CUP

汉语理解平台 Chinese Understanding Platform (CUP)

苏大大学人类语言技术研究所（HLT）

维护人员：蒋炜

更新记录

2020.2.14

1. 更新NER模型，使用bert feature，增加了类别

2020.1.8

1. 分词模型使用了大规模训练数据：CTB9、PKU

2. 句法模型使用了大规模训练数据：CODT、CTB、HIT、PMT

3. 分词和句法均使用bert feature

系统介绍

1. 系统功能：输入一个句子，系统会对文本进行分析，包括分句，分词，词性，依存句法和命名实体识别五个部分。目前默认的输入最大长度为512字符，空白字符均无效。

2. 分句：当前版本仅根据句号，感叹号等一些常见符号进行切分。

3. 分词：基于BIES标签的神经序列标注模型。

4. 词性标注：传统的BiLSTM神经序列标注模型，加上了CharLSTM特征，训练数据集为CoNLL09。

5. 命名实体识别:：通用中文命名实体识别，支持13类实体识别。基于BiLSTM模型+词典+规则的方法。

6. 依存句法分析：Biaffine Parser。

TODO:全角半角的转化

词性标记说明

词性	名称	demo显示
AD	副词	副词
AS	动态助词	动态助词
BA	把字结构	把
CC	并列连接词	并列连词
CD	限定数量词	限定数词
CS	从属连接词	从属连词
DEC	补语或名词化	从句-的
DEG	关联或所有格	所有-的
DER	补语短语“得”	补语-得
DEV	方式“地”	方式-地
DT	限定词	限定词
ETC	等等	等
FW	外来词	外来词
IJ	感叹词	感叹词
JJ	名词修饰词	名词修饰词
LB	长“被”结构	长-被
LC	方位词	方位词
M	量词	量词
MSP	其他助词	其他助词
NN	名词	名词
NR	专有名词	专有名词
NT	时间名词	时间名词
OD	数词	数词
ON	拟声词	拟声词
P	介词	介词
PN	代词	代词
PU	标点符号	标点
SB	短“被”结构	短-被
SP	句末助词	句末助词
VA	谓词性形容词	谓词形容词
VC	系动词	系动词
VE	存现动词	存现动词
VV	动词	动词
X	其他	其他

依存关系说明

依存标签	全拼	说明
adjct	adjunct	附加成分
adv	adverbial modifier	状语
app	appellation	称呼
att	attribute modifier	定语
cmp	complement modifier	补语
coo	coordination construction	并列结构
de	de-construction	“的”字结构
dfsubj	different subject	不同主语
exp	explaination	进一步解释
frag	fragment	片段
iobj	indirect-object	间宾
obj	object	宾语
pobj	preposition object	介宾
pred	predicate	谓语
punc	punctuation	标点
repet	repetition	重复
root	sentence root	根节点
sasubj	same subject	同主语
sasubj-obj	same subject and object	同主语同宾语
subj	subject	主语
subj-in	subject inside a subject-predicate predicate	主谓谓语中的内部主语

命名实体类型说明

实体标签	中文表示
PER	人名
ORG	组织名
MOV	电影名
TPT	时间点
DAY	日期
PCT	百分比
MNY	货币
ORD	序数词
TEL	电话号码
RACE	民族
JOB	职业
EML	邮箱

其他版本

• http://192.168.131.172:8108 1o-labeled-crf C++ 传统离散特征 codt-9w-train （2020-5-10-zhenghua）
• http://192.168.131.172:7101 biaffine C++ codt-9w-train （2020-5-10-zhangbo）