●孙瑞娜a,b（新疆财经大学a.统计与信息学院，b.社会经济统计研究中心，乌鲁木齐　830012）

基于CRFs的哈萨克语名词短语自动获取

●孙瑞娜a,b（新疆财经大学a.统计与信息学院，b.社会经济统计研究中心，乌鲁木齐830012）

［关键词］哈萨克语；名词短语；互信息；条件随机场

［摘要］基于哈萨克语文本语料特点，分析名词短语构成规则，结合互信息（MI）知识，建立了哈萨克语名词短语特征模板，利用条件随机场（CRF）模型实现哈萨克语名词短语自动获取。实验表明，哈萨克语名词短语获取正确率达到95.2%，获取性能高于基于规则、基于规则与互信息结合的抽取方法。

随着web2.0的迅速发展，互联网成为民众获取信息的重要来源，同时也是人们传播信息和表达观点的重要渠道。民众通过网络平台对国家政策或突发事件发表意见，及时对这些评论信息进行有效处理分析，可以帮助决策者了解社情民意。

网络评论文本由句子组成，表示句子语义的主要成分是主语、谓语和宾语。在进行评论文本主题识别时，主语和宾语是识别文本主题的关键因素，而主语和宾语的用词中名词和名词短语是语义表达的主题，也是评论文本主题识别研究中的一个重要特征。本文结合哈萨克语名词短语构成规则，以互信息（MI）为工具，利用规则和条件随机场（CRF）结合的方法，针对哈萨克语评论文本中名词短语的自动获取，辅助后期进行哈萨克语网络舆情分析中web评论文本主题识别的研究工作。

1　需求及技术思路

1.1研究现状