中文詞義全文標記語料庫之設計與雛形製作

詞義標示語料庫對自然語言處理佔有很重要的地位，尤其反映在訊息特徵及自然語言理解之研究上，但目前大規模之中文詞義標示語料庫卻付之闕如。本文設計出一個超過11萬詞的大規模中文詞義全文標示語料集，以中研院平衡語料庫為標示對象，從中摘錄56篇完整文章，利用N-Gram與搭配資訊等語言知識，並結合機器學習技巧以及機率模式的方式作為處理自動詞義標示的前置作業工作，最後為達高精確度之效果，再將自動產生之標示結果經由人工校訂而成。