几个开源分词系统所使用标注集的来源

1

Ag       

形语素

形容词性语素。形容词代码为a，语素代码ｇ前面置以A。

绿色/n  似/d  锦/Ag ，

2

a          

形容词          

取英语形容词adjective的第1个字母

[重要/a  步伐/n]NP  ，

美丽/a  ，

看似/v  抽象/a  ，

3

ad         

副形词          

直接作状语的形容词。形容词代码a和副词代码d并在一起。

[积极/ad  谋求/v]V-ZZ  ，

幻象/n  易/ad  逝/Vg  ，

4

an         

名形词          

具有名词功能的形容词。形容词代码a和名词代码n并在一起。

[外交/n  和/c    安全/an]NP-BL  ，

5

Bg

区别语素

区别词性语素。区别词代码为b，语素代码ｇ前面置以B。

赤/Ag  橙/Bg  黄/a  绿/a  青/a  蓝/a  紫/a  ，

6

b          

区别词          

取汉字“别”的声母。

女/b 司机/n，  金/b 手镯/n，    慢性/b 胃炎/n， 古/b 钱币/n,                   副/b 主任/n，  总/b 公司/n

单音节区别词和单音节名词或名语素组合，作为一个词，并标以名词词性n。    

雄鸡/n， 雌象/n， 女魔/n，   古币/n

少数“单音节区别词+双音节词”的结构作为一个词。

总书记/n ，

7

c          

连词            

取英语连词conjunction的第1个字母。

合作/vn  与/c  伙伴/n

8

Dg         

副语素          

副词性语素。副词代码为d，语素代码ｇ前面置以D。

了解/v  甚/Dg  深/a  ，

煞/Dg  是/v  喜人/a  ，

9

d          

副词            

取adverb的第2个字母，因其第1个字母已用于形容词。

进一步/d  发展/v  ，

10

e          

叹词            

取英语叹词exclamation的第1个字母。

啊/e  ，/w  那/r  金灿灿/z  的/u  麦穗/n  ，

11

f          

方位词          

取汉字“方”。

军人/n  的/u  眼睛/n  里/f  不/d  是/v  没有/v  风景/n  ，

12

h         前接成分        

取英语head的第1个字母。

许多/m  非/h  主角/n  人物/n  ,

办事处/n  的/u  “/w  准/h  政府/n  ”/w  功能/n  不断/d  加强/v  ,

13

i         成语            

取英语成语idiom的第1个字母。

一言一行/i  ,

义无反顾/i  ,

14

j         简称略语       

取汉字“简”的声母。

[德/j  外长/n]NP  ,

文教/j  ,

15

k                　

后接成分。

少年儿童/l  朋友/n  们/k  ,

身体/n  健康/a  者/k  ,

16

l         习用语          

习用语尚未成为成语，有点“临时性”，取“临”的声母。

少年儿童/l  朋友/n  们/k  ,

落到实处/l  ,

17

Mg

数语素

数词性语素。数词代码为m，语素代码ｇ前面置以M。

甲/Mg  减下/v  的/u  人/n  让/v  乙/Mg  背上/v  ,

凡/d  “/w  寅/Mg  年/n  ”/w  中/f  出生/v  的/u  人/n  生肖/n  都/d  属/v  虎/n  ,

18

m         数词            

取英语numeral的第3个字母，n，u已有他用。

1．数量词组应切分为数词和量词。       三/m 个/q,    10/m  公斤/q,    一/m  盒/q  点心/n  ,

但少数数量词已是词典的登录单位，则不再切分。

 一个/m  ,   一些/m  ,

2.   基数、序数、小数、分数、百分数一律不予切分，为一个切分单位，标注为 m 。

一百二十三/m，20万/m，  123.54/m,    一个/m,   第一/m， 第三十五/m，   20%/m，  三分之二/m， 千分之三十/m,  几十/m 人/n， 十几万/m 元/q，    第一百零一/m 个/q  ,

3.   约数，前加副词、形容词或后加“来、多、左右”等助数词的应予分开。

约/d 一百/m 多/m 万/m，仅/d 一百/m 个/q， 四十/m 来/m 个/q，二十/m 余/m 只/q， 十几/m 个/q，三十/m 左右/m    ，

两个数词相连的及“成百”、“上千”等则不予切分。

五六/m 年/q， 七八/m 天/q，十七八/m    岁/q，  成百/m 学生/n，上千/m    人/n，    

4．表序关系的“数＋名”结构，应予切分。

二/m  连/n ，　三/m    部/n  ,

19

Ng        名语素          

名词性语素。名词代码为n，语素代码ｇ前面置以N。

出/v 过/u 两/m 天/q 差/Ng,     

理/v 了/u 一/m 次/q 发/Ng,

20

n         名词            

取英语名词noun的第1个字母。

（参见 动词–v）

岗位/n  ,  城市/n  ,  机会/n  ,

她/r  是/v  责任/n  编辑/n  ,
  ( 编辑/v  科技/n  文献/n )

21

nr        人名            

名词代码n和“人(ren)”的声母并在一起。

1. 汉族人及与汉族起名方式相同的非汉族人的姓和名单独切分，并分别标注为nr。

张/nr 仁伟/nr，    欧阳/nr 修/nr，  阮/nr   志雄/nr，  朴/nr 贞爱/nr

汉族人除有单姓和复姓外，还有双姓，即有的女子出嫁后，在原来的姓上加上丈夫的姓。如：陈方安生。这种情况切分、标注为：陈/nr  方/nr  安生/nr；唐姜氏，切分、标注为：唐/nr  姜氏/nr。

2. 姓名后的职务、职称或称呼要分开。

江/nr 主席/n，    小平/nr 同志/n，   江/nr   总书记/n，张/nr 教授/n，     王/nr 部长/n，     陈/nr 老总/n，               李/nr 大娘/n，     刘/nr 阿姨/n，    龙/nr 姑姑/n

3. 对人的简称、尊称等若为两个字，则合为一个切分单位，并标以nr。

老张/nr， 大李/nr， 小郝/nr,   郭老/nr，  陈总/nr

4. 明显带排行的亲属称谓要切分开，分不清楚的则不切开。

三/m 哥/n，     大婶/n，    大/a 女儿/n，  大哥/n,  小弟/n,   老爸/n

5. 一些著名作者的或不易区分姓和名的笔名通常作为一个切分单位。

鲁迅/nr，  茅盾/nr，  巴金/nr，   三毛/nr，  琼瑶/nr，  白桦/nr

6. 外国人或少数民族的译名（包括日本人的姓名）不予切分，标注为nr。

克林顿/nr，  叶利钦/nr， 才旦卓玛/nr， 小林多喜二/nr， 北研二/nr,

华盛顿/nr，  爱因斯坦/nr

有些西方人的姓名中有小圆点，也不分开。

卡尔·马克思/nr   

22

ns        地名            

名词代码n和处所词代码s并在一起。

（参见2。短语标记说明–NS）

安徽/ns，深圳/ns，杭州/ns，拉萨/ns，哈尔滨/ns，  呼和浩特/ns，          乌鲁木齐/ns，长江/ns，黄海/ns，太平洋/ns， 泰山/ns， 华山/ns，亚洲/ns,    海南岛/ns，太湖/ns，白洋淀/ns,  俄罗斯/ns，哈萨克斯坦/ns，彼得堡/ns，   伏尔加格勒/ns

1.   国名不论长短，作为一个切分单位。

中国/ns， 中华人民共和国/ns， 日本国/ns，    美利坚合众国/ns， 美国/ns

2.   地名后有“省”、“市”、“县”、“区”、“乡”、“镇”、“村”、“旗”、“州”、“都”、“府”、“道”等单字的行政区划名称时，不切分开，作为一个切分单位。

四川省/ns， 天津市/ns，景德镇/ns沙市市/ns，   牡丹江市/ns，正定县/ns，海淀区/ns,  通州区/ns，东升乡/ns，  双桥镇/ns  南化村/ns，华盛顿州/ns，俄亥俄州/ns，东京都/ns，   大阪府/ns，北海道/ns， 长野县/ns，开封府/ns，宣城县/ns

3.   地名后的行政区划有两个以上的汉字，则将地名同行政区划名称切开，不过要将地名同行政区划名称用方括号括起来，并标以短语NS。

[芜湖/ns 专区/n] NS，

[宣城/ns 地区/n]ns，

[内蒙古/ns 自治区/n]NS，

[深圳/ns 特区/n]NS，

[厦门/ns 经济/n 特区/n]NS，   

[香港/ns 特别/a  行政区/n]NS，

[香港/ns 特区/n]NS，          

[华盛顿/ns  特区/n]NS,

4.   地名后有表示地形地貌的一个字的普通名词，如“江、河、山、洋、海、岛、峰、湖”等，不予切分。

鸭绿江/ns，亚马逊河/ns, 喜马拉雅山/ns,   珠穆朗玛峰/ns，地中海/ns，大西洋/ns，洞庭湖/ns， 塞普路斯岛/ns  

5.   地名后接的表示地形地貌的普通名词若有两个以上汉字，则应切开。然后将地名同该普通名词标成短语NS。

[台湾/ns 海峡/n]NS，[华北/ns 平原/n]NS，[帕米尔/ns 高原/n]NS，           [南沙/ns 群岛/n]NS，[京东/ns 大/a 峡谷/n]NS    [横断/b 山脉/n]NS

6．地名后有表示自然区划的一个字的普通名词，如“ 街，路，道，巷，里，町，庄，村，弄，堡”等，不予切分。      

中关村/ns，长安街/ns，学院路/ns，  景德镇/ns, 吴家堡/ns, 庞各庄/ns，  三元里/ns，彼得堡/ns, 北菜市巷/ns,  

7．地名后接的表示自然区划的普通名词若有两个以上汉字，则应切开。然后将地名同自然区划名词标成短语NS。

[米市/ns 大街/n]NS, [蒋家/nz 胡同/n]NS  , [陶然亭/ns 公园/n]NS  , 

8． 大小地名相连时的标注方式为：

北京市/ns 海淀区/ns 海淀镇/ns [南/f 大街/n]NS [蒋家/nz 胡同/n]NS 24/m 号/q  ,

23

nt        机构团体       

“团”的声母为t，名词代码n和t并在一起。

（参见2。短语标记说明–NT）

联合国/nt，中共中央/nt，国务院/nt，  北京大学/nt

1．大多数团体、机构、组织的专有名称一般是短语型的，较长，且含有地名或人名等专名，再组合，标注为短语NT。

[中国/ns 计算机/n 学会/n]NT，  

[香港/ns 钟表业/n 总会/n]NT, 

[烟台/ns 大学/n]NT, 

[香港/ns  理工大学/n]NT, 

[华东/ns  理工大学/n]NT,

[合肥/ns 师范/n 学院/n]NT，  

[北京/ns 图书馆/n]NT,          

[富士通/nz 株式会社/n]NT,

[香山/ns 植物园/n]NT,          

[安娜/nz 美容院/n]NT，

[上海/ns 手表/n 厂/n]NT，      

[永和/nz 烧饼铺/n]NT，

[北京/ns 国安/nz 队/n]NT,

2.   对于在国际或中国范围内的知名的唯一的团体、机构、组织的名称即使前面没有专名，也标为nt或NT。

联合国/nt,国务院/nt，外交部/nt，  财政部/nt，教育部/nt, 国防部/nt，

[世界/n 贸易/n 组织/n]NT，   

[国家/n 教育/vn 委员会/n]NT，

[信息/n 产业/n 部/n]NT，

[全国/n 信息/n 技术/n 标准化/vn 委员会/n]NT，

[全国/n 总/b 工会/n]NT，

[全国/n 人民/n 代表/n 大会/n]NT，

美国的“国务院”，其他国家的“外交部、财政部、教育部”，必须在其所属国的国名之后出现时，才联合标注为NT。

[美国/ns 国务院/n]NT，

[法国/ns 外交部/n]NT，

[美/j 国会/n]NT，

日本有些政府机构名称很特别，无论是否出现在“日本”国名之后都标为nt。

[日本/ns 外务省/nt]NT，

[日/j 通产省/nt]NT

通产省/nt      

3.   前后相连有上下位关系的团体机构组织名称的处理方式如下:

[联合国/nt  教科文/j  组织/n]NT， [中国/ns    银行/n  北京/ns  分行/n]NT，

[河北省/ns  正定县/ns  西平乐乡/ns  南化村/ns  党支部/n]NT，

 当下位名称含有专名（如“北京/ns 分行/n”、“南化村/ns 党支部/n”、“昌平/ns 分校/n”）时，也可脱离前面的上位名称单独标注为NT。

[中国/ns 银行/n]NT  [北京/ns 分行/n]NT，

北京大学/nt  [昌平/ns  分校/n]NT，4. 团体、机构、组织名称中用圆括号加注简称时:

[宝山/ns  钢铁/n （/w 宝钢/j ）/w  总/b  公司/n]NT，

[宝山/ns  钢铁/n  总/b  公司/n]NT，（/w 宝钢/j ）/w

24

nx

外文字符

外文字符。

A/nx    公司/n ，B/nx  先生/n  ，X/nx  君/Ng  ,

24/m    K/nx  镀金/n ,

C/nx    是/v  光速/n ,

Windows98/nx ,

PentiumIV/nx ,

I LOVE THIS GAME/nx    ,

25

nz        其他专名         。

“专”的声母的第1个字母为z，名词代码n和z并在一起。

（参见2。短语标记说明–NZ）

除人名、国名、地名、团体、机构、组织以外的其他专有名词都标以nz。

满族/nz，俄罗斯族/nz，汉语/nz，罗马利亚语/nz， 捷克语/nz，中文/nz,  英文/nz， 满人/nz， 哈萨克人/nz， 诺贝尔奖/nz，   茅盾奖/nz,

1.包含专有名称（或简称）的交通线，标以nz；短语型的，标为NZ。

津浦路/nz， 石太线/nz，

[京/j  九/j  铁路/n]NZ,

[京/j  津/j  高速/b  公路/n]NZ， 

2.   历史上重要事件、运动等专有名称一般是短语型的，按短语型专有名称处理，标以NZ。

[卢沟桥/ns  事件/n]NZ, [西安/ns  事变/n]NZ，[五四/t  运动/n]NZ,  [明治/nz  维新/n]NZ，[甲午/t    战争/n]NZ,

3.专有名称后接多音节的名词，如“语言”、“文学”、“文化”、“方式”、“精神”等，失去专指性，则应分开。

欧洲/ns  语言/n，    法国/ns  文学/n，    西方/ns  文化/n， 贝多芬/nr    交响乐/n,  雷锋/nr  精神/n,  美国/ns  方式/n，日本/ns    料理/n，  宋朝/t  古董/n

4.   商标（包括专名及后接的“牌”、“型”等）是专指的，标以nz，但其后所接的商品仍标以普通名词n。

康师傅/nr  方便面/n,  中华牌/nz 香烟/n,    牡丹III型/nz  电视机/n,  联想/nz  电脑/n,  鳄鱼/nz  衬衣/n，  耐克/nz  鞋/n

5.   以序号命名的名称一般不认为是专有名称。

2/m  号/q  国道/n ，十一/m    届/q  三中全会/j

如果前面有专名，合起来作为短语型专名。

[中国/ns  101/m    国道/n]NZ, [中共/j  十一/m  届/q  三中全会/j]NZ,

6.   书、报、杂志、文档、报告、协议、合同等的名称通常有书名号加以标识，不作为专有名词。由于这些名字往往较长，名字本身按常规处理。

《/w  宁波/ns  日报/n  》/w ，《/w    鲁迅/nr  全集/n  》/w,

中华/nz  读书/vn  报/n,       杜甫/nr  诗选/n，

少数书名、报刊名等专有名称，则不切分。红楼梦/nz， 人民日报/nz，儒林外史/nz 

7.   当有些专名无法分辨它们是人名还是地名或机构名时，暂标以nz。

[巴黎/ns  贝尔希/nz   体育馆/n]NT,

其中“贝尔希”只好暂标为nz。

26

o         拟声词          

取英语拟声词onomatopoeia的第1个字母。

哈哈/o  一/m  笑/v ,

装载机/n  隆隆/o  推进/v  ,

27

p         介词            

取英语介词prepositional的第1个字母。

对/p  子孙后代/n  负责/v  ,

以/p  煤/n  养/v  农/Ng  ,

为/p  治理/v  荒山/n  服务/v  ,

把/p  青年/n  推/v  上/v  了/u  领导/vn  岗位/n ,

28

q         量词            

取英语quantity的第1个字母。

（参见数词m）

首/m  批/q  ,

一/m  年/q  ,

29

Rg

代语素

代词性语素。代词代码为r,在语素的代码g前面置以R。

读者/n  就/d  是/v  这/r  两/m  棵/q  小树/n  扎根/v  于/p  斯/Rg  、/w  成长/v  于/p  斯/Rg  的/u  肥田/n  沃土/n  ,

30

r         代词            

取英语代词pronoun的第2个字母,因p已用于介词。

单音节代词“本”、“每”、“各”、“诸”后接单音节名词时，和后接的单音节名词合为代词；当后接双音节名词时，应予切分。

本报/r，    每人/r，  本社/r，  

本/r 地区/n，    

各/r 部门/n

31

s         处所词          

取英语space的第1个字母。

家里/s  的/u  电脑/n  都/d  联通/v  了/u  国际/n  互联网/n  ,

西部/s  交通/n  咽喉/n  ,

32

Tg        时语素          

时间词性语素。时间词代码为t,在语素的代码g前面置以T。

３日/t  晚/Tg  在/p  总统府/n  发表/v  声明/n  ,

尊重/v  现/Tg  执政/vn  当局/n  的/u  权威/n  ,

33

t         时间词          

取英语time的第1个字母。

1.   年月日时分秒，按年、月、日、时、分、秒切分，标注为t 。

1997年/t  3月/t  19日/t  下午/t  2时/t  18分/t

若数字后无表示时间的“年、月、日、时、分、秒”等的标为数词m。

1998/m  中文/n  信息/n  处理/vn  国际/n  会议/n

2.   历史朝代的名称虽然有专有名词的性质，仍标注为t。

西周/t，    秦朝/t， 东汉/t，  南北朝/t，    清代/t

“牛年、虎年”等一律不予切分，标注为：

牛年/t, 虎年/t,    甲午年/t，  甲午/t 战争/n，    庚子/t  赔款/n,   戊戌/t 变法/n

34

u         助词            

取英语助词auxiliary。

[[俄罗斯/ns  和/c  北约/j]NP-BL  之间/f  [战略/n  伙伴/n  关系/n]NP  的/u  建立/vn]NP  填平/v  了/u  [[欧洲/ns  安全/a  政治/n]NP  的/u  鸿沟/n]NP 

35

Vg        动语素          

动词性语素。动词代码为v。在语素的代码g前面置以V。

洗/v 了/u 一个/m 舒舒服服/z 的/u 澡/Vg

36

v         动词            

取英语动词verb的第一个字母。

（参见 名词–n）

[[[欧盟/j  扩大/v]S  的/u  [历史性/n  决定/n]NP]NP  和/c  [北约/j  开放/v]S]NP-BL  [为/p  [创建/v  [一/m  种/q  新/a  的/u  欧洲/ns  安全/a  格局/n]NP]VP-SBI]PP-MD  [奠定/v  了/u  基础/n]V-SBI  ,

,
  编辑/v  科技/n  文献/n , (她/r  是/v  责任/n  编辑/n  )

37

vd        副动词          

直接作状语的动词。动词和副词的代码并在一起。

形势/n  会/v  持续/vd  好转/v  ,

认为/v  是/v  电话局/n  收/v  错/vd  了/u  费/n  ,

38

vn        名动词          

指具有名词功能的动词。动词和名词的代码并在一起。

引起/v  人们/n  的/u  关注/vn  和/c  思考/vn  ,

收费/vn  电话/n  的/u  号码/n  ,

39

w         标点符号         　

”/w 

：/w 

40

x         非语素字        

非语素字只是一个符号，字母x通常用于代表未知数、符号。

41

Yg

语气语素

语气词性语素。语气词代码为y。在语素的代码g前面置以Y。

唯/d  大力/d  者/k  能/v  致/v  之/u  耳/Yg 

42

y         语气词          

取汉字“语”的声母。

会/v  泄露/v  用户/n  隐私/n  吗/y  ,

又/d  何在/v  呢/y  ？

43

z         状态词          

取汉字“状”的声母的前一个字母。

取得/v  扎扎实实/z  的/u  突破性/n  进展/vn  ,

四季/n  常青/z  的/u  热带/n  树木/n  ,

短短/z  几/m  年/q  间,