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

2020.1.8

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