姜文斌, 吴金星,乌日力嘎,那顺乌日图,刘 群

(1. 中国科学院 计算技术研究所,中国科学院 智能信息处理重点实验室，北京 100190；2. 内蒙古大学 蒙古学学院,内蒙古 呼和浩特 010021)

1 引言

形态分析对于黏着语来说，是大多数自然语言处理任务的基础。汉语的词形较为简单，当前的词法分析已经做到实际可用的水平[1-4]，而对于形态复杂的民族语言如蒙古语和维吾尔语，形态分析的准确率仍有较大的提升空间[5-11]。这一方面是因为这些语言的研究起步较晚，另一方面更是因为黏着语本身构词规律的复杂性。

与汉语的字符顺次拼接的构词方式相比，蒙古语和维吾尔语等形态丰富的语言构词规律更加复杂。这类语言的词语通常由词干和若干起修饰作用词缀组成树状结构，形态分析任务需要解析出词语的词干和词缀构成。我们之前提出了一种针对蒙古语构词特性的形态分析模型。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、词缀及其相应标注，而边则表示节点之间的转移或生成关系。为这些转移或生成关系赋以合适的概率形式，则形态分析的过程就是寻找其所有概率乘积最大的有向图。该模型取得了较高的性能，但它存在致命的缺点。模型依据从人工语料库中抽取出的词干表和词缀表，通过递归搜索为每个词枚举所有可能的切分标注候选。显然，该方式无法处理含有未登录词干的词语。……