《辞书研究》投稿 03-92退修

大型词典编纂的计算机辅助开发与管理系统?

王 惠 李康年

摘 要：词典编纂是一项需要投入大量人力、物力、财力的大型语言工程。由于词典包含的信息量巨大，开发周期长，编纂人员多，工程项目所要求的进度与词典的质量保证都是非常关键的问题。为此，我们设计并实现了一个词典编纂的计算机辅助开发与管理系统。该系统已经在北京大学“现代汉语语义词典”的开发过程中发挥了重要作用，它有效地提高了词典编纂的效率和质量；同时，该项研究也是对汉语计算词典学理论的一种有益探索。

关键词：词典编纂 词典管理 知识挖掘 自动翻译 计算词典学

1.前言

随着自然语言处理技术的迅速发展，词义分析的重要性与迫切性也为越来越突出。为了给计算机自动分析提供更全面、深入的语义信息，北京大学计算语言学研究所与中科院计算所自1994年联合开发“汉英机器翻译模型系统”开始，就着手研制面向汉英机器翻译的“现代汉语语义词典”。1996年至1998年，受到国家863高科技项目“通用机器翻译开发平台和汉英机器翻译系统”的支持，语义词典进入到大规模开发阶段，并取得重要的阶段性成果，完成了4.9万汉语词语的语义分类和搭配信息描述[1]。四年多来，北京大学计算语言学研究所在积极应用、推广该词典的同时，仍不断地投入力量进行词典本身的发展。从2001年11月开始，“现代汉语语义词典”的二期开发工作受到了国家973重点基础研究项目（G1998030507-4、G1998030507-1）的支持，由北大计算语言学研究所和中文系联合承担，对词典规模进行较大幅度的扩充，并对全部词语的语义分类及属性描述进行全面修订。在双方的积极努力下，项目进展得非常顺利。

目前，现代汉语语义词典的规模与质量都有了显著的提高，共收录词条6.6

?

本研究得到国家863项目“语言资源建设及相关研究探索”（项目号：2002AA117010-08）与国家973重点基础研究项目“面向新闻领域的汉英机器翻译系统”（项目号：G1998030507-4）的支持。

万，采用Access数据库实现。其中包含全部词语的总库1个，每类词语各建一库，计11个。每个库文件都详细刻画了词语及其语义属性的二维关系。比如，总库中包括词语、拼音、同形、义项、语义类、词类、子类、兼类8个属性字段。名词库设15个属性字段，动词库设16个属性字段。所有的库都可以通过“词语、词类、同形、义项”这4个关键字段进行链接[2]。现在，它正在一个汉英机器翻译系统中发挥着重要的作用。

在语义词典的编纂修订过程中，为了保证词典内容准确可靠，有效地管理编纂人员，同时兼顾工程进度，我们开发了一个计算机辅助词典开发和管理系统，用于词典编辑、校订、检索、排序、检测、自动翻译、版本比较、任务管理等。本系统在Windows 2000的操作系统下使用Visual C++ 6.0编写、运行，采用Access 2000数据库存储词典数据库。系统的构成主要包括以下4个子系统：词典编辑、自动检测、自动翻译、项目管理。

2. 词典编辑（Dict_Edit）

本子系统的主要任务是对数据库格式的词典文件进行编辑（图1）。首先，选中“编辑”菜单中的“排序”，可采用多种方式对词典进行排序和浏览。

图1 语义词典的形容词

2

在“查看”菜单中点击“查询”按钮，即可根据首字、尾字、词类、语义类、义项、配价数等多种条件进行检索，包括组合检索、模糊检索等。比如，选取条件“词语=悲*”，以“悲”字开头的形容词及属性就都会显示出来（图2）：

图2 首字为“悲”形容词

这时，用鼠标左键双击一个词条，比如“悲愁”，即出现图3的编辑界面，在此可填写或修改词语的各种属性值，也可在词库中添加、插入、删除词条。

图3 词典编辑工具

为了提高工作效率和一致性，机器能做到的事情我们尽量让机器去做。比如，形容词“配价数”的取值范围仅限于“1”或“2”，因此，该字段就采用下拉菜单方式加以选择，这样可以有效地防止填入任何非法的值。

3