GB/T13715-92现代汉语分词规范在信息处理中的应用

"13715-1992信息处理用现代汉语分词规范" 本文档详细介绍了1992年中国国家标准局发布的《信息处理用现代汉语分词规范》（GB/T13715-92），该规范旨在为现代汉语的分词提供标准化的指导原则，以促进信息处理的规范化和不同汉语信息处理系统之间的兼容性。 1. 分词原则与适用范围： 规范的主要内容是规定现代汉语的分词规则，以满足信息处理的需求。这包括对汉语信息处理的规范化要求，以及确保在各种汉语信息处理系统之间实现良好的兼容性。这一规范适用于所有汉语信息处理领域，其他行业和相关学科也可参考使用。各领域可以根据自身特殊需求，进一步细化和补充这些规定。 2. 引用标准与术语定义： 标准引用了GB 12200《汉语信息处理词汇》，并定义了关键术语： - 汉语信息处理：指计算机对汉语的音、形、义等信息进行处理的活动。 - 词：最小的能独立运用的语言单位。 - 词组：由两个或以上词按一定语法规则组成的有意义的语言单位。 - 分词单位：用于汉语信息处理的基本单位，包括规范中的词和词组。 3. 分词方法与规则： - 分词单位标记：使用下划线“__”来表示分词单位。 - 分隔标记：空格或特定标点符号如句号、逗号、顿号等，用于分隔分词单位。 - 字、二字词、三字词，以及紧密结合、使用稳定的词组被视为分词单位。 - 四字成语和结合紧密的四字词组被视为分词单位。 - 五字及以上谚语、格言等，若分开后不影响原有意义，也应作为分词单位。 4. 示例： 文档提供了多个示例，如“国家技术监督局”，“对不起”，“自行车”，“社会主义”，“欣欣向荣”等，说明如何根据规则进行分词。 这份规范对于理解和实施现代汉语的信息处理分词工作至关重要，是确保数据处理准确性和系统间兼容性的基础。它不仅规定了基本的分词规则，还考虑到了汉语语言的复杂性和多样性，从而为计算机处理汉语信息提供了统一的标准。