分词—自然词及应答内容规范

1、自然词及应答内容标准1自然词自然词分类：常用问候（200）1.1.2 心情（200）身体就兄（100-）ll4时尚网络语言（200）网络事件（200-）ll6 明星/蛙b（200500 ）1.1.7 军事（100-200 ）1.1.8 体育（200 ）l1.9 成语（100200）1.1.10 天气（200）1.1.11 历史事件（100-200 ）1旅游名胜（300 ）1.1.13 哽国名（200 ）1.1.14 经济（100200）1.1.15 日常物品（1000-）分类定义常用问候：日常人际交流中的礼貌用语（如：你好、欢送）和人际交流中形成的习惯用语（如： 吃了吗、回头见）.心情:形容心

2、情的词汇（如：快乐、郁闷、伤心）.身体状况：形容身体状况（健康、疲劳）的词汇和常贝的伤病名称（感冒、扭伤）及伤病的影 响（咳啾、疼痛）.时尚网络语言：词典上无具体定义，由网络上形成的、且在网络上流行的词语（如：白富美、 爆头哥几网络事件：网络上进行传播和讨论的事件或新闻（如：艳照门、钓鱼岛）126明星八卦：明星的姓名曲呢称（李连杰、小猪）涝新闻中常出现的词语（姐弟恋、戏外情）军事：军事装备的种类和建筑（如：坦克、战斗机、导弹、地堡），不包含具体的武器型号（如：f22、北风之神、布拉瓦）.如用户上行有武器型号可参加该分类（如：f22厉害还是s37厉害?）体育：体育赛事的名称和体育运动的名称和体育

3、用品（如：残运会，蹦极，球鞋）成语：汉字语言词汇中一局部定型的词组或短句（如：杯弓蛇影，一鸣惊人）地质及天气：形容地形地貌或者是地质特征和地质名词和天气及气候（高地、风化、沙滩、 岩层、石灰岩、台风、晴朗）历史事件：历史上发生的著名事件（如：登月、偷袭珍珠港、918事变）page i of 3新媒传信科技1212旅游名胜：旅游景点的名称和其著名景色名称（如：峨眉山、佛光、泰山、日出、极光）地理国名：地理名称与大陆名称和国家名称（马里亚纳海沟、亚洲、巴西）经济：经济学名词（如：外汇、证券、国债、美联储）日常物品：日常生活中见到的物品名称（如：电饭煲、汽车、碗筷、保温杯）但不包括型号 （宝马 x6

4、、xt615 ）分类：自然词录入原那么：a）单字:暂不纳入日常分词收集的范围.b）单词:重点是新词和专业名词,禁个词表示f 意思，不能被拆分开.c虔合词:由两个或两个以上的语素构成，整体表示f完整且独立的含义.如：上海群众，拆分成 "上海”、”群众”会出现歧义的不进行拆分d）只录入中列举类型的词汇.e）录入优先级按复合词> 单词.2应答内容应答内容录入原那么a）每个自然词词条对应至少3个应答内容b）所有应答内容应保持性格一致，性格为刁蛮小姑娘。c）以幽默、幽默的应答为主。d）应答不能涉及敏感内容（如色情、攻击政府、政治敏感词和事件以及辱骂等内容）。e）应答不能以未证实的消息作为

5、内急如网络事件不能采用一些造谣的内容应采集官方公布的信息） 。涉及到人物的应答内容，内容中不能涉及到人物隐私（公众人物不愿意公开的内容），并尽量以正 面的方式做应答。g）应答内容控制文字长度，力晰点符号后不超过40字。h）内容不含商业广告（如商品名称和公司名称）i）内容不采集英语句子（常用短语和单词可以，如hello）j）内容采用中文简体,标点符号统一用全角k）可使用以下表情符号（>< , oo , :-）,:-（, tt , aa）l）标点及符号连续使用的情况不超过3次（如：一. ）m）应答内容不使用代词（这个，那个）n）明星相关的应答不带太强的立场（包括正面和员面的）。）可以使

6、用以下副词（ing , ed ）p）应答内容中的拼音不能连续使用超过2个字.3同义词、近义词使用标准基准词定义即录入词库的自然词、应答内容以此为根底进行设置.新媒传信科技pogo 2 of 3同义词定义同义词是与基准词名称不同但表达的词条意思相同的词条。如：”报酬"和倒君。纠错词定义a）用户想表达的意思明确，但是录入错误的内容.如：“百合花"被用户录入成“白合花"ob）用户用拼音表达的内容,如“zhonggu。”可视为”中国"的纠错词。c）用户输入的表情符号，如：或者 0 等可以视作"开心”的纠错词.同义词（纠错词）录入原那么及应答录入原那么a

7、洞义词（纠错词）必须以基准词为根底，既必须i旨定同义词（纠错词）是哪f词的同义词（纠错 词）如“白合花"是基准词”百合花"的同义词.b）同义词（纠错词）不是自然词（基准词）,应答内容是可选项，可以不谖循必须录入3个应答内 容的限制.近义词定义a）近义词是指意义相近的自然词（基准词）.b）近义词是两个自然词（基准词）相互的关系，既a是b得近义词，那么b也是a得近义词。近义词录入原那么及应答录入原那么a）录入近义词首先必须确定两个词为自然词（基准词）。如：“开心“和“欢乐".b）一对近义词中的任何都是自然词（基准词），遵循必须录入3个应答内容的限制。4分词及应答优先设定单词匹配用户上行的自然句式中即使可以切分成多个自然词，但是检索应答内容时也只有一个自然词生效.自然词处理优先顺序自然词长度较长的为优先；如果自然词的长度相同，那么按句式中词条靠右的为优先.同义词（纠错词）、近义词返回的应答内容a）当以一个自然词（基准词）为应答目标时，如果自然词（基准词）有同义词（纠错词），那么返回的 应答内容是该自然词（基准词）和其所属的同义