词语搭配是具有一定语法和语义结构关系的词语组合,在句法分析、机器翻译等领域,发挥着重要作用。然而,仅对自然语言进行词法、句法分析已不能满足语义检索等深层自然语言处理的需要,还需进行语义分析。本文将搭配和语义知识结合起来,利用计算机技术从大规模真实语料中抽取搭配来构建具有语义关系标注的搭配库,为自然语言处理提供重要的知识资源。本文以汉语动宾搭配为研究对象,主要包括三方面的工作,动宾搭配识别、语义关系自动标注以及构建动宾搭配库。首先,将搭配识别转化为序列标注问题,提出一种识别动宾搭配的基于条件随机场的类层叠算法和一种新的序列标注形式“ONIY”。实验比较了两种词性标记集下的测试结果,基于清华大学树库词性标记的F值是90. 65%,基于北京大学标准的词性标记F值是82.00%。实验表明该算法能够有效提高搭配识别的准确率,对多嵌套形式搭配更加有效。其次,制定20种语义关系框架。序列标注集采用“OBIE|x”,选择词、词性、目标词、目标词和搭配词之间的距离、词对应知网中的义原及其组合等作为特征,采用正交实验策略从中选出最优特征模板。最终对20个框架进行开放性测试,取得良好的效果。最后,在知网、人民日报,南方周末中提取出常用动词表。以该动词表的搭配为基础构建成了一个具有11万搭配规模并且包含语义关系标注和语义信息的汉语动宾搭配库。