藏文紧缩格识别方法

分词是自然语言处理的一项基础性工作,对自然语言处理的后继工作有较大的影响。紧缩格的识别是藏文分词中最难最重要的技术之一。通过剖析已有藏文紧缩词识别方法,分析藏文字词的特征,针对性地提出了识别藏文紧缩格的规则算法、添加—还原算法和最大熵模型的特征模板,从而得到基于规则、添加还原法与最大熵模型相结合的藏文紧缩格识别方法。实验数据表明,该方法识别藏文紧缩格的准确率、召回率和F1值分别达99.26%、96.47%、97.85%,比现有最高的准确率有了较明显的提高。     

一种在移动电话上实现藏文处理的方法

移动电话系统资源有限,如果直接使用藏文Unicode编码,通过组合方式生成藏文字符将大大增加系统处理的时间复杂性,为此,在分析藏文构字特点及藏文Unicode编码的基础上,提出了一种使用索引技术的移动电话藏文编码规则。移动电话键盘键位有限,无法一对一地部署藏文字符,因此,利用藏文的文法特点和索引技术,在有限的键位上合理地安排了藏文字符,减少了藏文输入时的重码率,提高了输入速度。设计了与移动电话藏文编码规则相对应的短消息编码/解码方法,实现了移动电话对藏文短消息的发送和接收。     

信息检索系统中藏文自动提示的研究与实现

在当今信息社会,信息检索已经成为人们日常工作的一部分。藏文作为一种古老的文字,也融入了当今的信息时代,越来越多的网页、电子邮件等电子文档以藏文形式出现。该文主要探讨了藏文的构成、编码、分词及藏文相关提示词的实现原理及方法,对具有重要影响的藏文分词和排序进行了深入的分析,实现了在信息检索系统中基于权重的藏文自动提示功能。通过测试分析,该功能能较好地分辨藏文和依据权重对藏文进行相关词提示。     

基于有限状态自动机藏字自动生成的研究

本文针对藏字结构进行了系统研究,着眼当前藏字使用分布不均匀且去向重复命名等状况,有望将所有符合藏文文法的字投入使用;结合藏文文法提出一种自动生成藏字的新设想。     

TSRM藏文拼写检查算法

拼写检查作为文本处理中的重要内容,在字处理软件、文字识别、语音识别、搜索引擎等领域具有广泛的应用。该文以藏文语音特性建立的字组织法为依据,以藏文音节规则为模型,提出了藏文音节规则模型(TSRM)的藏文音节拼写检查算法,并通过2组实验验证了算法的有效性。在没有考虑梵音转写藏文的情况下,拼写错误检查的准确率可以达到99.8%。     

基于Lucene的藏文信息采集及检索系统研究

浅析了当前藏文数据采集与检索存在的问题.基于元搜索技术提出了一种藏文信息采集方案;基于全文检索工具包Lucene并针对藏文的特点,提出了一种藏文信息的索引、检索的设计方案,并对其关键技术进行了探讨.实际系统应用证明方案可行.介绍的数据采集、索引、检索方案同样适用于藏文外的其他语种.     

藏文字母的信息熵

随着科技的发展,各类电子产品的日益增多,藏文文字的使用量也日益得到扩大,藏文输入法、藏文各类电子词典等软件的问世,这就迫使藏文文字需要结构化、数字化、规范化,做这些工作要了解藏文字母的信息熵。本人用扩大容量的方法统计了藏文字母的信息熵,并用zipf定律进行了理论上的说明。     

基于情感词典的藏文微博情感分析研究

本文通过借鉴中文微博情感分析中较为常用的基于统计的方法和基于词典的方法来对藏文微博进行情感分析，通过实验的方式发现基于藏文词典的藏文微博情感分析的准确率明显高于基于TF-IDF的藏文微博情感分析的准确率。     

基于匹配算法的藏文自动分词

实现了一种基于哈希表索引和匹配算法的藏文分词的系统。进行分词时,为达到消除部分歧义的目的,采用了正向最大匹配和逆向最大匹配算法相结合的方式进行藏文分词,通过分别计算两种分词结果的频率,然后选择频率较大的一个。最终,通过对26个不同大小的文本对该系统进行测试和分析,得出了分词准确率在92%以上的结论。     

藏文软件开发专项介绍

藏文软件开发专项设立过程 作为国家信息产业主管部门,信息产业部始终高度重视少数民族语言文字特别是藏文的信息处理工作.