Apr, 2022

乌尔都语形态学、正字法和词汇提取

PDF
TL;DR本文描述了将乌尔都语作为软件 API 实现的过程，包括正字法、形态学和词汇提取，并使用功能形态学工具包实现了乌尔都语的形态学。该实现能够在关键词的智能搜索、语言培训和句法基础设施等应用中复用，并演示了一小段乌尔都语句法的实现，展示了该实现的良好重用性。
urdu languagemorphologyorthographyapilexicon extraction
发现论文，激发创造
  • 乌尔都语基于规则的词干提取器

    本文介绍基于规则的乌尔都语词干提取器，用于信息检索，通过人类专家的验证评估结果。

    Oct, 2013

  • 使用条件随机场（CRFs）进行乌尔都语词语分割

    本文研究提出了一种基于条件随机场序列建模器的乌尔都语词分割系统，使用正字法、语言学和形态学特征，该模型能够自动学习预测单词边界和子单词边界，在手动注释的语料库上实现了 0.97 的单词边界识别 F1 分数和 0.85 的子单词边界识别 F1 分数。

    Jun, 2018

  • 基于 Transformer 的乌尔都文手写文字光学字符识别器

    本文介绍了使用 Transformer 来识别复杂的乌尔都手写文本的方法。

    Jun, 2022

  • UzMorphAnalyser: 用词尾进行乌兹别克语言的形态分析模型

    该论文提出了对乌兹别克语词汇进行形态分析、寻找词干、确定词性信息的模型，经过验证和评估后，该模型在词级别的准确度超过了 91%，并且已经以基于 Web 应用程序和开源 Python 库的形式提供。

    May, 2024

  • 探索乌尔都语中的句法模式：依存分析的深度研究

    通过依存句法分析技术，我们在低资源语言乌尔都语的解析中取得了重要进展，并使用复杂的特征模型和 Nivreeager 算法，获得了一定准确率并评估了解析器的错误。

    Jun, 2024

  • 波斯 - 阿拉伯文的书写规范化

    本文讨论了波斯 - 阿拉伯文字在自然语言处理方面的挑战，强调了正规化对于脚本变异的重要性，并对 8 种语言的机器翻译和统计语言建模任务的性能进行了评估。结果表明，大多数条件下应用正规化可以显着提高性能，并指出了在语言资源匮乏的情况下，更好地理解和呈现区域正字传统内波斯 - 阿拉伯脚本变化对于现代计算机自然语言处理技术的进一步发展至关重要

    Oct, 2022

  • 为乌兹别克语创建形态和句法标记语料库

    本研究填补了低资源乌兹别克语领域机器学习模型样本不足的问题，开发了新的词性标注和句法标注标准，并提出了一个基于网络的工具来帮助标注。同时，我们共享了创建乌兹别克语语料库的第一阶段的经验结果。

    Oct, 2022

  • 波斯阿拉伯文：用于操纵波斯阿拉伯文字符的软件

    本文介绍了一个开源软件库，为操作使用波斯 - 阿拉伯字母表的语言的书写系统提供了一组有限状态转移器（FST）组件和相应的实用工具，包括各种级别的脚本标准化、简便的拼音和音译功能。我们还提供了一对多的 Unicode 编码点到使用这些点的语言的映射，以提供处理接近于十亿人使用的字母表的脚本家族的统一框架。

    Jan, 2023

  • 现代标准阿拉伯语名词的计算形态学和词典学建模

    利用最近提出的形态学框架，本文试图定义现代标准阿拉伯语（MSA）标称词面临的许多形态和词汇建模难题的范围，并构建一个全面且可扩展的 MSA 标称词模型。我们的模型设计解决了标称词复杂的成分词法以及词类不规则性问题。我们的实现相比常用的 MSA 形态学分析器和生成器显示了更高的准确性和一致性。我们公开了我们的模型。

    Feb, 2024

  • 乌兹别克音节提取工具的设计与实现

    在该研究中，我们提出了一种综合的途径来对乌兹别克语进行音节化，其中包括基于规则的技术和机器学习算法。我们的研究结果表明，这两种方法都具有高度准确性，超过了 99%。这项研究为未来在乌兹别克语及其他相关低资源土耳其语言中关于音节化及相关领域的研究提供了宝贵的见解和建议。

    Dec, 2023