摘要：以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。

摘要：针对语料不足引起的维吾尔语-汉语量词短语翻译性能不佳及歧义量词的翻译结果乱等问题,提出基于多编码器多解码器的维吾尔语-汉语量词短语神经机器翻译方法。将汉语语料进行自动处理和筛选,收集包含量词的维吾尔语-汉语量词短语语料,使用多编码器多解码器结构,搭建具有更强生成能力的多编码器多解码器维汉神经机器翻译模型。计算BLEU值得到了36.41,并通过对比实验结果,验证了所提方法的有效性。

摘要：针对基于神经网络的维汉机器翻译中的集外词问题和随着网络层数的加深训练和优化模型会变得更加困难这两个问题,在对相关工作研究后,提出基于深层神经网络的亚词及单词的维汉机器翻译模型。在翻译单元上将基于词的翻译单元替换为基于词和亚词的混合翻译单元,将基于GRU的神经非线性单元替换为基于ALU的非线性单元,缓解训练和优化模型的难度并提高译文质量。通过实验发现该模型相比基准系统提高了近13个BLEU值,该研究对形态丰富黏着语言与汉语的机器翻译具有借鉴意义。

摘要：本文主要介绍基于规则的维吾尔语、哈萨克语机器翻译的设计与实现过程:(1)根据这两种语言之间的对应关系,构建了其词尾映射库、翻译规则库;(2)对源语言维吾尔语进行形态分析后,根据映射库和翻译规则,初步实现了基于规则的维吾尔语、哈萨克语机器翻译系统.在收集的维哈对齐的语料上做了实验,实验结果BLEU值为0.2,表明本文采取的方法是可行的.

摘要：在Unicode编码方案中维、哈、柯文字符安排在阿拉伯字符区域,三种语言中共享字符比较多,跟阿拉伯字符区域混在一起,没有专用的语言ID。在信息检索和自然语言处理领域对维、哈、柯文的识别、处理带来不便。该文首先分析并总结了维、哈、柯文三种语言中的专用字符、复合字符、某些字符在某种语言中出现形势的独特性等特征,然后在此基础上设计了维、哈、柯文种识别算法。实验结果表明该文提出的文种识别算法的正确率在文本多于70词时达到96.67%以上。

摘要：在自然语言处理中词性标注和词干提取是最重要的任务.文中研究与实现基于Android的维吾尔文词性标注和词干提取APP,为维吾尔语自然语言处理工作开发出了快捷和方便的标注平台,目的是通过APP对大规模语料进行词性标注和词干提取,实现了广大学员通过一部Android系统的手机随时随地参与语料标注任务,从而完成了大规模语料的标注工作,将其应用到文本分析、机器翻译、语音合成、语音翻译等研究领域.该系统的实现为低资源少数民族智能化研究工作做出了贡献.

摘要：为了提高维吾尔语中机构名的自动识别准确率,从维吾尔语的语言特点出发,对维吾尔语中机构名的组织结构进行了分类并将其形式化表示;根据此特征设计出有效地识别规则,创建了特征词库、地名库和修饰词库等知识库;设计并实现了基于状态转移原理的高效识别算法。实验结果表明,该算法识别的F值达到83.05%,获得了较好结果。

摘要：讨论基于GMM-UBM/SVM的电话语音监控系统。GMM是说话人识别系统中使用的常用方式。但由于监控语音发话时间短暂,电话-互联网终端及传输线背景噪音大等因素影响了GMM的识别精度。基于GMM的鲁棒性及SVM对小量静态数据具有高分类的优势设计电话语音监控系统并通过维吾尔语研讨了系统性能。为了便于比较,同时也讨论了量化距离(VQ)、加权量化距离(WVQ)及基线系统的识别。在50个目标人训练集,每人发话时间为20秒时,对10秒测试语音提案方法识别率对比于VQ和WVQ法分别提高了20.2%及16.7%。

摘要：在立足于改革以及新工科的背景下,人们的认识要随着时代的进步不断深化,数据结构与算法课程的教学要突破传统的教学观念与灌输模式,也要追求理论高效和实践设计完美的目的,以培养高素质和有创造精神的代码实战型人才为数据结构与算法课程的教学目标。以学生实践动手学习与理论知识的应用为中心,学生是教学的主体目标,安排教学活动首先须考虑培养学生的课程目标、学生的认知规律以及学生学习的特点。教学活动中的每一个环节都要顾及并考虑到学生的具体情况,要有利于调动学生自主学习的积极性,引导学生自主学习,而不是强灌性的教学。文章通过平时在学习过程中对学生的观察,并结合考试成绩,对学生在数据结构与算法这门科目中的学习情况进行了分析总结,指出了其中存在的问题。针对某些问题,提出了些许建议,从而使日后的教学活动能够更好地进行,使学生得以更好地理解所学内容,收获到更多的知识。

摘要：文章对维吾尔语名词形态变化进行分析,并设计一种基于名词词干的词缀附加引擎算法。该算法可以根据词干结构自动附加1~5层词缀,并生成1个词干的501种形态。利用该引擎首次以词缀附加方式进行词干提取,实验表明,在基于规则的词干提取方法里,文章方法的正确率为95.12%。