蒙古语词法标注语料库的构建及相关技术研究-语言学及应用语言学专业论文.docxVIP

ilIll ilIll l l II II I!Illtl Il l l I[I Y1 887562 学校代码：10126 学号分类号 密级 U D C 编号 论文题目 研究生：昱全星 指导教师：萎凹亟皇旦图数撞 专 业：适宣堂盈应用适言堂 研究方向：墓古文信皇处理 所在学院：苤直堂堂随 201 1年5月25日 此研究项目得到 国家自然科学基金资助项目《蒙古语语法信息词典的建立与调试》(项目、 国家自然科学基金资助项目《蒙古语语义信息词典的设计与实现》(项目、 内蒙古大学文科学术创新团队《蒙古语言资源与工程技术》(项目号10024—121106-04)的 资助。 原创性声明 原创性声明 本人声明：所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成 果。除本文已经注明引用的内容外，论文中不包含其他人已经发表或撰写过的研究成果，也 不包含为获得内蒙查态堂及其他教育机构的学位或证书而使用过的材料。与我一同工作的同 志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。 学位论文作者签名：罢垒量 指导教师签名． El 期：2垒旦：蒸!堕 日 期： 在学期间研究成果使用承诺书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：内蒙古大学有权将 学位论文的全部内容或部分保留并向国家有关机构、部门送交学位论文的复印件和磁盘，允 许编入有关数据库进行检索，也可以采用影印、缩印或其他复制手段保存、汇编学位论文。 为保护学院和导师的知识产权，作者在学期问取得的研究成果属于内蒙古大学。作者今后 使用涉及在学期间主要研究内容或研究成果，须征得内蒙古大学就读期间导师的同意；若用 于发表论文，版权单位必须署名为内蒙古大学方可投稿或公开发表。 学位论文作者签名： 关盒星 指导教师签名： 争a凳雾：2之毋 争a凳雾：2之毋 洲 予呵胡习乏：岔之1口凳％． 耀靴烈强J岭u．5装季、 }妻差妻 复乏d重霎岔d丑。爹 乏心q．u装％誊． 拿霉J乎；呈己雩．善 锡i习r乏茗glo)(￡j 膏喜§乏耆箕 呈喜}主 亍每乏吻享灵乏羞至萎乏61寸习暑己 3急。乏j戈喜夏差萎￡o雪A乏国营霉才霉．妻；}}于季争、 14Zd243Hfz乏·532克之4辛rk-82支 3￡玄azqZZJ·ζm-Onp虫叮A 蒙古语词法标注语料库的构建及相关技术研究摘要 蒙古语词法标注语料库的构建及相关技术研究 摘要 近年来，随着统计方法在自然语言处理中的广泛应用，语料库语 言学已经成为一个十分引人注目的研究方向。语料库语言学已经成为 语言研究的主流。基于语料库的自然语言处理需要对原始的语料进行 不同层次的加工，才能从中获取所需的语言知识。 词法标注是语料库最基本的加工，蒙古文信息处理工作的词处理 阶段，词法标注是多项后续工作的基础。如：词汇和词尾的统计，各 种词典的编制，进行句处理，篇章处理等都需要以正确的“切分标注” 为基础。 本论文围绕蒙古语的词法标注，研究了相关的技术问题。首先对 20万词级词法标注语料库进行了人工校对，对其存在的问题提出了 具体的解决方案；其次，利用规则方法改进了基于统计的Mglex词法 分析器。实验结果表明，统计和规则相结合的Mglex系统，得到了令 人满意的切分标注结果：以20万词级词法标注语料库为训练语料， 系统的消歧率从原来的84．6％提高到90．1％；系统的正确率由原来 的93．5％提高到97．．7％。 关键词：蒙古语，词法标注，20万语料库，Mglex分析器 A A STUDY ON MONGOLIAN POS．．TAGGING CORPUS AND THE RELATED TECHNoLoGIES ABSTRACT In recent years，following the extensive use of statistical method in natural language processing，corpus linguistics has become a very active research direction in language study．The natural language processing based on corpus needs di fferent levels of processing for the original corpus，thus we can get the desired linguistic knowledge． The tagging of morphology is the fundamental processing of corpus． In the stage of