基于多卷积核DPCNN的维吾尔语文本分类联合模型

由于维吾尔语形态丰富且资源匮乏,因此直接使用现有的深度学习模型并不能很好地完成文本分类任务。基于此,该文提出了MDPLC文本分类模型,即首先将预先训练的词向量和经Bi-LSTM处理得到的语义信息进行融合,进而得到全句语义依赖,然后通过组合池化的CNN进一步加强局部语义学习,同时以双通道的方式使用多卷积核DPCNN捕获文本语义信息,最后融合两种模型提取到的信息完成文本分类任务。为验证该模型的有效性,该文分别采用中文、英文和维吾尔文短、长文本数据集进行实验,实验结果表明,该模型在多个分类任务中取得的性能都高于现有主流深度学习模型,验证了该模型在不同语种、语义表达稀疏和语义丰富各种情况下的鲁棒性。

新疆少数民族地区的计算机教育建设

随着历史长河滚滚向前奔流，新疆古代民族通过不断地迁徙、裂变、融合和发展，逐渐形成了当代新疆的13个主要民族。语言文字是教育的主要工具。多民族、多语种的特点，造就了新疆教育的复杂性。新疆是一个以维吾尔族为主体的多民族地区，目前境内有维吾尔族、汉族、哈萨克族、回族、柯尔克孜族、蒙古族、塔吉克族、锡伯族、满族、乌孜别克族、俄罗斯族、达斡尔族、塔塔尔族等47个民族，其中世居民族有13个。截止2004年底，新疆人口为1963．11万人，其中少数民族人口约占60．5％。各民族中，维吾尔族897．67万人，占总人口的45．73％；汉族780．25万人，占39．75%；哈萨克族138．16万人，占7．04%；回族87．63万人，占4．46％；柯尔克孜族17．12万人，占0．87％；蒙古族16．96万人，占0．86%；塔吉克族4．35万人，占0．22％；锡伯族4．08万人，占0．21％；满族2．41万人，占0．12％，乌孜别克族1．42万人，占0．072％；俄罗斯族1．13万人，占0．058％；达斡尔族0．67万人，占0．034%；塔塔尔族0．47万人，占0．024%；其他少数民族共10．79万人，占0．55％。党和国家从新疆多民族的实际出发，制定并实施了一系列符合国情的民族政策和宗教政策，在少数民族聚居地区实行了民族区域自治制度。

基于词缀附加引擎的维吾尔语名词词干提取研究

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%。