1、詞語(yǔ)搭配是二語(yǔ)習(xí)得和自然語(yǔ)言處理的重要資源,然而基于語(yǔ)料庫(kù)的詞語(yǔ)搭配自動(dòng)抽取一直以來(lái)都是一個(gè)難以解決的問(wèn)題。
　　 基于語(yǔ)料庫(kù)的詞語(yǔ)搭配自動(dòng)抽取通常是采用統(tǒng)計(jì)驅(qū)動(dòng)的方法。但是在搭配抽取的時(shí)候,語(yǔ)言學(xué)家們往往隨意選取一種搭配抽取算法,而沒(méi)有考慮到語(yǔ)料類(lèi)型和語(yǔ)料長(zhǎng)度對(duì)搭配抽取效率產(chǎn)生的影響。這往往是導(dǎo)致搭配抽取效率低的一個(gè)重要因?yàn)?。本文試圖比較(mutual information,chi—square test,t—test an

2、dlo—likelihood ratio)這四種詞語(yǔ)搭配自動(dòng)抽取方法不同抽取效率。本文主要研究以下兩個(gè)問(wèn)題:
　　 (1)對(duì)于同長(zhǎng)度不同語(yǔ)域的語(yǔ)料,哪種自動(dòng)抽取算法效率最高?
　　 (2)對(duì)于同語(yǔ)域不同長(zhǎng)度的語(yǔ)料,哪種自動(dòng)抽取算法效率最高?
　　 研究結(jié)果表明:
　　 (1)語(yǔ)料長(zhǎng)度相等均為200萬(wàn)詞時(shí),針對(duì)學(xué)術(shù)文本和新聞報(bào)道文本而言,基于互信息值的詞語(yǔ)搭配抽取算法效率最高；而對(duì)于小說(shuō)語(yǔ)料而言,基于對(duì)數(shù)似