基于短語(yǔ)結(jié)構(gòu)樹(shù)的維吾爾語(yǔ)義角色標(biāo)注的設(shè)計(jì)與實(shí)現(xiàn)

艾山江　亞生　阿里甫·庫(kù)爾班

摘要：研究維吾爾語(yǔ)是作為一個(gè)自然語(yǔ)言中的一個(gè)很重要的研究領(lǐng)域之一，維吾爾語(yǔ)的詞法分析和句法分析的研究是視為非常重要的研究領(lǐng)域。為了能夠更有效地對(duì)維吾爾語(yǔ)語(yǔ)義角色標(biāo)注的研究，需要針對(duì)維吾爾語(yǔ)的特征提出相關(guān)的方案和方法。該文根據(jù)維吾爾語(yǔ)語(yǔ)義角色標(biāo)注研究在國(guó)內(nèi)研究進(jìn)展現(xiàn)狀，從基于維吾爾語(yǔ)規(guī)則和基于雛吾爾語(yǔ)短語(yǔ)結(jié)構(gòu)樹(shù)的角度，對(duì)該研究詞性標(biāo)注，句法功能編輯，句子分析等方面進(jìn)行全面的分析和探索?；诙陶Z(yǔ)結(jié)構(gòu)樹(shù)的維吾爾語(yǔ)語(yǔ)義標(biāo)注的研究為將來(lái)的自然語(yǔ)言處理，結(jié)構(gòu)化研究，標(biāo)注功能的實(shí)現(xiàn)，校對(duì)功能的研究等方面要打下很踏實(shí)的基礎(chǔ)和作用。

關(guān)鍵詞：短語(yǔ)結(jié)構(gòu)樹(shù)；結(jié)構(gòu)化研究；校對(duì)功能；語(yǔ)義角色標(biāo)注；詞性標(biāo)注

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）18-0088-03

1背景

隨著維吾爾語(yǔ)自然語(yǔ)言處理研究的不斷發(fā)展，初步地形成了系統(tǒng)的維吾爾語(yǔ)自然語(yǔ)言處理技術(shù)體系，研究人員的數(shù)量有限等原因，目前有關(guān)理論研究和相關(guān)方法、技術(shù)等領(lǐng)域的研究較少而且速度慢，還處在初步探索階段，取得的成果還不能完全滿足人們的需求。國(guó)家自然科學(xué)基金自助西部項(xiàng)目和在政策上傾斜的支持下維吾爾語(yǔ)自然語(yǔ)言處理技術(shù)得到了迅速的發(fā)展并邁進(jìn)了智能化趨勢(shì)。維吾爾語(yǔ)與漢語(yǔ)和某些西方語(yǔ)言不同，有豐富的語(yǔ)法形態(tài)，以表示各種語(yǔ)法意義。在維吾爾語(yǔ)自然語(yǔ)言處理中，分析或生成數(shù)量多，復(fù)雜的語(yǔ)法形態(tài)，也是維吾爾文信息處理的特色難點(diǎn)。庫(kù)，雙語(yǔ)語(yǔ)料庫(kù)的質(zhì)量和規(guī)模直接影響最終的結(jié)果。雙語(yǔ)語(yǔ)料庫(kù)的構(gòu)建過(guò)程。維吾爾語(yǔ)目標(biāo)詞識(shí)別是維吾爾語(yǔ)語(yǔ)義角色自動(dòng)標(biāo)注的核心模塊之一，但因維吾爾語(yǔ)語(yǔ)言處理技術(shù)還不夠成熟，詞干提取、詞性標(biāo)注、句法分析等基礎(chǔ)性技術(shù)需要進(jìn)一步深入研究。

2設(shè)計(jì)與實(shí)現(xiàn)

2.1維吾爾語(yǔ)語(yǔ)義角色及標(biāo)注標(biāo)記集

維吾爾語(yǔ)語(yǔ)義角色的劃分是個(gè)十分復(fù)雜的問(wèn)題，不僅涉及動(dòng)詞的語(yǔ)義特征，而且與論元的句法位置和句法實(shí)現(xiàn)方式有關(guān)。同一個(gè)動(dòng)詞的論元，因其句法實(shí)現(xiàn)方式的不同，可能會(huì)擔(dān)當(dāng)不同的語(yǔ)義角色。課題組已就維吾爾語(yǔ)名詞、形容詞、動(dòng)詞、量詞和副詞，無(wú)論任何一種目標(biāo)詞，在語(yǔ)義和句法層面作為特定的論元與動(dòng)詞發(fā)生聯(lián)系，而且根據(jù)這些論元與動(dòng)詞的關(guān)系充當(dāng)不同的語(yǔ)義角色。當(dāng)然，這些論元的句法功能也是劃分語(yǔ)義角色的依據(jù)之一。由于語(yǔ)言之間有千差萬(wàn)別，各語(yǔ)言當(dāng)中語(yǔ)義角色的數(shù)量、語(yǔ)義特征及其在句法平上的表現(xiàn)形式等方面，可能出現(xiàn)各種各樣的特殊情況。賦予顏色保證了同一個(gè)框架中不出現(xiàn)同一個(gè)顏色，又保證了同一個(gè)元素在不同的框架中用一個(gè)顏色來(lái)著色，保證了一致性和可讀性。本模塊的基本意思通過(guò)哈爾濱大學(xué)在線分析系統(tǒng)來(lái)更進(jìn)一步的了解。下面是維吾爾語(yǔ)語(yǔ)義角色及標(biāo)注標(biāo)記集如下表1所示：

表1可以看出，維吾爾語(yǔ)中的詞性的分類及表主代碼語(yǔ)義角色除了受句法結(jié)構(gòu)限制之外，同詞匯的語(yǔ)義特征也有著緊密的內(nèi)在聯(lián)系。對(duì)于一些僅依靠句法分析不能很好解決的角色標(biāo)注問(wèn)題，如句法結(jié)構(gòu)相同的兩個(gè)成分所對(duì)應(yīng)的角色分別為完全不同的施事、受事角色的情況，可以通過(guò)引入一些詞匯語(yǔ)義特征來(lái)進(jìn)行處理。

2.1.2設(shè)計(jì)工作數(shù)據(jù)流

首先，要完成收集資料模塊的實(shí)現(xiàn)。即，輸入（打開(kāi)）維吾爾語(yǔ)語(yǔ)文本，然后對(duì)此進(jìn)行切分詞及分句，其工作完成完以后，將內(nèi)容保存至數(shù)據(jù)庫(kù)當(dāng)中。其次，針對(duì)分完的詞語(yǔ)和句子，按照對(duì)應(yīng)的標(biāo)注英文字母來(lái)進(jìn)行語(yǔ)義詞性標(biāo)注工作，并查看結(jié)果。最后，整個(gè)收集資料模塊和標(biāo)注工作結(jié)束以后，將所有內(nèi)容按標(biāo)注形式保存到數(shù)據(jù)庫(kù)之中。

2.2數(shù)據(jù)庫(kù)設(shè)計(jì)

“基于短語(yǔ)結(jié)構(gòu)樹(shù)的維吾爾語(yǔ)語(yǔ)義角色標(biāo)注方法的設(shè)計(jì)和實(shí)現(xiàn)”設(shè)計(jì)為自然語(yǔ)言處理的應(yīng)用程序。開(kāi)發(fā)時(shí)用Visual Stu-dio 2013開(kāi)發(fā)工具，后臺(tái)用Microsoft SQL Server數(shù)據(jù)庫(kù)。在此設(shè)計(jì)中，每一個(gè)內(nèi)容作為一個(gè)單獨(dú)表。如詞形表，語(yǔ)義角色表，短語(yǔ)表，零碎成分表等。除此之外，數(shù)據(jù)庫(kù)管理系統(tǒng)應(yīng)有的功能。下面是單詞和句子數(shù)據(jù)表的詳細(xì)設(shè)計(jì)：

按照上述設(shè)計(jì)建立表以后，后面的研究將要變更方便得多。因?yàn)?，下一步的研究需要?shù)據(jù)庫(kù)的查詢和存儲(chǔ)等過(guò)程。因此，這些變得建立是為下一步要做的工作的必不可少的一個(gè)重要部分。

2.3程序設(shè)計(jì)

1）收集資料（信息）功能需求：本模塊是整個(gè)部分的天體部分。因?yàn)樵跊](méi)有本模塊的情況下就無(wú)法進(jìn)行后面的工作和研究。該模塊主要過(guò)程是先在文本區(qū)里錄入或打開(kāi)研究對(duì)象（一篇文章或短文），然后對(duì)此對(duì)象進(jìn)行分詞及分句動(dòng)作。整個(gè)系統(tǒng)本模塊的功能有：詞性標(biāo)注，短語(yǔ)標(biāo)注，語(yǔ)義角色標(biāo)注，句法功能標(biāo)注，零碎成分標(biāo)注等一系列功能。其中語(yǔ)義角色標(biāo)注和詞性標(biāo)注是我個(gè)人主要研究的方向。程序截面圖如下圖3、4所示：

系統(tǒng)的主功能模塊是主要是句子編輯和查找功能是當(dāng)中所實(shí)現(xiàn)功能是關(guān)鍵的功能分詞是譯文生成后按照烏茲別克語(yǔ)句子和維吾爾語(yǔ)句子按照空格來(lái)分詞，句子編輯界面的設(shè)計(jì)：本界面功能算是關(guān)鍵點(diǎn)。因?yàn)檎麄€(gè)系統(tǒng)的核心作用通過(guò)本界面來(lái)實(shí)現(xiàn)的。在數(shù)據(jù)庫(kù)里所保存好的資料通過(guò)該界面被進(jìn)行操作。主要功能是查詢數(shù)據(jù)庫(kù)當(dāng)中的每一行句子。然后對(duì)此句子按訶性標(biāo)注（另叫語(yǔ)法標(biāo)注），短語(yǔ)標(biāo)注，短語(yǔ)標(biāo)注，語(yǔ)義角色標(biāo)注。

3結(jié)束語(yǔ)

在維吾爾語(yǔ)自然語(yǔ)言處理中，分析或生成數(shù)量繁多，復(fù)雜的語(yǔ)法形態(tài)，也是維吾爾文信息處理的特色難點(diǎn)。維吾爾語(yǔ)中的很多現(xiàn)象從其表面上看是語(yǔ)法現(xiàn)象，但如就其根源而言，實(shí)為屬于語(yǔ)義屬性制約。在研究維吾爾語(yǔ)文法處理過(guò)程中，維吾爾語(yǔ)同一類的詞，理論上都應(yīng)有，某語(yǔ)法形態(tài)，而另一些側(cè)沒(méi)有。這些現(xiàn)象不僅使維吾爾文信息處理的具體技術(shù)遇到了一些難題，而且使維吾爾語(yǔ)語(yǔ)法理論也面臨新的挑戰(zhàn)。面向信息處理的維吾爾語(yǔ)詞語(yǔ)分類及其標(biāo)注體系，是維吾爾文信息處理研究各個(gè)層面中的中心環(huán)節(jié)，它的成敗將決定維吾爾文信息處理研究能否從表層研究轉(zhuǎn)入深層研究。而維吾爾語(yǔ)詞性標(biāo)注研究是面向信息處理的維吾爾語(yǔ)語(yǔ)法分析的核心內(nèi)容。根據(jù)信息處理的實(shí)際需要，我們目前已經(jīng)擬定了一套維吾爾語(yǔ)詞性標(biāo)注集。其目的是探討現(xiàn)代維吾爾語(yǔ)的詞語(yǔ)分類，給出相應(yīng)的窮盡性的形式化描述，建立現(xiàn)代維吾爾語(yǔ)語(yǔ)料庫(kù)詞性標(biāo)注系統(tǒng)，使維吾爾文信息處理從詞處理階段轉(zhuǎn)入句處理階段。現(xiàn)代維吾爾語(yǔ)語(yǔ)料庫(kù)詞性標(biāo)注系統(tǒng)，對(duì)維吾爾語(yǔ)語(yǔ)料庫(kù)的加工處理上升到一個(gè)新的層次，構(gòu)造大規(guī)模的維吾爾語(yǔ)樹(shù)庫(kù)，進(jìn)一步做語(yǔ)義、語(yǔ)境及短語(yǔ)標(biāo)注，開(kāi)發(fā)以維吾爾語(yǔ)為一方的機(jī)器翻譯系統(tǒng)，都會(huì)起到舉足輕重的作用。endprint