分为12类。分别是：名词、动词、形容词、数词、量词、代词、副词、介词、连词、助词、拟声词和叹词。其中实词：名词、动词、形容词、数词、量词和代词。虚词：副词、介词、连词、助词、拟声词和叹词。实词 一．名词 表示人和事物的名称叫名词。 如：猪、牛、羊、白菜、拖拉机、计算机、桌子等。 1、表示专用名称的叫做专用名词，如：贵州、北京、李白、杜甫、毛泽东、中国等。 2、表示抽象事物的名称的叫做抽象名词，如：范围、道德、质量、品德、品质、友谊、方法、数量等。 3、表示方位的叫做方位名词。如：上、下、左、右、前、后、中、东、西、南、北、前面、后面、东面、南面、中间等。 二．动词 动词表示人或事物的动作、行为、发展、变化。 1、有的动词表示一般的动作。如：来、去、吼、叫、学习、起飞、说、走、跑、审查、认识等。 2、有的动词表示心理活动。如：想、重视、注重、尊敬、了解、相信、佩服、惦念等，这样的动词前面往往可以加上“很”、“十分”等副词。 3、有的动词表示能够、愿意这些意思，叫做能愿动词。如：能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须。这些能愿动词常常用在一般的动词前面。如：得去、能够做、可以考虑、愿意学习、应该说明、可能发展等。 4、还有一些动词表示趋向，叫做趋向动词。如：来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起等。它们往往用在一般动词后面表示趋向，如"跳起来、走下去、抬上来、跑过去。 5、“是”“有”也是动词，跟动词的用法一样，“是”也成为判断动词。 三．形容词 1、一般形容词
词性 【考点讲解】 一、考查形式 多以填空，选择或判断的形式考查。 二、知识讲解 现代汉语中词可以分为12类。实词：名词、动词、形容词、数词、量词和代词， 虚词：副词、介词、连词、助词、叹词和拟声词。 （一）名词 表示人和事物的名称的实词。 1．表示专用名称的叫做“专有名词“，如“云南、上海、李白、白居易“。 2．表示抽象事物的名称的叫做“抽象名词“，如“范畴、思想、质量、品德、友谊、方法“。3．表示方位的叫做“方位名词“，如“上““下““左““右“““前面““后边““东边““南面““中间“等。（二）动词 动词表示人或事物的动作、行为、发展、变化。 1．有的动词表示一般的动作，如“来、去、说、走、跑、学习、起飞、审查、认识“等。2．有的动词表示心理活动，如“想、重视、注重、尊敬、了解、相信、佩服、惦念“等，这样的动词前面往往可以加上“很、十分“。 3．有的动词表示能够、愿意这些意思，叫做“能愿动词“，它们是“能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须“，这些能愿动词常常用在一般的动词前面，如“得去、能够做、可以考虑、愿意学习、应该说明、可能发展“。 4．还有一些动词表示趋向，叫做“趋向动词“，如“来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起；，它们往往用在一般动词后面表示趋向，如“跳起来、走下去、抬上来、跑过去“。 5．“是““有“也是动词，跟动词的用法一样，“是”也称为判断动词。有与无对应是存在性动词。（三）形容词 形容词表示事物的形状、性质、颜色、状态等，如“多、少、高、矮、胖、瘦、死板、奢侈、胆小、丑恶、美丽、红色……”。 （四）数词 数词是表示事物数目的词。
现代汉语的词可以分为两类12 种词性。一类是实词：名词、动词、形容词、数词、量词和代词。一类是虚词：副词、介词、连词、助词、叹词和拟声词。 实词 一．名词 表示人和事物的名称叫名词。如“黄瓜、猪、马、羊、白菜、拖拉机、计算机”。 1、表示专用名称的叫做“专用名词”，如“云南、上海、李白、白居易，中国”。 2、表示抽象事物的名称的叫做“抽象名词”，如“范畴、思想、质量、品德、品质、友谊、方法”。 3、表示方位的叫做“方位名词”，如“上、下、左、右、前、后、中、东、西、南、北、前面、后边、东边、南面、中间”等。 二．动词 动词表示人或事物的动作、行为、发展、变化。 1、有的动词表示一般的动作，如" 来、去、说、走、跑、吼、叫、学习、起飞、审查、认识"等。 2、有的动词表示心理活动，如“想、重视、注重、尊敬、了解、相
信、佩服、惦念”等，这样的动词前面往往可以加上“很、十分”。 3、有的动词表示能够、愿意这些意思，叫做“能愿动词”，它们是 “能、要、应、肯、敢、得（dei）、能够、应该、应当、愿意、可以、可能、必须”，这些能愿动词常常用在一般的动词前面，如“得去、能够做、可以考虑、愿意学习、应该说明、可能发展”。 4、还有一些动词表示趋向，叫做“趋向动词”，如“来、去、上、下、进、出、上来、上去、下来、下去、过来、过去、起来”，它们往往用在一般动词后面表示趋向，如“跳起来、走下去、抬上来、跑过去”。 5、“是”“有”也是动词，跟动词的用法一样，“是”也成为判断动词。三．形容词 形容词表示事物的形状、性质、颜色、状态等，如“多、少、高、矮、胖、瘦、死板、奢侈、胆小、丑恶、美丽、红色”。状态形容词通红、雪白、红通通、黑不溜秋等前面不能加“很”。 四．数词 数词是表示事物数目的词。如“一、二、两、三、七、十、百、千、万、亿、半”。 五．量词量词是表示事物或动作单位的词。汉语的量词分为名量词和动量词。 1、名量词表示事物的数量，又可以分为单位量词和度量量词。单位量词表