UD for Vietnamese 
Tokenization and Word Segmentation
- Most other languages use white spaces to separate words. However, Vietnamese puts spaces between syllables, not between words. A word can have one, two or more syllables. Therefore, the separation of words in Vietnamese is quite complicated because there are many ways to divide syllables into words, causing ambiguity. Some examples of words in Vietnamese: đi (go), chơi (play), ăn (eat), danh sách (list), điện thoại (phone), ban nhạc (band), ….
- In principle, word information that can be contained in a class word label includes: base type word (noun, verb, etc.), morphological information (singular, plural, tense, person, etc.). ), information about subclasses (e.g. verbs with nouns, verbs with clauses, etc.), semantic information, or some other syntactic information. We construct a set of type word labels that only contain information about the base type word, but do not include information like morphology, subclasses, etc.
- Some rules:
- Date, Month, Year: thứ 2 (Monday), thứ 3 (Tuesday), Chủ_nhật (Sunday), … ngày 19-12-2021, …
- Number, Unit: hai chục (20), hai trăm (200), 100 triệu (1 million), 15 kg, 25cm, …
Morphology
Tags
-
Vietnamese uses 19 POS tags: N (Noun), Num (Numeral), Det (Determiner), V (Verb), Adj (Adjective), Pro (Pronoun), Adv (Adverb), Pre (Preposition), CC (Coordinating Conjunction), SC (Subordinating Conjunction), Prt (Particle), I (Interjection, Exclamation), Z (Bound morphemes), Y (Abbreviate/Acronymic), b (Borrowed words), FW (Foreign words), PUNCT (Punctuation), SYM (Symbol, Character).
- Beside, Vietnamse has some subcategories: NNP (Proper noun), Nc (Classifier noun), Nu (Unit Noun), Nux (Extended unit noun), Numx (Extended numeral), AUX (Auxiliary Verb),.
- Number with noun to discribe the unit or currency, time is NUM: hai_mươi_hai/Num, hai_hai/Num, 200/Num million/Num, một/Num tấn/Nu, …
- Numx: 1000m²/Numx, 60km²/Numx, 50ml/Numx
- NNP: Hồ/NNP Chí/NNP Minh/NNP, Phạm/NNP Văn/NNP Đồng/NNP, núi/N Thiên/NNP Thai/NNP, …
- Nb: định luật Newton/Nb, nguyên lí Huygens/Nb
- …
-
This corpus contains some lemmas tagged as determiners (DET): Bấy nhiêu, chút, các, hầu hết, mấy, mọi, mỗi, một chút, một nửa, một số, một vài, một ít, những, nửa, phần lớn, toàn, toàn bộ, toàn thể, tất cả, vài, vài ba, vô số, vô vàn, đa số, đôi, …
-
This corpus contains some lemmas tagged as auxiliaries (AUX): là, cần, có thể, phải, nên, …
Features
Degree and Polarity
- (ADV): không thể, không, không thể, chẳng
Pronouns
- Some Pronouns in Vietnamese: ông, bà, mình, ấy, này, kia, nọ, …
Determiners
- Some determiners in Vietnamese: Bấy nhiêu, chút, các, hầu hết, mấy, mọi, mỗi, một chút, một nửa, một số, một vài, một ít, những, nửa, phần lớn, toàn, toàn bộ, toàn thể, tất cả, …
Quantifiers
- (NUM): một, hai, ba, mỗi, 2, 10, năm, 20, 5, bốn
Other Features
Syntax
- This corpus uses lemma as copulas (cop). Examples: là.
- This corpus uses some lemmas as auxiliaries (aux). Examples: phải, có thể, Có lẽ, được, cần, nên, …
- This corpus uses some lemmas as passive auxiliaries (aux:pass), Examples: được, bị, …
Treebanks
There is 1 Vietnamese UD treebank: