维吾尔语

摘要： 针对深度神经网络模型仅学习当前指代链语义信息忽略了单个指代链识别结果的长期影响问题,提出一种结合深度强化学习(deep reinforcement learning)的维吾尔语人称代词指代消解方法.该方法将指代消解任务定义为强化学习环境下顺序决策过程,有效利用之前状态中先行语信息判定当前指代链指代关系.同时,采用基于整体奖励信号优化策略,相比于使用损失函数启发式优化特定的单个决策,该方法直接优化整体评估指标更加高效.最后在维吾尔语数据集进行实验,实验结果显示,该方法在维吾尔语人称代词指代消解任务中的F值为85.80％.实验结果表明,深度强化学习模型能显著提升维吾尔语人称代词指代消解性能.

摘要： 传闻是获取信息的重要方式途径之一,传闻的表达具有跨语言的普遍性.本文通过考察国家通用语和维吾尔语传闻表达形式上语义功能的内部差异,发现在语义功能分布上汉语呈现出"客观化←→主观化"双向分化的趋势;维吾尔语在主观化程度上呈现"弱强"的趋势.国家通用语和维吾尔语的传闻表达在形义关系上也呈现出"一形多义"和"一义多形"的不对称分布.

摘要： 现有的基于循环神经网络、卷积神经网络和Transformer的自回归翻译模型,虽然都具有良好的翻译性能,但由于解码并行性较低导致了翻译速度慢的问题,针对这个问题提出一种基于非自回归模型的优化学习率策略的方法.在基于迭代优化的非自回归序列模型的基础上,改变学习率调节方法,即把warm up替换为liner annealing方法.首先评估出liner annealing优于warm up方法,然后将liner annealing应用于非自回归序列模型以得到翻译质量和解码速度的最优平衡,最后将该方法与自回归模型的方法作对比.实验结果表明该方法相较于自回归模型Transformer,当解码速度提升1.74倍时,翻译质量的双语评估替换(BLEU)分数值为41.31,可达到Transformer的95.34%.由此可见,采用liner annealing的非自回归序列模型,在降低少许翻译质量的条件下,能够有效地提升解码速度,适用于对翻译速度需求迫切的平台.

摘要： 该文介绍了维吾尔语形态分析语料库及其构建过程.从网上搜集了新闻、科技、小说、散文、日常用语和其它等不同领域的语料,采用制定切分规则(带语音变化和不带语音变化)、人工切分、错误分析和校对等过程建立了维吾尔语形态分析语料库.该语料库为50万词次规模,分为词级和句子级两类标注.该文工作不仅对相关维吾尔语语料库的建设具有参考意义,而且为维吾尔语的自然语言处理的研究提供了有益的资源.

摘要： 本文分析了维吾尔语的基本语调类型,着重分析了"-(c)u"所附载的语调模式,并且与汉语语调进行了对比分析,对其差异性给出了自己的解释.本文认为语气词是分层的,语调也是分层的,需要对实际语料进行语气词和语调的分层分析,才有可能对语气词和语调进行准确的描写和功能分析,才能理清"语气词"与"语调"的关系.

摘要： 维吾尔语自动词法研究是维吾尔语信息处理中的一项基础工作,本文总结了该领域的主要研究成果,并指出词法研究中存在的困难和不足,以便更深入地开展研究工作.

摘要： 维吾尔语是属于阿尔泰语系的黏着性语言,构词特点比较复杂.尤其是对于维吾尔语中的人名,由于来源差别巨大,识别难度很高,目前为止,还未出现一套成熟的维吾尔语人名识别工具.根据大量维吾尔语文本中的人名统计发现,维吾尔族人名和汉族人名共占据了约83％.因此,本文分别针对维吾尔语文本中出现的维吾尔族人名和汉族人名提出相应的识别方法.针对维吾尔族人名,我们提出基于字母的模糊匹配识别方法;针对汉族人名,我们借助机器翻译思想提出基于音字转换的识别方法.实验结果表明,我们的方法识别维吾尔族人名能够达到91.84％的F1值,识别汉族人名能够达到95.86％的F1值,从而证明了本方法的有效性.

摘要： 该文从提高语音合成自然度的实际需求出发,首次从实验语音学的角度从《维吾尔语语音声学参数库》中统计出了969个双音节词,对其元音的共振峰频率、共振峰值、音高、时长和音强等韵律参数进行了统计分析,归纳了其共振峰、音高、时长和音强分布特点来考察元音和谐的基本声学特征,总结出了一些重要的规则和结论,为参数式或波形拼接式语音合成系统中调整合成前的元音和谐问题提供了重要的参考依据.

摘要： 维吾尔语是形态变化复杂的黏着性语言,维吾尔语词干词缀切分对维吾尔语信息处理具有非常重要的意义,但到目前为止,维吾尔语词干提取的性能仍存在较大的改进空间.本文以N-gram模型为基本框架,根据维吾尔语的构词约束条件,提出了融合词性特征和上下文词干信息的维吾尔语词干提取模型.实验结果表明,词性特征和上下文词干信息可以显著提高维吾尔语词干提取的准确率,与基准系统比较,融入了词性特征和上下文词干信息的实验准确率分别达到了95.19％和96.60％.

摘要： 本文就现代维吾尔词缀-(x)r/-mAs的历史演变过程、词源以及语法意义进行了初步研究.指出-(x)r/-mAs词缀做为泛时的词缀应用.

摘要： 维吾尔语曾经使用过突厥文、回鹘文、察合台文等多种文字拼写,上世纪50年代以后又先后使用过以斯拉夫字母、阿拉伯字母和拉丁字母为基础拼写的维吾尔文字,1982年,废弃使用以拉丁字母为基础拼写的维吾尔文字,恢复使用以阿拉伯字母为基础的维吾尔文字.然而随着时代的发展,以阿拉伯字母拼写的维吾尔老文字愈来愈不适合社会的发展,尤其适应不了科技的进步和互联网的应用和发展,广大青年学生用汉语拼音拼写维文的现象相当普遍,他们和一些维吾尔族知识分子对恢复使用新文字的呼声日渐高涨.本文在回顾维吾尔文字发展历程的基础上,分析恢复使用维吾尔新文字的必要性和可行性,提出恢复使用维吾尔新文字的建议.

摘要： 对比语言学是在比较语言学的基础上兴起的一门学科,对比与比较的不同之处在于,对比主要侧重于两种语言之间的异处.本文主要着眼于维、土两门语言在语音方面的差异性展开对比,根据维、土两门语言的实际情况,重点对差异性显著的一些语音特征——元音音位、辅音音位、元音弱化、辅音浊化、清化等进行了对比分析.

摘要： 本文首次运用实验语音学的基本理论和方法,在“维吾尔语语音声学参数数据库”中的语料条件下,对维吾尔语中的双音节和谐词、三音节和谐词以及四音节和谐词的时长(VD),音强(VA)和音高等三种最基本的声学特征参数进行对比分析以及计算出了构成和谐词的基本参数的参考范围.以上研究成果为参数式或波形拼接式语音合成系统中调整合成前的元音和谐问题提供了重要的参考依据,以便进一步提高维吾尔语语音合成的自然度和清晰度.

摘要： 本发明提供了一种基于拉丁字母的维吾尔语处理方法和系统，解决现有语言模型训练缺乏有效数据样本无法形成维吾尔词汇特征准确表达的技术问题。方法包括：建立维吾尔语料的字母索引，根据所述字母索引形成所述维吾尔语料的基本向量，利用所述基本向量形成维吾尔语的语句训练集；通过所述语句训练集对循环神经网络进行训练形成维吾尔语句模型；根据所述维吾尔语句模型获取维吾尔词汇的语义隐性特征向量形成词向量。有利于形成与实际语义处理任务相适应的向量维度空间，为具体语义处理任务提供良好的样本衡量基础。避免了现有循环神经网络结构针对单词级别的维吾尔隐性相关性缺乏有效识别的严重缺陷。

摘要： 本发明公开了一种维吾尔语拼写检查方法及装置，本发明基于维吾尔语的基本区编码矩阵及扩展区编码矩阵，通过选型算法结合维吾尔词库，实现对维吾尔语字符串的高效的拼写检查及纠错，解决了维吾尔语在拼写检查上的盲区，有利于提高维吾尔语输入的正确率、准确率。

摘要： 本发明实施例涉及一种用于维吾尔语语音识别的词典单元的选择方法及系统。方法包括：为待识别的语音收集/准备相应的文本语料；从文本语料中抽取不同的词语；将所述不同词语输入形态分析器，分析成功时获得相应的词语的分解结果，分析失败时对所述词语进行基于削尾算法的词语分解，从而获得分解结果，以及根据所述分解结果，得到每个词语对应的词干以及附加成分；将所述文本语料中的词语映射为所述词干和附加成分，抽取高频词干和附加成分作为词典单元。本发明实施例根据维吾尔语形态变化的规则，将维吾尔语词语分解为词干和附加成分，然后选择词干和附件成分作为识别单元，从而缓解了识别系统集外词过多的问题，提高了系统的识别率。

摘要： 本发明提供了一种基于拉丁字母的维吾尔语处理方法和系统，解决现有语言模型训练缺乏有效数据样本无法形成维吾尔词汇特征准确表达的技术问题。方法包括：建立维吾尔语料的字母索引，根据所述字母索引形成所述维吾尔语料的基本向量，利用所述基本向量形成维吾尔语的语句训练集；通过所述语句训练集对循环神经网络进行训练形成维吾尔语句模型；根据所述维吾尔语句模型获取维吾尔词汇的语义隐性特征向量形成词向量。有利于形成与实际语义处理任务相适应的向量维度空间，为具体语义处理任务提供良好的样本衡量基础。避免了现有循环神经网络结构针对单词级别的维吾尔隐性相关性缺乏有效识别的严重缺陷。

摘要： 本发明公开了一种维吾尔语实体识别的方法、装置和电子设备。方法包括：将待识别的维吾尔语语句中的字符转换为拉丁字母，得到待识别的维吾尔语语句的拉丁字母表示形式；将拉丁字母表示形式输入到预先训练的字符级语言模型中，提取所述待识别的维吾尔语语句的语义特征；将所述语义特征输入到预先训练的实体识别模型中，得到所述待识别的维吾尔语语句的初步实体识别结果；从所述初步实体识别结果中提取实体词；对所述实体词进行去词缀处理，得到最终实体识别结果。本发明能够有效避免维吾尔字符变形带来的语义特征提取的复杂度，完全解决了维吾尔语词级别语言模型的缺陷。

摘要： 本发明提供一种维吾尔语敏感词过滤系统，包括：维吾尔语敏感词数据库、维吾尔语文本动态采集系统、维吾尔语敏感词校对系统、阈值判断模块、维吾尔语敏感词过滤系统、维吾尔语敏感词替换系统、后台显示模块、人工审核模块和推送显示模块。本发明提供的维吾尔语敏感词过滤系统，实现了通信及移动互联网终端平台以及企业级应用中维吾尔语敏感词过滤，从而高效率的防止非法内容散播，减轻系统管理员负担，减少敏感词过滤遗漏，增加系统的健壮性和可靠性。

摘要： 本发明公开了一种维吾尔语拼写检查方法及装置，本发明基于维吾尔语的基本区编码矩阵及扩展区编码矩阵，通过选型算法结合维吾尔词库，实现对维吾尔语字符串的高效的拼写检查及纠错，解决了维吾尔语在拼写检查上的盲区，有利于提高维吾尔语输入的正确率、准确率。

摘要： 本发明公开了维吾尔语元音和谐处理方法，提供了增音和脱落处理功能；基于规则的央音原音识别功能、基于词干词典的央音原音识别功能和基于最大熵的不规则单词央音原音识别功能。本发明利用计算机提取维吾尔语单词词干，对乌（乌孜别克文）、哈（哈萨克）、柯（柯尔克孜）、土（土耳其文）词干提取系统的开发打下坚实的基础。

摘要： 本发明公开了一种基于统计模型的电力系统维吾尔语专用名词提取方法，①首先输入维吾尔语文本；②对维吾尔语文本进行分词；③将由上述第②步得到的分词结果进行人工标志，其中只对专用名词进行标志，标志标准采用国家上普遍的IOB标志法；④累计标志的资料后，通过CRF++工具包来建立专用名词模型。本发明对给予的维吾尔文字资料进行词法分析，分词，根据预料的知识提取电力专用名词，并输出结果。应用范围是电力行业专用词典的编辑，电力行业预料中自动提取专用名词，大大减少人工方式分类和提取的时间，劳动力和成本。

摘要： 本发明公开了维吾尔语倒排索引文件的生成方法，1.维吾尔语倒排索引的创建；2.输出创建好的维吾尔语倒排索引文件；3.检查创建的维吾尔语倒排索引文件的准确性；4.加密维吾尔语倒排索引；5.检查加密的维吾尔语倒排索引。本发明实现了符合维吾尔语独特语言现象的维吾尔语倒排索引创建、维吾尔语倒排索引文件的输出、检查维吾尔语倒排索引文件的准确性、加密维吾尔语倒排索引以及对其检查准确性的功能。