|
|||||
|
|
| THUUyMorph:维吾尔语形态切分语料库 | |
| 引用本文： | 哈里旦木·阿布都克里木,孙茂松,刘洋,阿布都克力木·阿布力孜.THUUyMorph:维吾尔语形态切分语料库[J].中文信息学报,2018,32(2):81-86. |
| 作者姓名： | 哈里旦木·阿布都克里木 孙茂松 刘洋 阿布都克力木·阿布力孜 |
| 作者单位： | 1.清华大学 计算机科学与技术系 智能技术与系统国家重点实验室,清华信息科学与技术国家实验室(筹),北京 100084 2.清华大学 人文学院 计算语言学实验室,北京 100084 |
| 基金项目： | 国家自然科学基金(61331013);国家“863”高技术项目(2015AA015407) |
| 摘 要： | THUUyMorph (Tsinghua University Uyghur Morphology Segmentation Corpus)是由清华大学自然语言处理与社会人文计算实验室构建的维吾尔语形态切分语料库。原始语料从2016年的天山网维文版http: //uy.ts.cn/下载,题材内容包含新闻、法律、财经、生活等。语料库构建步骤为: 爬虫、校对原始语料、分句、校对分句、人工和自动形态切分结合、人工标注语音和谐变化现象、人工校对形态切分和语音和谐变化现象。语料库包含10 596个文档、69 200个句子,词语类型为89 923个,分为词级和句子级两类标注,开源网址为http://thuuymorph.thunlp.org/。该研究不仅对维吾尔语语料库的建设具有参考意义,而且为维吾尔语自然语言处理的研究提供了有益的资源。 |
| 关 键 词： | THUUyMorph 维吾尔语 形态切分 |
THUUyMorph: An Uyghur Morpheme Segmentation Corpus |
|
| Halidanmu Abudukelimu,SUN Maosong,LIU Yang,Abudukelimu Abulizi.THUUyMorph: An Uyghur Morpheme Segmentation Corpus[J].Journal of Chinese Information Processing,2018,32(2):81-86. | |
| Authors: | Halidanmu Abudukelimu SUN Maosong LIU Yang Abudukelimu Abulizi |
| Affiliation: | 1.State Key Laboratory of Intelligent Technology and Systems, Tsinghua National Laboratory for Information Science and Technology, Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China; 2.Laboratory of Computational Linguistics, School of Humanities, Tsinghua University, Beijing 100084, China |
| Abstract: | THUUyMorph (Tsinghua University Uyghur Morphology Segmentation Corpus) is an Uyghur corpus with morpheme segmentation annotations. The original corpus is downloaded from Tianshan website in 2016, including news, law, life, etc. Corpus are processed by proofreading of the original corpus, clauses segmentaion and proofreading, manual and automatic annotation for morpheme segmentation, manual annotation of phonetic harmony phenomenon, manual correction of morpheme segmentation and phonetic harmony. The corpus contains 10, 596 documents, 69, 200 sentences and 89, 923 word types, which are annotated at both word-level and sentence-level. The corpus is available at http://thuuymorph.thunlp.org/. |
| Keywords: | THUUyMorph Uyghur morpheme segmentation |
| 点击此处可从《中文信息学报》浏览原始摘要信息 | |
| 点击此处可从《中文信息学报》下载全文 | |