李萍，杨勇，赛买提·艾力，任鸽

（新疆师范大学计算机科学技术学院，乌鲁木齐 830054）

基于HMM 的维吾尔语词性标注研究

李萍，杨勇，赛买提·艾力，任鸽

（新疆师范大学计算机科学技术学院，乌鲁木齐 830054）

在维吾尔语与汉语的机器翻译的研究中，词性标注起到很大的作用，词性标注也是自然语言处理的基础性工作。介绍基于隐马尔可夫模型的词性标注算法和词性标注器Citar，并且将Citar标注器应用到维吾尔语上进行词性标注。为了能对维吾尔语进行词性标注，在在布朗词性标注集的基础上，定义一套适用于维吾尔语的词性标注集，采用基于隐马尔可夫模型的方法，对部分维吾尔语进行词性标注实验，经过实验表明，Citar标注器能准确对维吾尔语进行词性标注，从而表明此标注器适用于维吾尔语。

机器翻译；词性标注；隐马尔可夫模型；词性标注集；维吾尔语

0 引言

词性标注[1-3]是自然语言处理的基础，其中机器翻译[4-5]、信息抽取[6-7]、信息检索、信息识别等的研究都要在词性标注的研究基础上。词性标注是将句子中的词语标记上词性属性，词性标注的难点在于一个词在不同的语境环境可能有不同的属性，另外对于未登录词的处理也是词性标注中的一大难点。汉语中的词性标记还涉及一个分词问题，先要对句子进行分词，而像英语、维语这类的语言，其词与词之间存在空格，相比于汉语的词性标记，这类语言的词性标注相对容易些。

维吾尔语是阿尔泰语系，所有的词语由32个字母构成，但是每个字母有不同的变形，在构成不同的词语的时候其字形不一样，这种变形加大了维吾尔语词性标注的难度。……