首页>中文会议>工业技术>自动化技术与计算机技术>第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会

第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会

召开年：2010
召开地：乌鲁木齐
出版时间： 2010-06-27

主办单位：中国中文信息学会

会议文集：第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集

会议论文

热门论文

全部论文

最新会议

更多>>

全选（0）

1.基于语料的哈萨克语词频统计的研究
- 王花;古丽拉·阿东别克
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：词频统计在信息处理中发挥重要作用。哈萨克语作为新疆少数民族语言之一,词频统计作为自然语言处理的基础性课题成为需要迫切解决的问题,介绍了Zipf定律及哈萨克语词频统计之间的联系。首先将输入的连续哈萨克语字符串进行分词处理,输入分割后的哈萨克语词串,得到一个哈萨克语词典。词典中不重复的存储了每次处理中得到的哈语词组,以及这些词语出现的频率,并进行了哈萨克语的统计实验,实验结果说明了哈萨克语词频之间的内在联系,同时验证了哈萨克词频符合Zipf的幂律定律。
2.哈萨克文自动文本摘要方法浅谈
- 伊力亚尔·加尔木哈买提;尼亚子别克·阿不都加勒力
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：文本摘要是对文本内容进行的概括,在文本检索中发挥着重要的作用。本文对文本摘要技术进行探讨,并以哈萨克文文本为例,对哈萨克文文本进行自动文本摘要技术进行研究。
3.维、哈、柯文搜索引擎中网页爬行器的设计与实现
- 维尼拉·木沙江;吐尔洪·吾司曼
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：搜索引擎网页爬行器的任务是收集网页,而收集能力的好坏直接影响搜索结果。本文提出了维、哈、柯多文种搜索引擎中网页爬行器的结构及其设计方案。
4.基于混淆网络和PageRank的Nbest重排序
- 李文;李淼;张建;朱海;陈雷
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文以汉蒙统计机器翻译系统为研究对象,介绍了基于混淆网络和PageRank的Nbest重排序方法。不同于以多个翻译系统为输入的系统融合技术,本文充分利用了单一系统的Nbcst输出。在单一系统Nbest基础上构建基于TER词对齐的混淆网络,然后通过PageRank排序算法输出最终的翻译结果.该方法利用了词级别的TER词对齐的混淆网络生成更多新的候选翻译选项,将最佳翻译结果的搜索问题视作网页间的PR值的计算问题。实验显示,基于混淆网络和PageRank的Nbest重捧序方法提高了翻译结果的质量,BLEU值由最大后验概率解码的0.2071提高到0.2225,提高了1.54。
5.基于Web的双语平行网页自动获取技术的研究现状及分析
- 梁建飞;吐尔根·依布拉音
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文首先对机器翻译、平行语料库等相关知识做了简单论述,然后以获取双语平行网页的四个步骤为主线,对各个阶段所采取的研究方法做了全面而详细的介绍并加入一些个人的想法,接着对现有的六大典型系统做了简单介绍并加以分析比较,最后提出可以将已有的研究成果用于汉维平行网页的获取上,但需根据汉维语的具体特征做进一步研究。
6.一种带权值参数的非监督式形态切分方法
- 李文;李淼;张建;陈雷;雪艳
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文以两种黏着语维吾尔语和蒙古语为研究对象,介绍了基于最大后验概率模型非监督式形态切分方法。该模型是以最小描述长度原理为基础,视形态丰富的语言为词素编码的文本序列。形态切分实质则是由蒙古语的文本序列找到一个词素集合,且要求该集合能够高效的对形态丰富文本语料进行编码。然而最大后验概率模型无法根据特定的语言进行调整,鉴于此本文提出在最大后验概率的基础上加入权值参数,并采用少量人工切分的语料进行参数调整的方法。实验显示,最大后验概率模型可以较好的对维吾尔语和蒙古语进行形态切分,加入权重参数后,模型能更好够适特定的语言,使切分准确率、召回率和F值均有了进一步的提高。
7.电子词典软件系统中对维、哈、柯文进行自动判别的技术研究
- 买尔旦·吾守尔;维尼拉·木沙江
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文以汉、维、哈、柯等具有多种书写方向的多文种电子词典软件系统开发为背景,首先指出了其中与语种相关的词语书写方向识别,词语的文种识别,提出了相应的解决方案:通过XML的标注属性和字母的UNICODE区域从属关系来判断词语的书写方向；通过计算组成词语的各个字母来自不同语言的概率来判断词语的文种,应用结果表明了该技术方案的可行性和有效性。
8.蒙古语词法分析的生成式统计建模
- 姜文斌;吴金星;长青;赵理莉;刘群;那顺乌日图
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：我们为蒙古语词法分析建立了一种生成式的概率统计模型。该模型将蒙古语语句的词法分析结果描述为有向图结构,图中节点表示分析结果中的词干、词级及其相应标注,而边则表示节点之间的转移或生成关系。特别地,在本工作中我们刻面了词干到词干转移概率、词缀到词级转移概率、词干到词缀生成概率、相应的标注之间的三种转移或生成概率,以及词干或词缀到相应标注相互生成概率。以内蒙古大学开发的20万词规模的三级标注人工语料库为训练数据,该模型取得了词级切分正确率95.8%,词级联合切分与标注正确率93.5%的好成绩。
9.哈萨克语名词构形词缀有限状态自动机的构造
- 江阿古丽·哈依达尔;吐尔根·依布拉音;艾山·吾买尔;早克热·卡德尔;加米拉·吾买尔
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文主要阐述哈萨克语词干提取使用的名词构形词缀分析DFA的构造过程。哈萨克语属于黏着语,所以哈萨克语自然语言处理系统必须实现词干提取。词干提取的主要任务从单词提取词干和连接词干词尾的构形词缀.哈萨克语单词的构形词缀按照一定的规则连接到词干词尾,这使得哈萨克语构形词缀的连接规则可用有限状态自动机形式化描述。本文中,首先介绍哈萨克语名词的形态结构,然后根据规则构造从右向左的有限状态自动机,最后对这个自动机进行方向翻转和转换确定自动机操作。
10.哈萨克语语句情感识别研究初探
- 王晓莉;古丽拉·阿东别克
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：提出一种机器识别哈萨克语句情感的模型。首先使用条件随机场(CRFs)对哈萨克语句中的情感关键词进行识别，在此基础上结合语句逻辑结构分析，能初步判断出哈萨克语句的喜、怒、哀、乐情感倾向。拓宽了哈萨克语言计算机处理的范围。
11.面向日蒙机器翻译的机能语分析与译文研究
- 百顺;包晓荣
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：在日语中机能语和内容语是一个对立的概念。机能语主要是以“连接词”的意思来使用。它有两个方面的机能:一个是语法方面的机能;另一个是语义方面的机能。到目前为止,人们对机能语的看法不和体言和用言等内容语一样。只看重其语法方面的作用,却忽略了它的语义方面的作用。在本文中,从机器翻译的角度对机能语进行了分类,并且在实例中分析了其语义作用和译文。
12.基于SRILM的阿拉伯和维吾尔文语言模型建立方法
- 努尔艾力·喀迪尔;彭良瑞
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文主要讨论在Cygwin的环境下利用SRILM工具包建立基于词的阿拉伯文和维吾尔文语言模型并在语料库上进行测试。为了解决数据稀疏问题,我们主要研究几种平滑算法。我们采用“困惑度”作为评价语言模型性能的指标。最后,本文给出平滑化后的语言模型在语料库重的测试结果。
13.Web文本分类及其维、哈、柯多文种信息检索中的应用研究
- 海丽且木·艾沙;维尼拉·木沙江
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：研究维、哈、柯多文种信息检索中web文本分类问题。根据维、哈、柯Web文本具有结构信息的特点,提出了分类系统框架,采用了基于KNN的Web文本分类方法,并结合具体实验在对数据进行预处理的基础上实现了KNN分类算法。实验表明,KNN方法在Web文本分类中能够获得较好的分类效果。
14.哈萨克文信息技术术语翻译探讨
- 木合亚提·尼亚孜别克;古力沙吾利·塔里甫
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：随着信息技术的不断发展,新的术语不断层出不穷,信息技术术语的哈文翻译也就越发凸显出其缺乏统一性和存在的混乱性,甚至于在哈文信息技术的教学和研究方面引起很多不必要的误解,因此呼吁规范化和标准化的哈文信息技术术语翻译更显得必要而迫切。本文通过译例分析阐述了哈萨克语信息技术术语翻译的规范化和统一化的必要性,并探讨和分析了如何规范IT术语哈译的问题。
15.网络环境下自动获取汉维句子翻译对的研究
- 姜子进;吐尔根·依布拉音
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：双语平行句对是机器翻译的重要资源,但目前的双语平行语料库大多是篇章级的,句子级的平行语料库不仅数景有限,而且多集中在特定领域,很难适应真实应用的需求。本文就研究怎样在网络环境下获取双语平行句对,创建句子级的双语平行语料库。我们先下载双语平行网页资源。然后找出能够提取出正文的网页,再根据html特征去除网页噪音,提取网页中的正文。最后进行句子切分,并根据基于句子长度、基于词汇、特征提取的方法进行双语平行句对的抽取,创建句子级的双语平行语料库。
16.基于短语的汉维(维汉)统计机器翻译研究
- 董兴华;周俊林;郭树盛;吐尔洪·吾司曼
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：描述了利用电话录音的汉维平行语料库构建了一个基于短语的统计机器翻译系统。我们对词级的语料库进行了切分,得到了词素级的语料库,进行了词一级的实验和词素级的实验,实验表明,词素级的实验能得到更好的效果。
17.维吾尔语多音词的统计分析
- 姑丽加玛丽·麦麦提艾力;艾斯卡尔·肉孜;艾斯卡尔·艾木都拉
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：维吾尔语语音合成研究方面,多音词的研究甚少是影响进一步提高合成性能的重要原因之一。本文深入研究维吾尔语中的多音词现象,从包括13,607,507个单词的708,322个句子文本中统计出了多音词在维吾尔语中的出现频率和不同读音的使用频率,通过分析统计结果并根据多音词本身的特征对它们进行分类。从而为进一步研究维吾尔语多音词自动注音方法打好了基础。
18.郭尔罗斯蒙古话短元音的声学分析
- 娜仁高娃
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文以实验语音学的方法分析了郭尔罗斯蒙古话短元音的声学特性,并把得到的结论与科尔沁、巴林土语的短元音进行对比研究，认为郭尔罗斯蒙古话词首音节有等8个短元音,非词首音节有2个短元音并认为非词首音节短元音只有一个音位是的不同条件下的变体的舌位比巴林和科尔沁的靠后。舌位高低上除了的舌位高低基本相同之外其余的都比巴林的高、比科尔沁的低,非词首短元音的央化现象比巴林和科尔沁更突出。
19.蒙古语肃北土语单词韵律模式初探
- 敖敏
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文利用声学语音学的理论方法对蒙古语肃北土语单词(双音节词和三音节词)进行声学分析,探讨了音高、音长、音强等三个声学参数在该土语单词中的分布模式,并与蒙古语标准音(察哈尔土语)进行简单比较从而得出了肃北土语单词的音高与蒙古语标准音有明显区别,而音长、音强基本相同的结论。
20.哈穆尼堪人所使用的蒙古语词首音节短元音声学分析
- 红梅
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文用实验语音学的理论和分析方法首次对哈穆尼堪人所使用的蒙古语词首音节短元音进行声学分析,采集了元音的F1、F2共振峰以及音长、音强等数据并以F1为纵坐标,F2为横坐标画出了该语言Joos型元音共振峰频率分布图、共振峰频率平均值和共振峰频率范围图并对其进行了详细分析描述。
21.维吾尔文笔迹图像预处理及特征提取方法研究
- 古扎丽努尔·艾木肉拉;艾斯卡尔·艾木都拉;买买提江·吐尔逊
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：笔迹鉴别是一种行为特征识别的方法。笔迹容易获取并且不同的人有不同的笔迹,因此基于笔迹的身份验证在安全领域、金融领域均有广阔的应用前景。本文主要针对离线手写体维吾尔文字笔迹鉴别方法展开研究,重点主要集中在笔迹图像预处理。研究目的主要是为维吾尔文字笔迹鉴别中涉及到各种主要算法和技术进行有效性分析和实现,为计算机笔迹鉴别系统的实现提供技术支持,推动笔迹鉴别自动化的进程。
22.维、汉双语远程教学系统的研究与实现
- 依皮提哈尔·买买提;热依曼·吐尔逊;吾守尔·斯拉木
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：维、汉双语远程教学系统是符合国际Unicode代码标准的,基于Internet TCP/IP协议的,能够同时支持含维吾尔文和汉文的多语种复杂文字信息的双语化多媒体远程教学系统,该系统具有维吾尔文与汉文双语界面的自动切换,双语文本显示与传输,师生双语对话,以及多媒体课件实时录制与传播,屏幕共享,电子举手与电子教鞭等功能,从而解决了传统课堂教学在时间、空间和语言上的制约问题,大大扩展了教学规模,实现名师授课与共享。论文从系统的体系结构设计、系统模块设计以及系统的双语化实现等几个方面论述了维汉双语远程教学系统的研究与实现过程。
23.基于混合策略的维吾尔语名词词干提取系统
- 早克热·卡德尔;艾山·吾买尔;吐尔根·依布拉音;帕里旦·吐尔逊;买热哈巴·艾力
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文对维吾尔语名词形态结构进行研究,并构造了名词有限状态自动机(FSM).然后针对自动机的缺陷使用最大熵模型给有限状态自动机加入了歧义词缀识别能力,最后根据维吾尔语的元音和谐特点,建立了基于规则和信道噪声模型的元音和谐处理方法。本文,有机结合以上三种方法构造出了基于规则和统计的名词词干提取方法.为了有效利用现有的资源,提高系统的性能,把基于词典的词干提取方法与规则和统计相结合的名词词干提取方法的结合,从而开发出多种策略相结合的维吾尔语名词词干提取系统,该系统具有较强的鲁棒性,准确率保持95%以上。
24.维吾尔语句法树库标注体系
- 阿布都热依木·热合曼;艾山·吾买尔;吐尔根·依布拉音;帕里旦·吐尔逊;哈里旦木·阿布都克里木
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文通过研究国内外相关的句法树库标注体系建设理论,再结合维吾尔语自身的特点,制定了维吾尔语句法树库标注体系规范,该标注体系包含两个标注集:功能语块标记集及短语标注标记集,在此基础上,采用了人工标注与自动标注相结合的方式完成了3000句规模的维吾尔语句法树库,为今后维吾尔句法树库研究的不断深入奠定了一定的基础。
25.内蒙古电子政务的发展现状
- 乌云高娃
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文介绍了电子政务的概念及其内蒙古电子政务的发展现状,分析了电子政务在内蒙古发展中存在的问题,并提出了发展对策。
26.现代维吾尔语语言资源平台构建技术的研究
- 加米拉·吾守尔;吐尔根·依不拉音
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：语言资源是进行自然语言处理技术研究的必备条件,而按规范标注的语科库更是各项研究工作的前提。《现代维吾尔语语言资源平台》是用于构建面向信息处理的维吾尔语语言知识库。本文中研究与设计开发《现代维吾尔语语言资源平台》,平台以无标注语料加工处理对象,提供对期进行校对、此行标注、词干提取以及句法结构标注等功能。该平台在构建维吾尔语词法、句法语料库方面发挥重要的作用。
27.《蒙古语同形词信息词典》管理平台的的设计和实现
- 哈斯
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：《蒙古语同形词信息词典》是为解决蒙古文的同形词歧义消除而研制的一部机器词典。从词典建设维护的实际需求出发,我们初步设计和实现了《蒙古语同形词信息词典》管理平台,本文主要介绍了管理平台设计和实现的基本方法。
28.基于最大熵的维吾尔语词性标注模型
- 帕里旦·吐尔逊;艾山·吾买尔尔;吐尔根·依布拉音;早克热·卡德尔;阿力木江·艾沙
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：最大熵模型能够充分利用多个任意的特征。本文中提出基于最大熵模型的维吾尔语词性标注方法。本文中主要的工作是选出对兼类词和未登录词词性标注有较大贡献的特征。作为黏着语言,维吾尔语单词为表达语法功能而附加词缀。本文中,除了前后单词的词性和词形之外,把前后单词的最后词缀作为特征使用。实验结果表明,前后单词的最后词缀对兼类词和未登录词的词性标注有着明显的提高,模型准确率到达96.58%。
29.基于文本的图片检索中图片相关文本提取技术的研究
- 热依玛依·买买提;维尼拉·木沙江
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：基于文本的图片检索是图片检索技术中最常用的方法,其中,图片相关文本的提取是基于文本的图片检索技术的关键。图片相关文本提取技术的好坏直接影响查全率和查准率。本文以维吾尔文网页为例,首先分析基于文本的图片检索技术相关知识和图片相关文本提取方法,然后进一步研究启发式图片相关文本提取算法,提出启发式算法的不足及改进方案。对维吾尔文网页进行的实验结果表明,使用改进的图片相关文本提取方法能够有效的提高图片检索率。
30.维吾尔文Web信息检索中基于改进VSM的文档表示及相似度研究
- 吐尔地·托合提;维尼拉·木沙江;艾斯卡尔·艾木都拉
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：基于向量空间模型的信息检索技术中,用向量空间模型来表示Web文档,以索引词权重作为主要依据进行用户查询与Web文档之间的相似度计算,并根据相似度大小进行查询结果的排序。本文在传统TFIDF的基础上,用索引词的位置加权系数对权值进行调整,综合考虑索引词权重、索引词在文档中的位置、相互距离、顺序以及维吾尔文单词相似度等因素的贡献,进行了用户查询与Web文档相似度度量。在维吾尔文搜索引擎中测试实验,结果表明,改进的方法明显提高了Web信息检索系统的查准率、查全率和输出结果的排序能力。
31.系统融合方法在汉蒙统计机器翻译上的应用
- 朱海;李淼;张建;乌达巴拉
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：系统融合方法通过对多个机器翻译系统的结果进行融合来提高机器翻译性能。系统融合可以充分利用各种系统的优势信息。本文针对汉蒙机器翻译训练语料较小、数据稀疏较为严重的问题,将系统融合的方法应用到汉蒙机器翻译系统的N-best融合上。通过在汉蒙语料上的实验,系统融合方法对单个汉蒙统计机器翻译系统的N-best进行融合后可以提高近2个BLEU。
32.研究维吾尔文Web文档聚类算法设计与实现
- 买买提依明·哈斯木;维尼拉·木沙江
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：随着网络信息量的迅速增长,传统的搜索引擎技术也只能为用户提越来越长的检索结果列表。用户不得不从中进行按照自己标准的二次检索.浪费了时间和效率.针对这问题,据挖掘领域中的聚类技术引入网络信息搜索中(Web聚类技术),以解决搜索引擎结果集不便于用户浏览问题为目的。本论文分析维吾尔语的词法特点,选择适合维吾尔文文本聚类的牲,构造可展后缀树,选择基类,合并基类,把维吾尔文网页按相似度分成不同的类并形成类标签。
- 聚类;
- 后缀树;
- STC;
- STCI;
33.蒙古语连续多词单元的识别和标注
- 雪艳;那顺乌日图
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文提出一种蒙古语连续多词单元(Consecutive Multi-WordUnits)的自动识别方法,用以辅助语言学工作者在蒙古语文本中对连续多词单元进行识别和标注。首先结合汉蒙词语对齐任务,讨论对蒙古语多词单元进行识别和标注的必要性,界定本篇论文所要处理的蒙古语多词单元的范围,并对前人的相关研究进行简单评述；其次介绍基于同现频率的蒙古语连续多词单元的抽取算法以及根据蒙古语连续多词单元的语言学特征制作的两种过滤器;最后是实验结果和相关讨论。
34.面向汉藏辅助翻译系统的平行语料库建设
- 赵维纳;刘汇丹;于新;吴健;张普
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文首先在对目前自然语盲处理中计算机辅助翻译系统的思想和设计做了简要描述的基础上,提出了目前针对于汉藏双语的计算机辅助翻译系统中汉藏双语平行语料库的设计方案,以及在汉藏双语平行语料库设计中所涉及到的各种藏语编码格式的统一处理、语料库选择和存储问题、汉藏双语句子对齐等关键问题,希望通过会议进行交流和探讨。
35.维吾尔语框架语义知识库语义角色描述体系研究
- 吾买尔江·库尔班;阿里甫·库尔班
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：语义角色研究在信息检索、机器翻译等计算语义学诸多领域有着广阔的应用空间和发展前景,而且对语言语义研究具有强大的解释力。本文充分观察和分析维吾尔语真实语料的基础上对现代维吾尔语框架语义知识库框架元素的语义角色进行描述和分类,为维吾尔语框架语义知识库句法语义识别和分析莫定了良好的基础。
36.面向跨语言信息检索的蒙汉语义词典构建
- 塔娜;林民;李小庆;宝美荣
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：为解决蒙古族网络用户获取信息困难的问题,通过分析多语言语义词典在跨语言信息检索中的应用,提出了采用多语言本体技术构建面向跨语言信息检索的蒙汉语义词典的方法,详细介绍了词典的信息组织模式,并给出计算机术语蒙汉语义词典的查询、推理及词典测试方法。本文的工作为蒙汉跨语言信息检索及应用系统的开发建立了基础。
37.现代蒙古语副词搭配规律初探
- 王高娃;红英
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文以100万词级的《现代蒙古语语料库》作为语料,选取MASI、VLAM、URGULJI、HEJIYETE、HASI=YASI、TASV等代表性的副词为例,统计出在语料中它们与其它词类的词搭配情况,以此归纳出蒙古语副词与其它词类的搭配规律及其特殊搭配现象。
38.维吾尔语框架语义网的数据库结构的设计
- 阿里甫·库尔班;吾买尔江·库尔班;尼加提·阿不都肉苏力
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文叙述了维吾尔语源语言的框架语义网描述内容和组成,基于阿拉伯字符的维吾尔文如何在数据库中存储的必要的条件,如何定义数据库的数据类型,高级语盲与数据库如何交换维吾尔文信息等技术性领域做了探讨。根据维吾尔语框架语义网的描述内容、组成结构、实体之间的联系和框架语义网自身的特点,初步设计了维吾尔语框架网的数据库结构。论文提出的方法和思路对对维吾尔语框架语义网的研究领域有一定的指导和参考价值。
39.蒙古文词语切分在自动词性标注中的应用
- 艳红;王斯日古楞
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文首先介绍了蒙古文附加成分的切分方法,然后描述了改进的蒙古文自动词性标注系统的总体结构,最后以规模为95万词的语料库作为训练语料,对5万词的测试文本进行了一级标注,封闭测试标注准确率和排歧准确率分别为97.9%和85.9%,开放测试标注准确率和排歧准确率分别为97.6%和85.5%。
40.基于NFA的蒙古语词法分析算法研究
- 斯·劳格劳;华沙宝;萨如拉
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：蒙古语是黏着性语言,其构词和构形是通过词根、词干上连接不同的词缀来实现的,从理论上讲蒙古语词汇是无限的,因此词典中不可能包罗所有的单词和其诸多的形态变化。研制一套独立、高效的词法分析软件来识别和生成词语以及其形态变化是非常有必要的。我们在本文中介绍了一种蒙古语词法分析器,该分析器采用了基于有限状态自动机的分析算法解决了未登录词识别、非词检查、复合词识别等问题,并大大提高了分析速度,在现代蒙古语句法分析软件中试用后发现与单纯的基于词典或规则的算法相比在速度上提高了将近两个数量级。
41.藏汉句子局部对齐策略的研究
- 华却才让
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：介绍了藏汉句子自动对齐系统及其对齐方法,详细地分析了基于平行语料的藏汉句子自动对齐问题,提出了利用大规模高效藏汉双语词典进行句子局部对齐的策略,并做了验证。
42.维、哈、柯文搜索引擎中自动分类技术的应用研究
- 王珍;维尼拉·木沙江;赵丽红
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文在传统搜索引擎基础上,结合网页自动分类技术,对基于分类的维、哈、柯多语种信息检索进行了研究。文中提出了一种改进的特征选择算法,并建立了一个维吾尔文网页分类系统,搜集了大量的维文语料进行分类实验。结果表明,使用改进的特征选择方法能够有效提高分类的准确度。最后,将网页分类技术运用到维、哈、柯文搜索引擎中,实现了具有自动分类功能的多语种信息检索系统。
43.基于规则的汉藏机器翻译系统中二分法的句法分析方法研究
- 才藏太
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文结合973项目《支持舆情服务的汉藏机器翻译关键技术研究》的研制实践,论述了词项信息同语法规则相结合的原则,提出了以动词为中心的句法分析二分法,从而在受限语言的范围内,为建立有较大适应性的机器翻译规则系统,有效地提高机器翻译语法分析的效率提供了有益的方法。
44.哈萨克文手写字符识别系统的研究与实现
- 达吾勒.阿布都哈依尔
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文研究了哈萨克手写字符的特征提取和选择,并实现了手写哈萨克文手写字符识别系统。我们首先提取了36种字符特征,并使用K-W检验对各特征的分类能力进行了比较。最后采用线性判别函数进行分类,取得了较高的识别精度。本文还描述了改进的PCA方法,该方法能够更加精确地确定基准线位置,有效提高了字符切分的正确性。
45.维吾尔语句韵律层级的人工标注规则研究
- 古力米热·依玛木;艾斯卡尔·艾木都拉
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文以提高合成语音自然度为研究背景,以语句韵律层级的手动标注提供理论依据为目标,首先定义了维吾尔语韵律和层级,收集整理了一套适合于现代维吾尔语句子韵律层级划分的规则和方法包括句子成分分析法、词组分析法、助词分析法、独立成分分析法等;筛选了40630个典型文本句子,并进行了各韵律层级的人工标注。为了验证其可靠性,聘请了专业播音员录制1497个句子,对比了文本句子手动标注与语音句子的听觉标注结果。实验结果表明,本文规则切实可行,为研发各韵律层级的自动预测算法提供了规则依据。
46.维吾尔语语音语料库管理系统的设计
- 热依曼·吐尔逊;依皮提哈尔·买买提
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：设计维吾尔语语音语料库管理系统的目的在于对各种维吾尔语语音数据进行综合有效的管理,并能使国内外语言学习、研究者方便地进行对语音资料的查询、浏览、播放、维吾尔语拉丁文字和现代文字双向转换,为维吾尔语自然语言处理提供一个有利的工具.由于维吾尔语文字特殊的书写特征、维吾尔语语料库的设计及建库过程中遇到的难点与汉语或非维吾尔语语言语音数据库有所不同。本文着重研究了语音语料库的设计及其有效的管理技术的实现。
47.维吾尔语语音数据自动标注
- 古丽娜尔·艾力;买买提玉素甫·苏来曼
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：语音标注是语音信息处理的重要环节之一,需要大量人力和时间。本文提出在维吾尔语32个音素的不同位置时长经验值的基础上,以音素、音节、词、子句和句子等不同层次对语音数据进行自动标注的基本思路。
48.语音处理技术在语言及任务的扩展应用研究
- 伊·达瓦;黄浩;那斯尔江;吾守尔
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文报告近年来新疆维吾尔自治区多语种技术重点实验室以维-哈-蒙等语言为研究对象开展的语音技术研究工作。科研项目有:电话语音说话人识别;连续语音识别及语音翻译技术等。经初步测试,基于GMM_UBM&SVM的维吾尔语自由式发话电话语音(目标人数50名)说话人识别率为94.34%;基于HTK-Julius的维吾尔语(训练语音集7.2少时)及蒙古语(训练集13少时)连续语音识别率分别为72.4和87.6%;基于ATR/NICT统计翻译技术的蒙-日语音-文本翻译系统获得0,4的Blue值。
49.基于数学形态学维吾尔文版面分析
- 冯曦;哈力木拉提·买买提
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本论文是基于数学形态学的版面分析方法。以维吾尔报纸版面为测试样本,首先对于报纸版面图像进行了预处理,通过阈值变换、中值滤波和图像平滑将其换成一幅适应形态学方法的二值化图像;再根据维吾尔文版面自身的特点,选室合适的膨胀系数,完成连通域的合并,并对连通域进行边缘提取和处接矩形化,得到了在逻辑意义上独立的版面分割结果;最后通过投影分析确定版面中的文本行与图片,完成了版面的分析,到达了预期的效果。
50.藏文编码转换软件'藏码通'的设计与实现
- 刘汇丹;诺明花;赵维纳;吴健;贺也平
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：由于藏文编码国家标准和国际标准发布较晚,并且基于国际标准小字符集编码实现藏文支持的技术相对复杂,藏文应用软件一般使用自定义的藏文编码实现对藏文的支持.由于藏文编码繁多,为了实现对有限的藏文电子资源的充分利用,开发一套藏文编码转换软件是十分必要的.本文设计并实现了一套名为“藏码通”的藏文编码转换软件,可以实现藏文Unicode基本集编码、国家标准扩充集A编码、方正Dos编码、方正Windows编码、华光Dos编码、华光Windows编码、同元编码和班智达编码之间的相互转换。
51.基于双语基础教育的教学资源管理系统
- 刘俊;吾守尔·斯拉木;谭勋;冯丽娟
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文通过分析新疆目前正在开展的“双语教学”事业,结合国内外远程教育体系的相关标准/规范,提出了基予双语教育的教学资源管理系统的设计思想和方案。本系统采用B/S计算模式,通过对该系统的综合策划设计,最终实现了一个功能完备、通用性强、查询效率高、系统安全性好且具有一定使用价值的教学资源管理系统。
52.在使用代理时因浏览器缺陷引起的几种攻击的研究
- 艾斯卡尔·亚库甫
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：在不使用中间人攻击的情况下(伪造证书),HTTPS是比较安全的(sslv3防范了中间人攻击)。但是,即使恶意代理无法直接读到HTTPS加密过后的明文,但是攻击者还是可以使用一些攻击的技巧来达到目的。这就是PBP-因浏览器的缺陷引起的代理攻击。本文说明了目前使用的代理机制上存在的威胁并阐述了这些威胁实现攻击的几种方法,并对于一些没有对浏览器及时更新或对没有好好管理所在局域网的代理的用户提出了警告,提醒在校学生在使用代理(所谓的加速器)上网时有可能存在的安全隐患。
53.基于K-最近距离方法的哈萨克语文本分类系统的设计与实现
- 玛依来·哈帕尔;古丽拉·阿东别克
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：本文利用K-最近距离算法对哈萨克语文本进行分类,通过统计词频信息和语言信息相结合的方法选择特征,实现了一个哈萨克语文本分类系统。在计算特征权重值时不仅考虑词频,还利用了特征的集中度、分散度,经过训练和统计对每一类哈萨克语文本形成特征的权重向量,然后根据K-最近距离算法判断测试文本的所属类别,实验结果表明此方法可行。
54.藏语语料库加工方法研究
- 才让加;头旦才让;周毛先
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：为了使藏语语料库具有规范性、统一性和实用性,提高加工的整体水平,在藏语语料库的加工过程中首先要对五花八门的藏语语料库进行整理和统一,得到高质量的原始语料库,其次确定藏语原料库加工的切分单位,然后针对藏语的语法特征提出藏语语料库藏语词语类别和词类标记集,同时在对藏语词语进行归类和统计的基础上建立分词标注词典库,设计并实现藏文自动分词标注软件,并利用分词标注软件对大规模藏语语料库进行切分和标注,最终实现藏语语料库的多级加工。
55.蒙古语语料库基本加工规范初探
- 吴金星;长青
- 《第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会》 | 2010年
摘要：论文从蒙古语的构词法出发,参考《北京大学现代汉语语料库基本加工规范》简单地研究了蒙古语的语料库基本加工规范。这项研究在分析了蒙古语的词性标注语料的基础上归纳总结了蒙古语的语料基本加工规范,这里所说的基本加工是指词语切分和词性标注。该项研究中归纳的标准规范不能涵盖所有的蒙古语语言现象,只是初步的尝试性工作,在以后处理大规模语料的过程中将不断地完善和改进。