本文提出一种基于CRFs 模型的中文词性标注方法。该方法利用CRFs 模型能够添加任意特征的优点,在使用词的上下文信息的同时,针对兼类词和未登录词添加了新的统计特征。在《人民日报》1 月份语料库上进行的封闭测试和开放测试中,该方法的标注准确率分别为98. 56 %和96. 60 %。

北大98年1月份语料库 迈向/v 充满/v 希望/n 的/u 新/a 世纪/n

该包是人民日报1998年1月-6月标注词性的完整语料，半年的，不是网上千篇一律的1月份的，该资料适用于NLP自然语言处理领域的 序列标注任务，如分词，命名实体识别、词性标注等。人民日报1998年标注语料是纯人工手动标注和校对的，比2014年标注语料准确率高很多；2014年的是没有校验的，会有很多偏差；建议以98年的这版来训练模型！本人已经对语料中的排版进行整理过，开箱即用；