粤方言文本分词在粤方言信息处理相关应用研究中有着重要的意义,解决好粤方言文本分词问题将推动粤方言信息处理由字处理向词、句处理研究迈进。由于分词的主观性较大,为使计算机自动分词有可重复的、可操作的标准,参考《信息处理用现代汉语分词规范》(GB13715),本研究的目的在于梳理粤方言词汇,以便研制一套适用于计算机自动分词的粤方言文本分词标准。不同于普通话,粤方言一直存在用字混乱的问题,如异体字、繁简字等问题,其中异体字众多是造成粤方言异形词的主要原因,这给粤方言分词造成了不利的影响。在前人研究的基础上,我们收集整理了常见的粤方言异体字,拟定了一个《粤方言异体字表》。同时,针对粤方言词类研究的实际,参考《北京大学现代汉语语料库基本加工规范》、中科院计算所汉语词性标记集(version 3)以及一些粤方言语料库的词性标注设计,我们拟定了一套粤方言分词词性标记集,并最终形成了粤方言文本自动分词标准的一套方案。利用现有及自建的粤方言语料库,我们对这套标准进行了试切分验证。最终结果表明,这套分词标准总体是切实可行的,可以在此基础上整合开发出具备较高实用价值的粤方言文本分词工具。