自然语言处理之词性标注集

词性标注（Part-of-Speech tagging 或POS tagging)，又称词类标注或者简称标注，是指为 分词结果中的每个单词标注一个正确的词性的程序，也即确定每个词是名词、动词、形容词或其他词性的过程。词主要可以分为以下2类：

• 实词：名词、动词、形容词、状态词、区别词、数词、量词、代词
• 虚词：副词、介词、连词、助词、拟声词、叹词。

这篇文章梳理的不是如何进行词性标注，而是介绍一些常用的词性标注集。

《PFR人民日报标注语料库》词性编码表

PFR语料库是对人民日报1998年上半年的纯文本语料进行了词语切分和词性标注制作而成的，严格按照人民日报的日期、版序、文章顺序编排的。文章中的每个词语都带有词性标记。目前的标记集里有26个基本词类标记（名词n、时间词t、处所词s、方位词f、数词m、量词q、区别词b、代词r、动词v、形容词a、状态词z、副词d、介词p、连词c、助词u、语气词y、叹词e、拟声词o、成语i、习惯用语l、简称j、前接成分h、后接成分k、语素g、非语素字x、标点符号w）外，从语料库应用的角度，增加了专有名词（人名nr、地名ns、机构名称nt、其他专有名词nz）；从语言学角度也增加了一些标记，总共使用了40多个个标记。

代码	名称	举例
a	形容词	最/d 大/a 的/u
ad	副形词	一定/d 能够/v 顺利/ad 实现/v 。/w
ag	形语素	喜/v 煞/ag 人/n
an	名形词	人民/n 的/u 根本/a 利益/n 和/c 国家/n 的/u 安稳/an 。/w
b	区别词	副/b 书记/n 王/nr 思齐/nr
c	连词	全军/n 和/c 武警/n 先进/a 典型/n 代表/n
d	副词	两侧/f 台柱/n 上/ 分别/d 雄踞/v 着/u
dg	副语素	用/v 不/d 甚/dg 流利/a 的/u 中文/nz 主持/v 节目/n 。/w
e	叹词	嗬/e ！/w
f	方位词	从/p 一/m 大/a 堆/q 档案/n 中/f 发现/v 了/u
g	语素	例如dg 或ag
h	前接成分	目前/t 各种/r 非/h 合作制/n 的/u 农产品/n
i	成语	提高/v 农民/n 讨价还价/i 的/u 能力/n 。/w
j	简称略语	民主/ad 选举/v 村委会/j 的/u 工作/vn
k	后接成分	权责/n 明确/a 的/u 逐级/d 授权/v 制/k
l	习用语	是/v 建立/v 社会主义/n 市场经济/n 体制/n 的/u 重要/a 组成部分/l 。/w
m	数词	科学技术/n 是/v 第一/m 生产力/n
n	名词	希望/v 双方/n 在/p 市政/n 规划/vn
ng	名语素	就此/d 分析/v 时/Ng 认为/v
nr	人名	建设部/nt 部长/n 侯/nr 捷/nr
ns	地名	北京/ns 经济/n 运行/vn 态势/n 喜人/a
nt	机构团体	[冶金/n 工业部/n 洛阳/ns 耐火材料/l 研究院/n]nt
nx	字母专名	ＡＴＭ/nx 交换机/n
nz	其他专名	德士古/nz 公司/n
o	拟声词	汩汩/o 地/u 流/v 出来/v
p	介词	往/p 基层/n 跑/v 。/w
q	量词	不止/v 一/m 次/q 地/u 听到/v ，/w
r	代词	有些/r 部门/n
s	处所词	移居/v 海外/s 。/w
t	时间词	当前/t 经济/n 社会/n 情况/n
tg	时语素	秋/Tg 冬/tg 连/d 旱/a
u	助词	工作/vn 的/u 政策/n
ud	结构助词	有/v 心/n 栽/v 得/ud 梧桐树/n
ug	时态助词	你/r 想/v 过/ug 没有/v
uj	结构助词的	迈向/v 充满/v 希望/n 的/uj 新/a 世纪/n
ul	时态助词了	完成/v 了/ ul
uv	结构助词地	满怀信心/l 地/uv 开创/v 新/a 的/u 业绩/n
uz	时态助词着	眼看/v 着/uz
v	动词	举行/v 老/a 干部/n 迎春/vn 团拜会/n
vd	副动词	强调/vd 指出/v
vg	动语素	做好/v 尊/vg 干/j 爱/v 兵/n 工作/vn
vn	名动词	股份制/n 这种/r 企业/n 组织/vn 形式/n ，/w
w	标点符号	生产/v 的/u ５Ｇ/nx 、/w ８Ｇ/nx 型/k 燃气/n 热水器/n
x	非语素字
y	语气词	已经/d ３０/m 多/m 年/q 了/y 。/w
z	状态词	势头/n 依然/z 强劲/a ；/w

《现代汉语语料库加工规范——词语切分与词性标注》词性标记

代码	代码名称	帮助记忆的诠释	例子 及 注解
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 ，
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  ，
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  ，
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  ，
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  ，
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 ，
c	连词	取英语连词conjunction的第1个字母。	合作/vn  与/c  伙伴/n
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  ，
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  ，
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  ，
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  ，
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  ,
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  ,
j	简称略语	取汉字“简”的声母。	[德/j  外长/n]NP  , 文教/j  ,
k	后接成分	后接成分。	少年儿童/l  朋友/n  们/k  , 身体/n  健康/a  者/k  ,
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  ,
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  ,
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  ,
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,
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 )
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
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  ,
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
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  ,
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。
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  ,
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 ,
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  ,
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  ,
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
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  ,
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  ,
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
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
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
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  )
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  ,
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  ,
w	标点符号		”/w ：/w
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。
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
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  ？
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,

计算所 ICTCLAS 3.0汉语词性标记集

计算所汉语词性标记集（共计99个，22个一类，66个二类，11个三类）主要参考了以下词性标记集：

• 北大《人民日报》语料库词性标记集
• 北大2002新版词性标记集（草稿）
• 清华大学汉语树库词性标记集
• 教育部语用所词性标记集（国家推荐标准草案2002版）
• 美国宾州大学中文树库（Chinese Penn Tree Bank）词性标记集

由于中科院计算所的汉语词法分析器主要采用北大《人民日报》语料库进行参数训练，因此本词性标记集主要以北大《人民日报》语料库的词性标记集为蓝本，并参考了北大《汉语语法信息词典》中给出的汉语词的语法信息。

形容词(1个一类，4个二类)

• a 形容词
  • ad 副形词
  • an 名形词
  • ag 形容词性语素
  • al 形容词性惯用语

区别词(1个一类，2个二类)

• b 区别词
  • bl 区别词性惯用语

连词(1个一类，1个二类)

• c 连词
  • cc 并列连词

副词(1个一类)

• d 副词

叹词(1个一类)

• e 叹词

方位词(1个一类)

• f 方位词

前缀(1个一类)

• h 前缀

后缀(1个一类)

• k 后缀

数词(1个一类，1个二类)

• m 数词
  • mq 数量词

名词 (1个一类，7个二类，5个三类)

名词分为以下子类：

• n 名词
  • nr 人名
    • nr1 汉语姓氏
    • nr2 汉语名字
    • nrj 日语人名
    • nrf 音译人名
  • ns 地名
    • nsf 音译地名
  • nt 机构团体名
  • nz 其它专名
  • nl 名词性惯用语
  • ng 名词性语素

拟声词(1个一类)

• o 拟声词

介词(1个一类，2个二类)

• p 介词
  • pba 介词“把”
  • pbei 介词“被”

量词(1个一类，2个二类)

• q 量词
  • qv 动量词
  • qt 时量词

代词(1个一类，4个二类，6个三类)

• r 代词
  • rr 人称代词
  • rz 指示代词
    • rzt 时间指示代词
    • rzs 处所指示代词
    • rzv 谓词性指示代词
  • ry 疑问代词
    • ryt 时间疑问代词
    • rys 处所疑问代词
    • ryv 谓词性疑问代词
  • rg 代词性语素

处所词(1个一类)

• s 处所词

时间词(1个一类，1个二类)

• t 时间词
  • tg 时间词性语素

助词(1个一类，15个二类)

• u 助词
  • uzhe 着
  • ule 了 喽
  • uguo 过
  • ude1 的 底
  • ude2 地
  • ude3 得
  • usuo 所
  • udeng 等 等等 云云
  • uyy 一样 一般 似的 般
  • udh 的话
  • uls 来讲 来说 而言 说来
  • uzhi 之
  • ulian 连 （“连小学生都会”）

动词(1个一类，9个二类)

• v 动词
  • vd 副动词
  • vn 名动词
  • vshi 动词“是”
  • vyou 动词“有”
  • vf 趋向动词
  • vx 形式动词
  • vi 不及物动词（内动词）
  • vl 动词性惯用语
  • vg 动词性语素

标点符号(1个一类，16个二类)

• w 标点符号
  • wkz 左括号，全角：（ 〔 ［  ｛  《 【  〖 〈   半角：( [ { <
  • wky 右括号，全角：） 〕 ］ ｝ 》  】 〗 〉 半角： ) ] { >
  • wyz 左引号，全角：“ ‘ 『
  • wyy 右引号，全角：” ’ 』
  • wj 句号，全角：。
  • ww 问号，全角：？ 半角：?
  • wt 叹号，全角：！ 半角：!
  • wd 逗号，全角：， 半角：,
  • wf 分号，全角：； 半角： ;
  • wn 顿号，全角：、
  • wm 冒号，全角：： 半角： :
  • ws 省略号，全角：…… …
  • wp 破折号，全角：—— －－   ——－   半角：—  —-
  • wb 百分号千分号，全角：％ ‰ 半角：%
  • wh 单位符号，全角：￥ ＄ ￡ °  ℃  半角：$

字符串(1个一类，2个二类)

• x 字符串
  • xx 非语素字
  • xu 网址URL

语气词(1个一类)

• y 语气词(delete yg)

状态词(1个一类)

• z 状态词

HanLP词性标注集

HanLP使用的HMM词性标注模型训练自2014年人民日报切分语料，随后增加了少量98年人民日报中独有的词语。所以，HanLP词性标注集兼容《ICTPOS3.0汉语词性标记集》，并且兼容《现代汉语语料库加工规范——词语切分与词性标注》。

• a 形容词
  • ad 副形词
  • ag 形容词性语素
  • al 形容词性惯用语
  • an名形词
• b区别词
  • begin 仅用于始##始
  • bg 区别语素
  • bl 区别词性惯用语
• c 连词
  • cc 并列连词
• d 副词
  • dg 辄,俱,复之类的副词
  • dl 连语
• e 叹词
  • end 仅用于终##终
• f 方位词
• g 学术词汇
  • gb 生物相关词汇
    • gbc 生物类别
  • gc 化学相关词汇
  • gg 地理地质相关词汇
  • gi 计算机相关词汇
  • gm 数学相关词汇
  • gp 物理相关词汇
• h 前缀
• i 成语
• j 简称略语
• k 后缀
• l 习用语
• m 数词
  • mg 数语素，Mg 甲乙丙丁之类的数词
  • mq数量词
• n 名词
  • nb 生物名
    • nba 动物名
    • nbc 动物纲目
    • nbp 植物名
  • nf 食品，比如“薯片”
  • ng 名词性语素
  • nh 医药疾病等健康相关名词
    • nhd 疾病
    • nhm 药品
  • ni 机构相关（不是独立机构名）
    • nic 下属机构
    • nis 机构后缀
    • nit 教育相关机构
  • nl 名词性惯用语
  • nm 物品名
    • nmc 化学品名
  • nn 工作相关名词
    • nnd 职业
    • nnt 职务职称
  • nr人名
    • nr1 复姓
    • nr2 蒙古姓名
    • nrf 音译人名
    • nrj 日语人名
  • ns 地名
    • nsf 音译地名
  • nt 机构团体名
    • ntc公司名
    • ntcb 银行
    • ntcf 工厂
    • ntch 酒店宾馆
    • nth 医院
    • nto 政府机构
    • nts 中小学
    • ntu大学
  • nx 字母专名
  • nz 其他专名
• o 拟声词
• p 介词
  • pba 介词“把”
  • pbei 介词“被”
• q 量词
  • qg 量词语素
  • qt 时量词
  • qv 动量词
• r 代词
  • rg 代词性语素
  • Rg 古汉语代词性语素
  • rr 人称代词
  • ry 疑问代词
    • rys 处所疑问代词
    • ryt 时间疑问代词
    • ryv 谓词性疑问代词
  • rz 指示代词
    • rzs 处所指示代词
    • rzt 时间指示代词
    • rzv 谓词性指示代词
  • s 处所词
  • t 时间词
    • tg 时间词性语素
  • u 助词
    • ud 助词
      • ude1 的 底
      • ude2 地
      • ude3 得
      • udeng 等 等等 云云
      • udh 的话
    • ug 过
      • uguo 过
    • uj 助词
    • ul 连词
      • ule 了 喽
      • ulian 连 （“连小学生都会”）
      • uls 来讲 来说 而言 说来
    • usuo 所
    • uv 连词
    • uyy 一样 一般 似的 般
    • uz 着
      • uzhe 着
      • uzhi 之
    • v 动词
      • vd 副动词
      • vf 趋向动词
      • vg 动词性语素
      • vi 不及物动词（内动词）
      • vl 动词性惯用语
      • vn 名动词
      • vshi 动词“是”
      • vx 形式动词
      • vyou 动词“有”
    • w 标点符号
      • wb 百分号千分号，全角：％ ‰ 半角：%
      • wd 逗号，全角：， 半角：,
      • wf 分号，全角：； 半角： ;
      • wh 单位符号，全角：￥ ＄ ￡ °  ℃  半角：$
      • wj 句号，全角：。
      • wky 右括号，全角：） 〕 ］ ｝ 》  】 〗 〉 半角： ) ] { >
      • wkz 左括号，全角：（ 〔 ［  ｛  《 【  〖 〈   半角：( [ { <
      • wm 冒号，全角：： 半角： :
      • wn 顿号，全角：、
      • wp 破折号，全角：—— －－   ——－   半角：—  —-
      • ws 省略号，全角：…… …
      • wt 叹号，全角：！
      • ww 问号，全角：？
      • wyy 右引号，全角：” ’ 』
      • wyz 左引号，全角：“ ‘ 『
    • x 字符串
      • xu 网址URL
      • xx 非语素字
    • y 语气词(delete yg)
      • yg 语气语素
    • z 状态词
      • zg 状态词

BosonNLP词性标注

BosonNLP词性标注集是基于《北京大学现代汉语语料库基本加工规范》和《计算所汉语词性标记集》修改得到的。 与最初《北京大学现代汉语语料库基本加工规范》相比，主要修改有：

• 姓名和起来标”nr”，只有姓单独出现的时候标”nr1”，如“张/nr1 教授/n”
• 短语型的地名、团体机构名称及其他专有名称只进行最小粒度的划分，不需要再合并标注。
• 去掉了各种语素，“Ng”，“Ag”等都标回“n”，“a”等。
• 去掉“i”（成语俗语）和“l”（惯用语）标签，改成“nl”、“al”、“bl”等各种词性的惯用语标签
• 去掉标签“j”（缩略词），将其标回原来的词性
• 依据《计算所汉语词性标记集》的标准对一些标签进行细分
• 增加标签“vi”（不及物动词）

共22个大类，70个标签

名词

• n 名词
  • nr 人名（包括”@XXX”），姓名整体标注，如“李某某”、“李××”也标为nr
    • nr1 中文姓氏，如果单出现姓氏，标为nr1，姓名一起出现的，合起来标nr
    • nrf 音译人名，如“奥巴马”，“布拉德・皮特”
  • ns 地名，如“中国”，“上海市”，“江浙”
  • nt 组织机构名，如“中国队”，“央行”
  • nz 其它专有名词，如“银联”，“腾讯”
  • nl 名词性惯用语，如“豪言壮语”，“亲朋好友”

时间词

• t 时间词，如“1988年”,”3月”

处所词

• s 处所词，如“国内”，“市区”

方位词

• f 方位词，如“上”，“下”，“前面”，“后面”

动词

• v 动词
  • vd 副动词，如“持续/vd 提供/v”，“优先/vd 安排/v”
  • vshi 动词“是”
  • vyou 动词“有”
  • vi 不及物动词，如“运营”，“点球”
  • vl 动词性惯用语，如“远走高飞”，“相依为命”

形容词

• a 形容词
  • ad 副形词，如“经过/p 谨慎/ad 筛选/v”
  • an 名形词，如“虽然/c 困难/an 很多/m”
  • al 形容词性惯用语，如“拥挤不堪”，“难能可贵”

区别词

• b 区别词，如“原来”，“所有”
  • bl 区别词性惯用语，如“至关重要”，“光天化日”

状态词

• z 状态词，如“依旧”，“一头雾水”

代词

• r 代词，“我”，“这”，“谁”

数字

• m 数词

量词

• q 量词

副词

• d 副词，如“更”，“非常”
  • dl 副词性惯用语，如“对了”，“万万”

介词

• p 介词
  • pba 介词“把”
  • pbei 介词“被”

连词

• c 连词，如“和”，“与”，“及”

助词

• u 助词
  • uzhe 助词“着”
  • ule 助词“了”
  • uguo 助词“过”
  • ude 助词“的”、“地”、“得”
  • usuo 助词“所”
  • udeng 助词“等”、“等等”
  • uyy 助词“一样”、“似的”
  • udh 助词“的话”
  • uzhi 助词“之”
  • ulian 助词“连”

语气词

• y 语气词，将原来的叹词也合并到语气词里面

拟声词

• o 拟声词

前缀

• h 前缀，如“非/h 正常/a”

19 后缀

• k 后缀，如“孩子/n 们/k”，“隐藏/v 式/k”

字符串

• nx 字符串，url和其他特殊字符除外

标点符号

• w 标点符号
  • wkz 左括号，全角：（ 〔 ［ ｛ 《 【 〖 〈 半角：( [ { <
  • wky 右括号，全角：） 〕 ］ ｝ 》 】 〗 〉 半角： ) ] { >
  • wyz 左引号，全角：“ ‘ 『
  • wyy 右引号，全角：” ’ 』
  • wj 句号，全角：。 半角：.
  • ww 问号，全角：？ 半角：?
  • wt 叹号，全角：！ 半角：!
  • wd 逗号，全角：， 半角：,
  • wf 分号，全角：； 半角： ;
  • wn 顿号，全角：、
  • wm 冒号，全角：： 半角： :
  • ws 省略号，全角：…… …
  • wp 破折号，全角：—— －－ ——－ 半角：— —-
  • wb 百分号千分号，全角：％ ‰ 半角：%
  • wh 单位符号，全角：￥ ＄ ￡ ° ℃ 半角：$

其它

• email 电子邮件地址 ，如“[email protected]”
• tel 电话号码，如：“13818636693”
• id 身份证号
• ip ip地址，如“127.0.0.1”
• url 网页链接，如“http://bosonnlp.com/”

结巴分词中出现的类型

• a 形容词
  • ad 副形词
  • ag形语素
  • an副形词
• b区别词
• c连词
• d副词
  • df
  • dg副语素
• e叹词
• f方位词
• g语素
• h前接成分
• i成语
• j简称略语
• k后接成分
• l习用语
• m数词
  • mg数语素
  • mq 数量词
• n名词
  • ng名词性语素
  • nr人名
  • nrfg
  • nrt
  • ns地名
  • nt机构团体
  • nz其他专名
• o拟声词
• p介词
• q量词
• r代词
  • rg 代语素
  • rr人称代词
  • rz指示代词
• s处所词
• t时间词
  • tg时语素
• u助词
  • ud
  • ug
  • uj
  • ul
  • uv
  • uz
• v动词
  • vd副动词
  • vg动语素
  • vi不及物动词（内动词）
  • vn名动词
  • vq
• x非语素字
• y语气语素
• z状态词
  • zg

其他参考资料：

• http://icl.pku.edu.cn/icl_groups/corpus/spec.htm

No related posts.