Korean-English Treebank Annotations（韩英树库标注数据集）是面向韩英双语的句法树库资源，以词法、句法与语义标注为核心，支撑句法分析、机器翻译、跨语言 NLP 模型开发与评测，主流包括 Penn Korean Treebank（PKT）、KAIST Treebank 及 UD Korean Treebank 等衍生标注集，以下从核心定位、典型版本、标注体系、获取与应用等方面详细介绍。

一、核心定位与背景

• 定义：以韩英平行或单语文本为基础，经人工 / 半自动标注形成的多层级句法树库，涵盖词素切分、词性标注（POS）、短语结构（ constituency）或依存结构（dependency）标注，适配跨语言句法迁移与双语对齐研究。
• 背景：源于 2000 年后韩英 NLP 基础设施建设需求，弥补韩语句法资源匮乏，推动形态丰富语言的句法分析与跨语言模型优化，适配军事、新闻等领域应用。

二、典型代表与核心参数

1. Penn Korean Treebank（PKT）

• 核心特点：首个大规模人工标注韩语树库，含词素切分、短语结构与空范畴标注，支持非投射依存生成，适配形态丰富语言的句法研究。
• 版本：2002 版含 5.4 万词军事文本，2006 版扩展至 15K 新闻句，标注指南明确空范畴与短语结构规则。

2. KAIST Treebank

• 核心特点：早期韩语短语结构树库，后经转换为 UD 依存结构，成为 UD Korean Treebank 核心数据源，支撑 SPMRL 2013 句法解析评测。
• 规模：27,363 句、350,090 词，聚焦新闻领域，适配形态丰富语言的句法分析模型训练。

3. UD Korean Treebank

• 核心特点：基于 KAIST、PKT 与 Google Treebank 转换生成，遵循 UD 2.0 标准，统一 POS 与依存关系标注，支持跨语言句法对比与模型迁移。
• 规模：38K + 依存树，覆盖 50 万 + 词，含 Google Treebank（6K 句）、KAIST（27K 句）、PKT（5K 句）三部分。

三、标注体系与层级

1. 词法层
   • 词素切分：适配韩语黏着语特点，拆分词干与词缀（如格助词、时制后缀）。
   • POS 标注：采用 Sejong 标签集（XPOS）与通用 POS 标签（UPOS），兼顾语言特异性与跨语言兼容性。
2. 句法层
   • 短语结构：标注 NP、VP、PP 等短语节点，明确句子成分层级与支配关系。
   • 依存结构：遵循 UD 标准，标注主谓、动宾、定语等依存关系，适配跨语言句法解析。
3. 语义 / 特殊层
   • 空范畴标注（PKT 独有）：标记隐含主语、宾语等，提升句法完整性。
   • 双语对齐：部分平行树库含韩英句子 / 短语级对齐，支撑跨语言句法迁移。