汉语普通话双音子和三音子结构系统以及相关语料库的设计

中国语言资源保护工程建库规范
教育部语言文字信息管理司 中国语言资源保护研究中心
目
次
பைடு நூலகம்
前言 ....................................................................................................................................................................................I 引言 .................................................................................................................................................................................. II 1 范围 .......................................................................................................................................................................... 1 2 规范性引用文件 .................................................................................................................................................. 1 3 术语和定义 .......................

2.2 双字词感情信息维度的验证 2.2.1 感情色彩属性得分情况 本组双字词的愉悦度、唤醒度、优势度、趋向度和熟悉度评分分 别为 5.01±1.62、5.37±0.81、5.17±0.78、5.06±1.75、5.27±1.02。 2.2.2 主成分验证 公因子方差（communality）是按照所选标准 提取相应数量主成分后，各变量中信息分别被提取出的比例［12］。 表 3 显示除熟悉度有未被提取外，其余 4 个变量、尤以愉悦度和唤醒 度的信息都提取的比较充分。 碎石图(scree plot)是按特征根（Eigenvalue）大小排列的主成 分散点图。图 1 显示从第 4 个主成分开始特征根都非常低，说明只需 提取 4 个主成分即可。
趋向度（回避─趋向程度，即在水平方向上感觉从回避到愿望趋 近的范围）：1 表示阅读后感到极端的回避、退避、不愿久视之、不 愿久拥有之；9 表示愿意趋近或拥有其物。
熟悉度（生疏─熟悉程度，即阅读该词时感觉熟悉的程度，反映 从最不熟悉到最为熟悉的范围）：1 表示阅读后感到强烈的陌生和生 疏感、关系上的远距离感；9 表示极端的熟悉、熟知、亲切、一见如 故。
2.3.2 重测信度
以两次测验的相关系数表示重测信度，随机选取 300 个词，由 30 名被试在间隔 4 周后重测，重测信度见表 4。
3讨论
英文情绪词库的评定遵循 Osgood 等人［13］提出的维度观点， 通过对大量表达情绪色彩的语词进行因素分析后发现，评定出的材料 的感情色彩主要由三个维度构成：两个主要维度，即感情效价/愉悦 度（愉悦－不愉悦）和唤醒度（平静－激动），一个次要维度，即优 势度（dominance）或控制度［14］。本文编制的汉语情感词系统中所 列的词在感情空间上的分布与英文情绪词库中刺激材料的空间分布 较一致，可认为此空间代表了通过同一通道的不同材料的感情信息的 分布。这些刺激材料激发每一维度的全程反应：所选汉语词的愉悦度 及唤醒度的平均值较均匀地分布在九点量表上。本文在借鉴英文情绪 词库的 3 个维度的基础上，又增加了熟悉度维度。双字词感情信息维 度的确定实验的结果表明熟悉度的增加是必要的。双字词感情信息评 定实验的结果进一步证明愉悦度、唤醒度、优势度和熟悉度在被试内 和被试间的评定均有较强的重测信度。4 个维度能更全面的体现中国 人对感情色彩词的认知。

中国结构语言学一、音系学研究音系学是研究语言中音的系统及其结构的学科。

在中国结构语言学中，音系学研究主要关注语言的发音、音素、音节、声调等方面的研究。

通过对汉语的音节和声调进行分析，可以揭示汉语语音的特性和规律，进一步理解汉语的语音结构和演变。

二、句法学研究句法学是研究语言的句子结构和语法规则的学科。

在中国结构语言学中，句法学研究主要关注语言的词法、句法、时态、语态等方面的研究。

通过对汉语的句子结构进行分析，可以揭示汉语的语法特性和规律，进一步理解汉语的语法结构和演变。

三、语义学研究语义学是研究语言的意义和理解的学科。

在中国结构语言学中，语义学研究主要关注语言的词汇意义、语境意义、比喻意义等方面的研究。

通过对汉语的词汇和句子意义进行分析，可以揭示汉语语义的特性和规律，进一步理解汉语的意义表达和演变。

四、语用学研究语用学是研究语言的使用和理解与语境关系的学科。

在中国结构语言学中，语用学研究主要关注语言的交际功能、话语分析、语言与文化等方面的研究。

通过对汉语的使用场景和语境进行分析，可以揭示汉语语用的特性和规律，进一步理解汉语的使用方式和演变。

五、社会语言学研究社会语言学是研究语言与社会关系的学科。

在中国结构语言学中，社会语言学研究主要关注语言的社区差异、方言、语言与身份等方面的研究。

通过对汉语在不同社区和方言中的使用进行分析，可以揭示汉语社会语言的特性和规律，进一步理解汉语的社会属性和演变。

六、历史语言学研究历史语言学是研究语言的历史发展和演变的学科。

在中国结构语言学中，历史语言学研究主要关注汉语的历史语音、语法、词汇等方面的研究。

通过对汉语的历史演变进行分析，可以揭示汉语历史语言的特性和规律，进一步理解汉语的历史属性和演变。

七、方言学研究方言学是研究方言的形成、分类、特征和变化的学科。

在中国结构语言学中，方言学研究主要关注汉语的各种方言的语音、词汇、语法等方面的研究。

通过对汉语的不同方言进行分析，可以揭示汉语方言的特性和规律，进一步理解汉语方言的特点和演变。

高元音i u ü自成音节时能辨义，作韵头时也能辨义，
应归为三个音位 中元音o、后半高元音e、前半低元音ê均能自成音
节，作韵腹时能辨义，应独立成为三个音位 由此得到普通话的10个元音音位
可编辑课件
4
普通话元音音位的变体
/a/的主要音位变体有[a] [A] [a] [ɛ]
[a] 前低不圆唇 韵尾-i -n前 an ai uan uai [A] 央低不圆唇 零韵尾时 ia ua [a] 后低不圆唇 韵尾-ng –u前 ang iang uang ao iao [ɛ] 前半低不圆唇 i和n之间 ian üan
[e] 前半高不圆唇 韵尾-i前 ei uei
[E] 前中高不圆唇 韵头i ü后 ie üe
/i/的主要音位变体有[i] [I] [j]
[i] 前 高 不圆唇 做韵腹时 i in ing
[I] 前次高不圆唇 做韵尾时 ai ei uai uei
[j] 前高不圆唇半元音 做零声母音节韵头时 ia ie
可编辑课件
iao iou ian ian6 g
/u/的主要音位变体有[u] [ʊ] [w] [ʋ]
[u] 后 高 圆唇 做韵腹时 u [ʊ] 后次高圆唇 做韵尾时 ao iao ou iou [w] 双唇舌面半元音 做零声母音节韵头时 ua uo
uai uei uan uen uang ueng [ʋ] 唇齿舌面半元音 声母f后 fu
1
普通话辅音音位
设语音环境如下
[___au214]
保 跑 卯 岛 逃 脑……
[___u51]
布 瀑 目 富 肚 兔……
[___iau214] 表 瞟 秒 挑 鸟 了……
[___yɛn55] 娟 圈 宣……

汉语拼音《z c s》优秀教学设计+教学反思设计说明根据一年级学生的认知规律和学习需要，汉语拼音教学要尽可能有趣味，教学宜以活动和游戏为主，以唤起学生学习拼音的兴趣。

所以本课教学设计意在为学生创设一个生活化的课堂，通过情境感染、游戏活动、创编儿歌、多种形式朗读等教学方式引导学生在语言实践中轻松愉快地学习拼音。

将学拼音与识字、读文有机结合起来，从而提高学生的综合能力，最终使学生达到学会声母z、c、s，会读整体认读音节zi、ci、si，以及读儿歌、学生字的目的。

课前准备1.关于本课的多媒体课件、以前学过的声母和韵母的卡片、zcs的拼音卡片、整体认读音节zi、ci、si的卡片。

(教师)2.萝卜形状的带调整体认读音节卡片。

(教师)3.生字和词语卡片。

(学生)课时安排2课时。

教学过程第一课时一、创设情境，导入新课1.教师逐个出示字母卡片，引导学生复习学过的声母和韵母。

(教师根据学生的回答出示相应的字母卡片。

)2.创设情境，引出新课:今天，是拼音宝宝小i的生日，我们一起为小i唱《生日歌》好吗?(课件出示:卡通的韵母i，面前放着一个点燃蜡烛的蛋糕。

)小i有一个愿望，它希望大家帮它邀请三位新的拼音朋友来参加它的生日会，大家愿意帮忙吗?3.出示z、c、s的拼音卡片，揭示教学内容:这就是我们今天要邀请的三位拼音宝宝，在邀请它们之前我们先来认识一下它们。

设计意图:创设学生喜欢的过生日的情境，吸引学生的注意力，让学生在为小i找三位新朋友，并邀请新朋友来参加生日会的过程中快乐轻松地学习，激发了学生的学习兴趣。

同时，使学生明确了本节课的学习任务，带着任务去学习。

二、图文结合，学习声母及整体认读音节(一)学习声母z和整体认读音节zi。

1.过渡:现在，我们就出发，去结识我们的新朋友吧!2.学习声母z。

(1)课件出示文中的插图。

引导学生观察，这是什么地方?谁在做什么?(2)教师出示z的卡片，引导学生发现z就是今天要邀请的第一个声母宝宝。

2011秋双语汉语言本科《汉语普通话语音教程》课程教学一体化设计一、课程总体说明1.课程性质及特点《汉语普通话语音教程》是一门集理论与实践教学为一体的综合课。

本教材作为新疆地区汉语教师语音教学培训的基础教材，系统、简要地介绍了汉语语音作为第二语言教学的理论与基础知识以及一些教学方法。

为了配合汉语教师和学员联练习标准普通话的发音和语调，本教材专门编写了大量实践练习题。

2、本教材的特点（一）它是一本适应不同程度、不同学习时间、不同要求的开放式教材。

既可以供汉语教师培训使用，也可以作为新疆地区大专院校汉语教师备课、学员自主学习使用。

（二）本教材主要通过对新疆维吾尔族和哈族学生学习汉语语音中出现的问题进行分析，有针对性地指出了纠音正调的方法。

（三）本教材包括五个部分内容和四个附录。

3、学时学分课内面授学时为72学时，本课程4学分。

开设一学期。

4、课程教学及要求语音教学是汉语作为第二语言教学的基础，是掌握汉语听、说、读、写技能和交际能力的前提。

《汉语普通话语音教程》要求从一开始就给学生打下扎实的语音基础。

第一、应该掌握汉语拼音方案。

为打好语音基础，认识和读准汉语拼音，要从系统的普通话语音训练出发，把普通话的发音教学内容（声母、韵母、声调、轻声、儿化韵等）及语调教学内容（词、句重音、音长、节拍、句调等）有计划、有目的、有序地贯穿在练习之中，使学生受到系统的基本功训练。

第二，为发准一个音、一个声调，用标准语调说好一句话，还需要一定机械练习，而且从不同角度进行大量的重复练习。

第三，要在教师的指导下通过课内外大量的模仿、练习和纠音正调，日积月累，不断实践，掌握汉语话的标准发音。

第四，语言教学还必须贯穿汉语教学的始终。

5、教学手段及方式①文字教材。

使用北京语言大学副刘广徽教授编著的《汉语普通话语音教程》新疆版一书。

②直播课堂。

组织学员收看新疆电大制作的电视直播课。

③指导学生进行网上学习。

要求学员根据情况及时上网寻找有关该课程的课件。

综合类
应用文 难于归类的语料
人文与社会科学类
人文与社会科学类划分为8个大类和30个小类：
政法：哲学、政治、宗教、法律； 历史：历史、考古、民族； 社会：社会学、心理、语言文字、教育、文艺理论、新闻、
民俗； 经济：工业经济、农业经济、政治经济、财贸经济； 艺术：音乐、美术、舞蹈、戏剧； 文学：小说、散文、传记、报告文学、科幻、口语； 军体：军事、体育； 生活。
章程法规：章程、条例、细则、制度、公约、办法、法律条 文等；
司法文书：诉讼、辩护词、控告信、委托书等； 商业文告：说明、广告、调查报告、经济合同等； 礼仪辞令：欢迎词、贺电、讣告、唁电、慰问信、祝酒词等； 实用文书：请假条、检讨、申请书、请愿书等。
综合类约占语料总量的20％
样例 语料分类
信息处理用现代汉语词类标记集规范
基本词类体系 基本词类体系的标记代码 《规范》的制定
在国家社科基金“九五”重大项目《信息处理用现代汉语词汇研 究》的子项目“信息处理用现代汉语词类标记集规范的基础上完 成
得到国家语委“九五”重大项目《现代汉语语料库建设》子课题 “国家语委核心语料分词及词性标注加工”的支持。
样例 语料库查询统计工具
样例 句法树库的信息检索
样例 基于互联网的语料库例句检索
样例 语料库全文检索
语料库的管理
国家语委语料库由国家语委委托语言文字应用 研究所负责建设和管理
国家语委语料库可以提供的服务
语料库使用权许可 检索、查询、统计等数据服务 软件开发等其他服务
语料库提供服务的方式
语料库选材
人文与社会科学类
以1919年为上限，选取五四以来的语言材料。 对五四以来各个历史时期的语料采取不等密度选用的方式。

数量结构合音词“俩”、“仨”的几个问题——兼评赵元任
先生的“失音”说
冯春田
【期刊名称】《语言研究》
【年(卷),期】2002()2
【摘要】本文讨论的问题是:数量结构合音词“俩”、“仨”早期的用法及其词音和字形问题;“俩”、“仨”分别是先由“两个”、“三个”发生连说音变,尔后形成合音式;赵元任先生关于“数+个”结构连说音变的分析现在看来仍有其合理性,但他对于“数+个”结构中“个”的连说变音形式以及“俩”、“仨”形成的意见,都值得重加检讨。

【总页数】7页(P38-44)
【关键词】“俩”;“仨”;用法形成
【作者】冯春田
【作者单位】山东大学
【正文语种】中文
【中图分类】H146
【相关文献】
1.赵元任：教我如何不想他——兼访赵元任先生故里常州青果巷 [J], 石湾
2.也谈北京话的“俩”、“仨”——为纪念恩师孟非先生逝世五周年而作 [J], 马
克章;
3.也谈北京话的“俩”、“仨”——为纪念恩师孟非先生逝世五周年而作 [J], 马克章
4.河北辛集话的合音现象与合音词——兼谈普通话合音词“俩”“仨”“别”的来源 [J], 孔祥卿;
5.中原官话的人称代词类合音词——兼论"您""俺"非合音词 [J], 孙瑞隆
因版权原因，仅展示原文概要，查看原文内容请购买。

谈汉语词汇的双音节化和对外汉语教学作者：虞佳来源：《语文学刊》 2014年第5期○ 虞佳(湖南师范大学文学院，湖南长沙410000)［摘要］汉语词汇从古到今发展的趋势是双音化。

从西周开始就有了双音节词的出现，之后随着社会的发展，多音节词汇开始增多，而且占了总词汇的大多数。

元明清时期，双音节词汇已成为汉语词汇的主流。

本文先对汉语词汇双音化的原因做以阐述，然后指出汉语词汇双音化的研究对对外汉语词汇教学的重要作用。

［关键词］对外汉语教学；词汇；双音节词；双音化［中图分类号］H193［文献标识码］A［文章编号］1672-8610(2014)05-0102-02汉语词汇从古到今数量巨大，从西周开始就有双音节词，但那时还是以单音节词为主。

在西周时期的一些著作中，如《尚书·周书》、《诗经》里的《周颂》、《大雅》、《小雅》中都有双音节词的出现。

之后随着社会的发展，多音节词汇开始增多，其中双音节词占大多数。

为什么在奴隶社会人们的词汇会以单音节为主，而后来多音节词汇越来越多了？这与社会的发展是紧密联系的。

在古老的奴隶社会，社会生产力落后，人们所见的东西不多，单音节词足够他们用了，而且在那时一个单音节词有很多的意思。

如“发”这个词，在古代汉语中就有将近16种含义，可以是名词也可以是动词，这样意思就复杂了，于是需要各种词语的组合，使这些意思不混淆，反而更加清晰、明确。

随着社会生产力的发展，人们觉得原来的那些单音节已不足以表达他们的思想、生活，于是将有的单音节词结合，或者另造多音节词，这样就出现了大量的多音节词，在这些多音节词中双音节词居多。

到元明清时，双音节词大量增加。

据统计，《水浒传》中的多音词占70%，而单音节词占30%；《西游记》中共有80多万字，其中双音节词就有10 991个，多音节词（不包括双音节词）有1 182个。

可见，那时的复音词(绝大部分为双音节)数量已远远超过单音节词。

至此，双音节词已成为汉语词汇的主流。

语言的层级体系
语言中的各种单位相互间紧密联系，彼此依存，组成一个系统。

语言的底层是音位，上层是音义结合的符号与符号的序列。

上层又分为三级，第一级是语素，第二级是词，第三级是句子。

语言结构就是由音位层和音义结合的符号序列层构成的装置，我们称之为语言结构的二层性（定义－核心－展开）。

无论是底层还是上层，我们都能看到，语言结构二层性的核心实际上是以少驭多，以较少的单位组成上一层较多的单位，如语言结构上层的三级在数量上就是增量翻番，由下一级组成上一级，数量成倍扩大。

例如汉语，音位层只有30来个，它们可以组成数千个语素，语素又可以组成数十万条词，词又组成无穷无尽的句子。

语言就是各个单位在不同的层和级上构成的一个层级装置。

在这个层级装置中，各个层级呈现出这样的特点，那就是层次的单位数量逐层增多，从有限到无穷。

最底层的音位系统，一般只有几十个，它们为语言符号准备了形式的部分，音位组合与意义联系构成数千个语素，语素组合构成数万个词，数万个词再组成无数的句子。

在这些组合中，从音位到语素是最关键的，因为音位还只是形式，结合成语素后与意义联系起来，从而产生了质的飞跃。

第1篇一、引言汉语语音系统是汉语语言学研究的重要领域之一，它涉及到汉语的声母、韵母、声调等语音要素。

语音系统的组合关系和聚合关系是语音系统中的两个基本概念，对于理解汉语语音的结构和功能具有重要意义。

本文将从汉语语音系统的组合关系和聚合关系两个方面进行探讨。

二、汉语语音系统的组合关系1. 组合关系的定义组合关系是指语音系统中各个语音要素之间按照一定的规则组合在一起，形成新的语音结构。

在汉语语音系统中，组合关系主要体现在声母与韵母、声母与声调、韵母与声调之间的组合。

2. 声母与韵母的组合汉语声母共有21个，韵母共有39个。

声母与韵母的组合规则如下：（1）声母与单韵母的组合：声母与单韵母的组合可以形成双声母音节，如“bā”（把）、“pá”（爬）等。

（2）声母与复韵母的组合：声母与复韵母的组合可以形成三声母音节，如“guā”（瓜）、“zhǎng”（长）等。

3. 声母与声调的组合汉语声调共有四个：阴平、阳平、上声、去声。

声母与声调的组合规则如下：（1）声母与单声调的组合：声母与单声调的组合可以形成单声调音节，如“bā”（把）、“pá”（爬）等。

（2）声母与复声调的组合：声母与复声调的组合可以形成复声调音节，如“gāo”（高）、“dǎo”（到）等。

4. 韵母与声调的组合韵母与声调的组合规则如下：（1）韵母与单声调的组合：韵母与单声调的组合可以形成单声调音节，如“guā”（瓜）、“dǎo”（到）等。

（2）韵母与复声调的组合：韵母与复声调的组合可以形成复声调音节，如“gāo”（高）、“dǎo”（到）等。

三、汉语语音系统的聚合关系1. 聚合关系的定义聚合关系是指语音系统中具有相同语音特征的音素按照一定的规则组合在一起，形成具有相似语音特征的语音群。

在汉语语音系统中，聚合关系主要体现在声母、韵母、声调等语音要素之间的聚合。

2. 声母的聚合汉语声母共有21个，按照发音部位和发音方法可以分为以下几类：（1）塞音：b、p、d、t、g、k（2）擦音：f、h、x、sh、zh、ch、z、c（3）塞擦音：j、q、zh、ch、z、c（4）鼻音：m、n（5）边音：l这些声母按照发音部位和发音方法进行聚合，形成具有相似语音特征的声母群。

1.1 建立平衡语料库的动机
语料库为本（corpus-based）的研究是近年來语言学及计 算语言研究的一个重要发展，其影响更远及文学及社会学的计 算研究。语料库构建的第一个大问题是如何在有限的语料中代 表复杂的当代语言全貌。 平衡语料库中最重要的讯息，也是关键性的特色，便是每 个词上的词类标记。当然，每个词上有意义的标记（tag），并 不一定是词类，也可以是语义、语音、笔划等。可是只有词类 可以算是（所有语言）的基本架构单位，是语言学家公认建构 语法的基础，也是不论对语言从事何种研究都可能用得到的讯 息。
1.3 中研院平衡语料库的设计理念
研究院语料库因为中文的特性，也因为我们观察语料的经 验及研究语料库语言学的结果，有以下几个重要的设计理念 ： (一)遵循计算语言学学会的分词标准 分词（或称断词）是中文自然语言处理的先决条件，但因 中文词的分界在实际书写上不标明，在理論上亦有争议；故一 直很难标准化。目前国内有中华民国计算语言学学会受中央标 准局委办研拟「中文信息处理分词规范」，并已完成国家标准 草案。依此标准分词不但可以有助于资源共享，对语料库分词 结果之回馈也可成为尔后修定国家标准草案的依据。 (二) 裁文是以文章（text）的自然段落为准，而非以文章 长度为准 避免选取过短或过长的文章，便随其自然段落截取。我们 认为我们的设计理念可以取得更完整不偏颇的语言讯息内容。
中国台湾中研院 语料库
中国台湾中研院 （Academia Sinica）
曾于20世纪90年代初期开始建立了
汉语平衡语料库（Sinica Corpus） 汉语树库（Sinica Treebank ）
汉语平衡语料库 （Sinica Corpus）
一､前言
二､平衡语料库的分类标准
与选取结果 三､分词标准 四､词类标记 五､检索说明

儿童汉语口语语料库文本设计
王亚
【期刊名称】《汉江师范学院学报》
【年(卷),期】2023(43)1
【摘要】儿童汉语口语语料库分为自然口语语料库和声学语料库两个部分,自然口语语料库设计包括基本信息调查表设计和口语库设计,基本信息调查表的设计包括发音儿童本人的基本信息和社会语言背景信息;口语库设计主要通过个人表述、小羊肖恩故事叙述、互动对话三方面了解被试词汇量的掌握情况;声学语料库主要包括双音节、句子和语篇三个部分,涵盖了音段、声调、调联三音子和停顿、焦点和语调等语音现象,以上内容主要选自人教版小学语文课本。

该语料库可为课堂教学提供一定文本资源,为儿童汉语的研究提供原始的口语资料和各种参数。

【总页数】7页(P43-49)
【作者】王亚
【作者单位】阿坝师范学院;泰国格乐大学
【正文语种】中文
【中图分类】G625.1;G353.1
【相关文献】
1.语料库辅助对外汉语口语教学的应用设计
2.北语HSK动态作文语料库的汉语作文口语化程度检测--基于《现代汉语词典》口语词统计
3.汉语为第二语言的多媒体口语语料库:语料库的建立及二语者趋向补语的习得分析
4.汉语中介语口语语料库
在汉语教学中的应用研究——以来华留学生第一次社会采访教学为例5.汉语中介语口语语料库在汉语教学中的应用研究
——以来华留学生第一次社会采访教学为例
因版权原因，仅展示原文概要，查看原文内容请购买。

汉语中介语语料库简介
陈晨
精选ppt
1
目录
一 背景 二 语料库和语料库语言学 三 汉语语料库和汉语中介语语料库建设
北大语料库（现汉、古汉、英语） 四 常用中介语语料库
（一）北语HSK动态作文语料库 中介语口语语料库
（二）中山大学中介语语料库 （三）暨南大学中介语语料库 五 意义和局限 六 参考文献
精选ppt
试研究以及与对外汉语教学相关的汉语本体研究等等 。这对于提高汉语
教学 、汉语测试 、汉语本体研究等方面的水平都具有重要的意义 ，接
下来对常用的对全社会公开的语料精库选p进pt 行介绍。
7
四 常用中介语语料库
（一）北语HSK动态作文语料库 （二）中山大学中介语语料库 （三）暨南大学中介语语料库
精选ppt
汉英双语语料库目前规模已经超过100万句对。汉英双语语料库对 于汉英语言对比研究有直接的帮助。
北大语料库 :8080/ccl_corpus/index.jsp?dir=gudaigudai
精选ppt
5
精选ppt
6
三 汉语语料库和汉语中介语语料库建设
中介语的理论在 20世纪 80年代被引入到我国( 鲁健骥 1993) 之后,
使用该语料库，需要注册账号，填写自己的真实信息。注册后即可享
有查看和搜索全部语料的权利。
其中“字词句偏误标注版”做的较早，包含分词和词性标注预处理。 偏
误标注包括错别字、词汇、语法等各种偏误标注，大约44万字。
“汉字偏误标注版”是只有错别字标注的语料，但也可供用户进行一般 的
词汇语言搜索，同时可以供大家对汉字偏误进行分析研究。
“错字数据库”是该库一大重要特色。错字数据库中收集了语料库中 的所

单 独说某 个声 调 在 哪儿 涉及 的是 一 个特 定 声
,
利用 这 个数 据库 完
。
在 哪 儿 出现少
。
成 了机 编 《 普 通 话 声 调 结 构 词表 》 的工 作 同时
。 ,
与此
调的分布
研 究声 调分 布 有助 于 揭 示声 调 语 言
。
在 数 据库 所 存 词 汇 范 围 内进 行 了一 些 有 存储 的 声 调 都 是本
、
。
声 调 在 三音
节 词 的首 音 节
户
第 二 音 节 和 末 音 节 的分 布 数 据
,
词 节 音 双
0 ,
: t 5
!
”
千
上
声
去
如表
4
所示
:
。
可 以看到
、
声 调 在 三 音 节 词 中的
四 音 节 词 中分 布 的 基
一 几
上 于 ,
厂下一 ,
) 门
一
! 一
于
分 布 还保 留着 它们 在 双 本特点 阴平
语 文研 宪 与应 用
普 通 话 声 调 分 布 和 声 调 结 构 预 度
刘 连元
。 、
马亦 凡
汉 语是 声 调 语 言
普 通 话 声 调的 类 型
、
连
,
占六分 之 一 左 右
,
。
读变 调
、
辨 义 功 能 以 及 同语 调
。
语境 的 关系呈
1
现 出极 为复 杂 的 情 况 除 了定 性 的 描 述 外
` ,
{ }
3。 7 , 毛, 6,
节 词 中的分 布 与在 双 音 节 词 中 的分 布 具 有相 同 的特 点 (见图

国家语委现代汉语通⽤平衡语料库国家语委现代汉语通⽤平衡语料库标注语料库数据及使⽤说明1. 国家语委现代汉语通⽤平衡语料库1.1 语料库全库国家语委现代汉语通⽤平衡语料库全库约为1亿字符，其中1997年以前的语料约7000万字符，均为⼿⼯录⼊印刷版语料；1997之后的语料约为3000万字符，⼿⼯录⼊和取⾃电⼦⽂本各半。

语料库的通⽤性和平衡性通过语料样本的⼴泛分布和⽐例控制实现。

语料库类别分布如下所⽰：1.2 标注语料库标注语料库为国家语委现代汉语通⽤平衡语料库全库的⼦集，约5000万字符。

标注是指分词和词类标注，已经经过3次⼈⼯校对，准确率⼤于>98%。

语料库全库按照预先设计的选材原则进⾏平衡抽样，以期达到更好的代表性。

标注语料库在样本分布⽅⾯近似于全库，不破坏语料选材的平衡原则。

标注语料库类别分布如下所⽰：标注语料库与全库的样本分布⽐较如下所⽰：（蓝⾊曲线为语料库全库；红⾊曲线为标注语料库）2. 国家语委现代汉语通⽤平衡语料库语料选材与样本分布2.1 选材原则依据材料内容，选材⼤体作如下分类：（下⽂字数为建库时数据）2.1.1 教材⼤中⼩学教材单作⼀类，约2000万字。

2.1.2 ⼈⽂与社会科学的语⾔材料约占全库的60%，共3000万字，包括：·政法（含哲学、政治、宗教、法律等）；·历史（含民族等）·社会（含社会学、⼼理、语⾔、教育、⽂艺理论、新闻学、民俗学等）；·经济；·艺术（含⾳乐、美术、舞蹈、戏剧等）；·⽂学（含⼝语）；·军体；·⽣活（含⾐⾷住⾏等⽅⾯的普及读物）。

2.1.3 ⾃然科学（含农业、医学、⼯程与技术）的语⾔材料，应涉及其发展的各个领域。

拟从⼤、中、⼩学教材和科普读物中选取。

其中，科普读物约占6%，共300万字。

教材字数另计。

2.1.4 报刊。

以1949年以后正式出版的由国家、省、市及各个部委主办的报纸和综合性刊物为主，兼顾1949年以前的报纸和综合性刊物。

本科生毕业论文题目：自动标注汉语多音词Automatic Tagging of Chinese Polyphony Word and Related Research姓名：何辉辉学号：00748250院系：信息科学技术学院专业：计算机科学与技术指导教师：段慧明二〇二二年三月二十三日摘要汉语中存在着一字多音现象，很多高频字都具有两种或更多的读音，而这些多音字的读音并没有统一的规则可循。

汉语多音词的自动标注，即将汉字序列转换成相应的拼音序列，是语音合成(TTS)系统的关键步骤。

由于汉语文化的多义性和上下文相关性等原因，目前的汉语注音系统很难达到100%的正确率。

本文研究了多音词的读音规律，总结了中文分词和词性标记的相关技术；设计了汉语多音词的注音系统，重点研究词性标记串的注音问题；本系统由Java 语言和MySQL数据库设计，采用统计与规则相结合的注音方法，通过不断完善总词表，尽可能提高注音准确率。

从测试结果来看，系统对于封闭测试的正确率达到95.2%，基本满足现有要求，具有良好的实用性；随着数据库的逐渐完善，正确率还将不断提高。

关键词：汉语多音词；词性标记；自动注音；统计与规则。

Automatic Tagging of Chinese Polyphony Word and Related ResearchAbstractIn Chinese, there are many frequently used characters, which have more than one pronunciation, and how to automatically tag those characters correctly is a key step in TTS system. However, because the pronunciation of a certain character is related to its context and may have ambiguity, it's very hard to find a universal rule. As a result, current systems can hardly achieve a 100% precision.This thesis researched the law on Chinese polyphone words’ pronunciation, and summarized the related techniques on Chinese segmentation and POS tagging. In our work, we designed a pinyin tagging system, which was designed by Java and MySQL database, to focus on the problem after POS tagging. We proposed an algorithm that combined the traditional statistical method and heuristic rules to achieve a better result. Moreover, we also conducted extensive experiments, and the result showed that it can achieve accuracy of 95.2%; with the improvement of word database, its accuracy will continually increase.Key words：Chinese Polyphony Word; POS Tagging;Automatic Tagging; Statistics and Rules.目录摘要 (2)Abstract (3)第一章绪论 (5)1.1问题背景和研究意义 (5)1.2 发展现状 (5)1.3 本文组织结构 (6)第二章汉字读音 (6)2.1 多音字与多音词 (6)2.2 汉语读音分类 (7)2.3 汉语读音规律 (7)第三章分词与词性标注 (9)3.1 分词定义 (9)3.2 现有分词技术 (9)3.3 N元模型 (11)3.4 词性标注定义 (11)3.5 词性标注技术 (11)3.6 隐马尔可夫模型 (13)第四章汉语拼音标注 (15)4.1 标音定义 (15)4.2 现有拼音标注技术 (15)4.3规则与统计相结合的注音方法 (16)第五章多音词注音系统的实现 (17)5.1 注音系统简介 (17)5.2 开发环境 (17)5.3数据库表结构 (17)5.4 注音流程 (19)5.5 功能测试 (20)第六章总结与展望 (21)参考文献 (22)致谢 (23)第一章绪论1.1问题背景和研究意义随着计算机和Internet网络技术在全球范围内的飞速发展，计算机应用日益渗透到人们日常生活的各个方面；而语言的高效交流，是社会正常运作的基础。