摘要：以维吾尔语小学语文教材语料为验证对象,利用从语法语义相结合角度制定的《现代维吾尔语词干词类标注标记集》,对维吾尔语小学语文教材词干进行了词性标注,验证该标记集规范的可行性、适应性和可靠性。首先介绍小学语文教材电子语料库;其次讨论《信息处理用现代维吾尔语词干词类标注标记集》的基本情况和多策略现代维吾尔语词干标注系统模型设计与算法;最后分析现代维吾尔语词性标注标记集验证结果,并验证《信息处理用现代维吾尔语词干词类标注标记集》的科学性,补充和改正部分词类的语义分类及标注代码,提出了规范的扩充建议。

摘要：本文分析了汉语的多类词现象与汉语词类标注的困难，介绍了汉语词类标注中的规则排歧和统计排歧的处理策略以及规则和统计相结合的处理思路。按此思路设计的软件系统，对封闭语料和开放语料的标注正确率分别达到了９６．０６％和９５．８２％。

摘要：以"设计"的词类标注为例,查阅10部汉英词典后发现,该词的词类标注在汉英词典间存在不一致现象。基于双层词类范畴化理论和国家语言文字工作委员会语料库的使用模式调查,对"设计"的词类问题进行探究。研究发现,"设计"表指称的个例频率和类型频率均已达到规约化程度,在社群语言系统层面应属动名兼类词;且再次证实双层词类范畴化理论对于大中型双语词典编纂以及大中型语料库在词类标注方面都有借鉴价值。

摘要：超文本信息抽取是Internet信息重组的重要手段。通过对政府公文信息格式进行了研究,提出了一种基于XML的信息抽取中间件模型,通过基于串匹配与串频统计相结合的分词处理、利用遗传算法的词类标注以及基于改进的隐马尔科夫模型的XML模板自动填充,可以快速的对Internet上的政府公文信息进行信息重组,以供相关应用系统使用。

摘要：本文依据班智达藏语料自动分词技术,设计出班智达藏文查询接口及信息抽取总体功能结构,较详细地讨论了班智达藏文藏词性标记规范、词典库的数据结构和信息抽取的文法规则,并给出了班智达藏文查询接口的信息抽取算法。