摘要: 现代汉语构式成分自动标注作为文本自动标注任务之一，其最大的困难在于，当不存在标注语料作为训练数据时，如何从生语料中挖掘不同类型的构式成分相关的知识并进行标注，特别是面对构式序列在句中的边界难以判断的情况。该文试图借助高斯混合模型聚类方法，结合句中每一个字的位置特征与构式形式本身的语言学特征，融合正则表达式匹配结果信息，挖掘句子中的构式实例序列，并对构式内部成分进行自动标注。相较于仅基于正则表达式匹配和词性匹配的自动标注结果，该方法的F1分别至少提高了17.9%（半凝固型构式）、19.3%（短语型构式）、14.9%（复句型构式）。