[improvement][launcher]Refactor unit tests and demo data.

This commit is contained in:
jerryjzhang
2024-12-01 20:45:39 +08:00
parent 0f1c50167d
commit a232c2bc4f
30 changed files with 5049 additions and 32 deletions

View File

@@ -0,0 +1,3 @@
龚 nr 1
龛 ng 1
龛影 n 1

View File

@@ -0,0 +1,4 @@
买@水果 1
然后@来 1
我@遗忘 10
遗忘@我 10

View File

@@ -0,0 +1,8 @@
阿里云 _10_20 5
天猫 _10_20 5
腾讯游戏 _10_20 5
度小满 _10_20 5
京东金融 _10_20 5

View File

@@ -0,0 +1,8 @@
张勇 _10_22 5
马化腾 _10_22 5
朱光 _10_22 5
刘强东 _10_22 5

View File

@@ -0,0 +1,5 @@
hr _1_1 876
sales _1_1 872
marketing _1_1 310
strategy _1_1 360
sales _1_1 500

View File

@@ -0,0 +1,18 @@
tom _1_2 52
alice _1_2 47
lucy _1_2 31
dean _1_2 36
john _1_2 50
jack _1_2 38
admin _1_2 70
周杰伦 _4_8 100
陈奕迅 _4_8 100
林俊杰 _4_8 100
张碧晨 _4_8 100
程响 _4_8 100
Taylor#Swift _4_8 100
内地 _4_5 100
欧美 _4_5 100
港台 _4_5 100
流行 _4_7 100
国风 _4_7 100

View File

@@ -0,0 +1,6 @@
p1 _3_4 52
p2 _3_4 47
p3 _3_4 31
p4 _3_4 36
p5 _3_4 50
p6 _3_4 38

View File

@@ -0,0 +1,9 @@
周杰伦 _4_8 9000
周深 _4_8 8000
周传雄 _4_8 7000
周华建 _4_8 6000
陈奕迅 _4_8 8000
林俊杰 _4_8 7000
张碧晨 _4_8 7000
程响 _4_8 7000
Taylor#Swift _4_8 7000

View File

@@ -0,0 +1,4 @@
美国 _5_8 1
加拿大 _5_8 1
锡尔赫特、吉大港、库斯蒂亚 _5_8 1
孟加拉国 _5_8 3

View File

@@ -0,0 +1,6 @@
现代 _5_9 1
tagore _5_9 1
蓝调 _5_9 1
流行 _5_9 1
民间 _5_9 1
nazrul _5_9 1

View File

@@ -0,0 +1,4 @@
美国 _6_11 1
印度 _6_11 2
英国 _6_11 1
孟加拉国 _6_11 2

View File

@@ -0,0 +1,2 @@
男性 _6_12 3
女性 _6_12 3

View File

@@ -0,0 +1,2 @@
mp4 _7_14 4
mp3 _7_14 2

View File

@@ -0,0 +1,4 @@
美国 _8_17 1
印度 _8_17 2
英国 _8_17 1
孟加拉国 _8_17 2

View File

@@ -0,0 +1,2 @@
英文 _8_18 2
孟加拉语 _8_18 4

View File

@@ -0,0 +1,6 @@
阿米·奥帕尔·霍伊 _8_16 1
我的爱 _8_16 1
打败它 _8_16 1
阿杰伊阿卡什 _8_16 1
Tumi#长袍#尼罗布 _8_16 1
舒克诺#帕塔尔#努普尔#帕埃 _8_16 1

View File

@@ -0,0 +1,5 @@
百度集团 _9_15 5
阿里巴巴集团 _9_15 5
深圳市腾讯计算机系统有限公司 _9_15 5
北京京东世纪贸易有限公司 _9_15 5
网易公司 _9_15 5

View File

@@ -0,0 +1,4 @@
北京 _9_16 5
杭州 _9_16 5
深圳 _9_16 5

View File

@@ -0,0 +1,7 @@
李彦宏 _9_18 5
马云 _9_18 5
马化腾 _9_18 5
刘强东 _9_18 5
丁磊 _9_18 5

View File

@@ -0,0 +1,7 @@
李彦宏 _9_19 5
张勇 _9_19 5
刘炽平 _9_19 5
刘强东 _9_19 5
丁磊 _9_19 5

View File

@@ -1,4 +0,0 @@
HR _1_1 1
strategy _1_1 1
marketing _1_1 2
sales _1_1 2

View File

@@ -1,6 +0,0 @@
tom _1_2 1
alice _1_2 1
lucy _1_2 1
dean _1_2 1
john _1_2 1
jack _1_2 1

View File

@@ -1,4 +0,0 @@
p1 _3_4 3
p3 _3_4 4
p4 _3_4 4
p5 _3_4 2

View File

@@ -1,3 +0,0 @@
欧美 _4_5 1
港台 _4_5 3
内地 _4_5 2

View File

@@ -1,6 +0,0 @@
美人鱼 _4_6 1
青花瓷 _4_6 1
Love#Story _4_6 1
爱情转移 _4_6 1
人间烟火 _4_6 1
光的方向 _4_6 1

View File

@@ -1,6 +0,0 @@
张碧晨 _4_8 1
周杰伦 _4_8 1
Taylor#Swift _4_8 1
程响 _4_8 1
林俊杰 _4_8 1
陈奕迅 _4_8 1

View File

@@ -0,0 +1,44 @@
序号,代码,名称,帮助记忆的诠释,例子及注解
1,Ag,形语素,形容词性语素。形容词代码为a语素代码前面置以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,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nu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/m20万/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
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/n3. 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/nr4. 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/n5. 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/nr6. 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/ns2. 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/ns3. 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]NS4. 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]NS6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/nt1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]NT2. 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”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]NT4. 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]NZ3.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/n5. 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]NZ6. 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
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,
1 序号 代码 名称 帮助记忆的诠释 例子及注解
1 序号 代码 名称 帮助记忆的诠释 例子及注解
2 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 ,
3 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 ,
4 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 ,
5 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 ,
6 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 ,
7 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 ,
8 7 c 连词 取英语连词conjunction的第1个字母。 合作/vn 与/c 伙伴/n
9 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 ,
10 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 ,
11 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 ,
12 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 ,
13 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 ,
14 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 ,
15 14 j 简称略语 取汉字“简”的声母。 [德/j 外长/n]NP ,文教/j ,
16 15 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 ,
17 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 ,
18 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 ,
19 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 ,
20 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,
21 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 ,
22 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/n3. 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/nr4. 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/n5. 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/nr6. 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
23 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/ns2. 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/ns3. 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]NS6.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 ,
24 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/nt1.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
25 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 ,
26 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/n5. 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。
27 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 ,
28 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 ,
29 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 ,
30 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 ,
31 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
32 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 ,
33 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 ,
34 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
35 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
36 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
37 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 ,,
38 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 ,
39 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 ,
40 39 w 标点符号 ”/w :/w
41 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。
42 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
43 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 ?
44 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,

View File

@@ -1,2 +1,2 @@
root=.
CustomDictionaryPath=data/dictionary/custom/dic_value_1_DIMENSION_1.txt
CustomDictionaryPath=data/dictionary/custom/DimValue_1_1.txt;data/dictionary/custom/DimValue_1_2.txt;data/dictionary/custom/DimValue_1_3.txt;