信息處理用彝文特殊詞類分詞規則概述

摘要：分詞技術是中文所特有的計算機自然語言處理技術，而分詞規則是實現分詞技術的前提。彝文分詞規則的制定是彝文信息處理技術最重要的組成部分。本文詳細制定了彝文信息技術特殊詞類的分詞規則，為彝文信息處理向智能化階段邁進打好最堅實的基礎。

關鍵詞：分詞 彝文分詞 分詞規則

分詞技術是中文信息處理技術的基礎，先進的計算機自然語言處理技術要進入中文信息領域，首先要解決的就是分詞問題，計算機彝文信息處理同樣面臨這個問題。

在彝文信息技術領域，計算機在執行彝文文本或語句的分詞程序命令時，都要遵循一定的規則，即是彝文分詞規則。彝文分詞規則的制定為彝文信息處理技術向智能化階段邁進提供了可能。

一、基本概念解釋

詞：能獨立運用的最小的語言單位。

詞組：由兩個或兩個以上的詞，按一定的語法規則組成、表達一定意義的語言單位。

彝文分詞：基于彝文信息處理的需要，按照一定的方法，對彝文按分詞單位進行切分的過程。

彝文分詞單位：用于彝文信息處理并具有明確的語義或者語法功能的基本的單位。

彝文分詞技術：基于彝文信息處理的需要，按照一定的方法，對彝文按分詞單位進行切分的技術。

二、彝文分詞規則概述

本規則以彝文分詞為目的，根據彝文的特點及規律，規定基于信息處理的彝文分詞原則。

1.標點符號或空格是計算機彝文分詞的最明顯的分隔標記。其包括：逗號“，”、句號“。”、冒號“：”、頓號“、”、嘆號“！”、分號“；”、問號“？”、引號““””、括號“（）”、破折號“——”、書名號“《》”、省略號“……”、間隔號“·”、正斜杠“/” 及連接號“-”等。

2.單音詞直接為分詞單位。如，名詞單音詞：“syr”（木）、“chyt”（山羊）、“jji”（蜜蜂）等；動詞單音詞：“ndup”（打）、“zze”（吃）、“ngop”（想）等；形容詞單音詞：“zhet”（可以）、“he”（好）、“vat”（好）等；數詞單音詞：“cyp”（一）、“ggu”（九）、“hxa”（百）、“dur”（千）等；代詞單音詞：“nga”（我）、“cy”（他）、“nop”（你們）、“xix”（什么）等；量詞單音詞：“jo”（圈）、“ji”（條）、“vit”（次）等。

3.雙音詞或三音詞，以及結合緊密、使用穩定的雙音詞或三音詞詞組，一律為分詞單位。如：“pobbo”（旗子）、“bboxrre”（超過）、“kaxddi”（誰）、“gopchadax”（共產黨）、“vitcyjy”（洗衣機）等。

4.四音詞或四字成語以及結合緊密、使用穩定的四字詞組，一律為分詞單位。如：“nyopbbopzaxie”（勞動）、“rremoplatma”（錢財）、“suopnyiesotnyie”（優柔寡斷）、“coddiemujy”（人造衛星）等。

5.五音或五音以上的格言、諺語等，切開后若沒違背原來組合之意義，則應予切分。如：“apshuggaapbbu，shuxneggaqujjip（不走無路，走了成大道）”等。

6.習慣用語、轉義后的詞（詞組）等，在轉義后的語境下一律為分詞單位。如：“ngaixgodadiepbburjyhxep”（我在家看電視）、“sihnimomyggurxpadur”（女人頂半邊天）、“ngaxlisypchuohmatmopyyssoxddegossoxddursu（我畢業于四川師范大學）”等。

7.略語一律為分詞單位。如：“sexwox”（省委）、“zhozhepfux”（州政府）、“getmonyop”（工農業）等。

8.外來詞一律為分詞單位。如：“kafi”（咖啡）、“hoxche”（火車）等。

9.不同的語義環境中的同形異構現象，根據具體的語言環境的語義，按本規則進行靈活的切分。如：“muxqielotyijjyyi！”（木且的手很癢）、“muxqielotyizzipnditnjuo。”（木且戴了雙手套）等。

三、分詞規則在特殊詞類上的具體說明

1.專用名詞

（1）不能單獨存在且必須保持原有意義的地名，不予切分。如：“athxopnoyy”（安寧河）、“ndapssypbbo”（瀘山）等。

（2）有關時間的名詞或名詞詞組的分詞規則

<1>一年中的十二個月以及每周當中的七天，一律為分詞單位。如：“lyhlep”（四月）、“cixzyhlep”（十一月）、“muhlep”（馬月）、“netat”（周日）、“netatsuo”（周三）等。

<2>“年、日、時、分、秒”分別為分詞單位。如：“2008kut12hlep29nyip22ma20fi15mi”中的“kut”、“hlep”、“nyip”、“ma”、“fi”、“mi”為分詞單位。

<3>“miep（前）”、“liexmiep（之前）”、“wa（后）”、“shoxmo” 、“nyiethxa” 等直接與時間名詞或量詞組合時，切分為獨立的分詞單位。如：“miepddiepkut”（前一年）、“waxddiepkut”（第二年）、“shoxmocypkur”（前年）等。

<4>“dduo”或“dduox”（上半月）和“yy”或“yyx”（下半月）加十五及以內的數字一律為分詞單位。如：“dduocypnyip”（月初一）、“dduoxngenyip”（月初五）等。

2.特殊動詞

（1）動詞重疊使用時，不作獨立切分。如：“hxephxex”（看看）、“ggepwu”（玩玩）、“mahxajjipwu”（下雨嗎）、“ddejjixwu”（知道嗎）等。

（2）動詞前的否定副詞一律單獨切分為分詞單位。如：“apmu”（不做）、“tatzhet”（別壓）等。

（3）以肯定加否定來表示疑問的詞組應以切分，省略的則不予切分。如：“zhetddapapzhet”（行不行）、“hmubiddaphmuapbi”（清不清楚）；省略句也即是動詞的重疊使用，如“hxipwu”（說不說）、“njypwu”（信不信）等。

（4）結構緊密或使用穩定的二字動補詞或詞組，不予切分。如：“yundox”（逮住）、“shuzzi”（做得好）、“katsy”（開心）、“hxippie”（說明）等。

三字和三字以上的動補詞組一律切分。如：“zzenjixguo”（吃太快）、“ddiexhmozzi”（打扮得好）\"等。

（5）復合趨向動詞一律為分詞單位。如：“hxiyipyy”（回去）、“hxiyipli”（回去）、“bbopyy”（進去）等。

趨向動詞中間插入“ap”時應予切分。如：“kuxapla”（不進來）、“bbopapyy”（不去）、“mgotapla”（上不去）等。

3.形容詞

（1）形容詞的重疊形式ABB、AABB、ABAB、ABCB、ABAC一律為分詞單位。如：“kanratwu”（美麗無比）、“kaxguowu”（強大無比）、“aquwu”（白白）、“axnuowu”（黑漆漆）等。

（2）各自保持原有語義的并列形容詞或詞組，應予切分。如：“aquahni”（紅白）、“ietzyraxyy”（大小）、“ajjyixjjy”（寬窄）、“axguoixnu”（軟硬）、“nryndonryyit”（喝酒醉酒）等。

（下轉第2頁）

（上接第3頁）

4.駢儷詞

現代彝文中的駢儷詞十分豐富，屬于彝文語詞中十分活躍的部分。這些詞與一般的詞匯相比，具有很多獨特的風格，所以我們規定駢儷詞一律為分詞單位。

（1）從音節數目來看，彝文駢儷詞有雙音和四音兩種。

<1>雙音駢儷詞舉例：“zzayy”（糧食）、“hxophmat”（教育）、“sithly”（殺戮）等。

<2>四音駢儷詞舉例：“vuplutvupga”（鄰居）、“bboxshoganzyt”（清潔）等。

（2）從語音形式上看，可分為AABB式、ABAC式、ABCB式、ABCD式、ABAB式等。

<1>AABB式駢儷詞舉例：“zzipwunyopwu”（剩余）、“nguoxwuxiewu”（規矩）等。

<2>ABAC式駢儷詞舉例：“syrxysyrlot”（樹枝）、“lytcilytmop”（利息）、“axbbiala”（渣滓）、“mugumuhlit”（電閃雷鳴）等。

<3>ABCB式駢儷詞舉例：“muxddewaxdde”（土地）、“bbutcyhlurcy”（中草藥）、“ggupddieggaxddie”（修路）等。

<4>ABCD式駢儷詞舉例：“mupnyopvixke”（糾紛）、“nyopbbopzaxie”（勞動）、“hmubizazzyt”（清楚）等。

<5>ABAB式駢儷詞舉例：“voplevoxle”（猶豫不決）、“tiplitixli”（疙疙瘩瘩）等 。

四、結語

彝文信息處理起步于20世紀80年代初期，“沙馬拉毅輸入法”的問世打破千年的沉寂，使古老的彝文插上了信息化的翅膀。之后，彝文輸入系統被廣泛應用于出版社、報社、印刷廠、教學、科研、辦公自動化等領域，不斷地走向成熟和完善。彝文信息處理的下一步工作重點將轉移到詞、句和篇章的處理，信息處理用彝文特殊詞類分詞規則正是基于這個目標而制定的，但由于剛起步，有許多基礎性研究工作需要進一步展開，我們只有在實踐中不斷改進和完善這些規則，才能推動彝文信息處理研究領域向更深層次發展。

參考文獻：

[1]沙馬拉毅.計算機彝文信息處理[M].四川民族出版社，2000-03.

[2]劉開瑛.中文文本自動分詞和標注[M].商務印書館，2000-05.