一种基于主动学习支持向量机哈萨克文文本分类方法

将文本分类理论应用于哈萨克语中,给出基于支持向量机的哈萨克文文本分类系统的设计思想.从哈萨克语言学的角度对哈萨克文分析,提出哈萨克文词干提取的方法.在对支持向量机的理论分析基础上,提出主动学习算法对支持向量机进行训练,使用训练后的分类器对新的文本进行分类.实验结果表明,该方法在哈萨克文文本分类中能获得可接受的分类性能.

OpenType字形技术研究与哈萨克文字库设计

在研究了OpenType字形技术基础上,结合哈萨克文字变形显现特点,总结出了哈萨克文字组合规律及变形显现替换规则,编写了哈萨克文OpenType字形描述脚本,通过连字替换表(SUB)和字型置位表(GPOS)控制实现哈萨克文字连字替换和字符复合,利用字模编辑软件与脚本编辑软件生成哈萨克文OpenType字库。经在Windows XP等操作系统上安装测试,字形变形及组合完全符合哈萨克文文字变形规范。

斯拉夫哈萨克文与现行哈萨克文编码字符转换规则的探究

哈萨克语在发展变化的过程中,在世界范围内形成了基于同一语言的两种文字形式的特殊情况,分别是国外的以斯拉夫文字母为基础的哈萨克斯拉夫文字,称之为斯拉夫哈萨克文,以及我国的以阿拉伯文字母为基础的哈萨克阿拉伯文字,称之为现行哈萨克文。由于两种哈萨克文发音相同,而且均是一音一字的文字形式,所以斯拉夫哈萨克文与现行哈萨克文是可以通过规则互相转换的,但至今并没有相关的国家或地方标准对转换规则进行明确描述。因此,本文通过对斯拉夫哈萨克文和现行哈萨克文的研究,提出两种文字的字符编码转换规则。

哈萨克文信息处理现状中的若干问题探讨

通过信息领域术语的规范化及翻译、文字输入法原则和键盘布局、语料库建设与语料管理、机器翻译以及文字转换等方面的信息化建设的现状和进展为例,就目前开发和研究哈萨克文信息处理中存在的若干问题进行探讨。

觉察压力量表哈萨克文版的初步修订

目的:由张澜翻译并修订的觉察压力量表(perceived stress scale,PSS)在汉族人群中已经广泛应用,目前并无该量表的哈萨克族专用版,本研究旨在探讨该量表是否适合在哈萨克族中应用,并建立该量表的哈萨克文版。方法:按照量表修订程序,对量表进行翻译与回译,形成哈萨克文版的试测版。根据试测反馈,修正量表的指导语,形成哈萨克文版量表。在哈萨克族中选取220名被试进行测量,并进行探索性因素与验证性分析。结果:量表包括3个因素,共解释方差52.177%;α系数为0.796,折半信度为0.787,RMSEA=0.05。结论:量表的内部一致性良好,验证性分析显示量表的结构效度较好,可用于哈萨克族人群觉察压力的测试。

一种改进的哈萨克文编码字符处理方法

该文介绍了哈萨克文专用字母■、■、■、■的特殊书写习惯,以及哈萨克文编码字符处理现状。指出当前广泛使用的字母替换法不符合国际和国家相关标准,并且会导致哈萨克文排序错误,增加文字转换、语音合成等功能的实现难度。为解决上述不足,对字母替换法进行了三个改进,包括用专用字母与符号"■"结合表示它们自己;专用字母各种书写形式带符号■的字形中,仅将独立字符形式带符号"■"的字形包含在OpenType字体中;用字形替换规则<calt>识别专用字母与哈萨克文字母不相邻的上下文环境。为便于改进方法的应用,该文介绍了与改进方法一致的OpenType字体字形替换规则设置方法。

一种联机手写哈萨克文字母识别算法

在手机中实现哈萨克文手写输入是新疆地区哈萨克族用户的需求。基于手机手写屏尺寸的局限性,哈萨克文在手机上以字母为单位输入。在研究了哈萨克文字母结构特征基础上,提出将哈萨克文字符分成主体笔画与附属笔画两部份。利用字符的笔画数做第一级分类,一笔以上的字符按附件二级分类。提取字符的笔画落笔抬笔象限、笔画x方向最大穿越次数、笔画环、笔画x、y方向变化次数及落笔、抬笔走势等20个特征为特征集。通过采集当前手写输入字符的xy坐标序列,提取相应的特征组成用二进制表示的特征数据,与样本库中的样本逐个异或运算比对,取运算后1的个数最少的样本为识别样本,经进一步检验后得到识别的字符及相近的侯选字符。

基于哈萨克文的辅助教学软件的设计与实现

随着计算机技术的不断发展,计算机辅助教学得到越来越广泛的应用,因此出现各种计算机辅助教学软件。重点介绍哈萨克文辅助教学软件的设计、工作流程,以及简要说明该辅助教学软件的主要模块及实现方法。

哈萨克文语料库管理系统设计与实现

设计并实现了一个哈萨克文语料库管理系统.哈萨克文语料库管理系统能很好地对哈萨克文语料进行科学有效地管理,可以为以后哈萨克语言学研究提供可靠的素材.

哈萨克文信息处理的现状和发展方向

在信息日趋网络化的时代,作为中文信息处理中的子项哈萨克文信息处理技术也开始一步一步地进入研究当中,该文介绍了哈萨克文信息处理技术的现状、研究发展方向和一些关键概念、基本要素以及今后哈萨克文信息处理技术发展中存在的和需解决的问题。

哈萨克文手机输入法的研究

新疆是个多民族聚居的地区,但是支持哈萨克文信息处理的手机却一直都是市场的空白。通过研究哈萨克文手机输入法,哈族用户可以很方便地操作手机的方寸键盘,快速、高效地输入文本信息,实现和家人、朋友的交流与沟通;同时这对发展少数民族地区通讯和经济也有着非常重要的意义。文中结合手机中多种文字输入的基本技术和方法,对哈萨克文手机输入法进行了研究。文章首先介绍了哈萨克语言的特点、手机输入法设计中的关键技术和根据哈萨克文的特征设计的哈萨克文手机键盘,接下来研究了词频的动态调整和词库的动态更新,并给出了实现其关键模块功能的程序流程图,最终实现了支持哈文和数字混合显示的智能手机输入法。

基于N-gram语言模型的哈萨克文机构名识别

针对哈萨克文文本中机构名构成特点,提出了一种基于N-gram语言模型的哈萨克文机构名可信度计算方法,并以机构名尾词为触发词,构建了一个哈萨克文机构名识别系统。系统分为训练和识别两个模块,识别过程是:首先从训练语料中提取特征进行训练,得到一个特征训练模型,然后利用训练好的特征模型及少量的附加规则,对测试文本中的机构名进行识别,实验结果表明该方法可行。

信息交换用维吾尔文、哈萨克文、柯尔克孜文字体字形标准研究

本文介绍了新疆维吾尔自治区重点攻关课题信息交换用维吾尔文、哈萨克文、柯尔克孜文T rue T ype 4套字体12种字形的地方标准制定公布与研发情况。着重阐述课题研究中解决的有关字体字形标准、研究方法、技术路线、解决的技术难点、技术创新点、成果形式及其推广应用情况等,对我国民文计算机字体字形标准制定与研制有一定借鉴作用。

基于HMM的联机手写哈萨克文字的识别研究

以基于隐马尔可夫模型和统计语言模型的研究作为基础,着重研究联机手写哈萨克文的切分技术、连体段分类和特征参数的独特提取技术。系统先将提取延迟笔划后的连体段主笔划作为HMM识别器的输入,再根据被识别的主笔划的编号和延迟笔划标记从连体段分类词典中查找,找到对应的连体段识别结果。通过去除连体段延迟笔画的方法可以有效地减少需建立的模型数目,进而提高识别速度和避免由字符切分所带来的问题。

哈萨克文网络热点关键词提取方法研究

针对目前少数民族语言方面热点关键词提取算法研究较少,而且精度和效率不高这一问题,提出一种哈萨克文网络热点关键词提取方法。将预处理后得到的文本利用多重因子加权改进的TF-IDF算法进行关键词提取,后续根据其位置和频率信息进行关键词组配,得到候选热点关键词集合;结合TF-PDF算法和媒体关注度思想,构造关键词热度评分标准公式KHD(Keywords Hot Degree),实现对热点关键词的提取。实验结果证明此方法可行有效,并且在提取精度和效率上都有显著提高。

模糊综合评判在哈萨克文点阵库中的应用

哈萨克文的每个字母分四种字体，用于句子的不同位置，当用计算机处理哈文信息时，每个字母间靠近程度是模糊的。本文提出一种用模糊综合评判法来评价字库，且提出改进方案的方法。

哈萨克文转化系统的研究与实现

语言作为交流最基本的方式,在民族的发展过程中起着举足轻重的作用.哈萨克语作为语言的一种,对哈萨克民族的发展起着其应有的作用.但是由于历史的原因,哈萨克语在世界范围内形成了基于同一语言的两种文字形式这种特殊情况.这两种文字形式分别是以阿拉伯文字母为基础的哈萨克阿拉伯文字和以斯拉夫文字母为基础的哈萨克斯拉夫文字.这种特例,为哈萨克族科学技术的发展和文化的交流带来了不便,因此开发和完善哈萨克语这两种文字形式之间的计算机转换系统具有重要意义.本文将介绍用C#编写的哈萨克语的两种文字形式间的计算机自动转换程序,采用机器翻译的方法并在Windows环境下实现哈萨克语的两种文字形式间的智能转换.

信息处理和信息交换用哈萨克文三项国家标准通过国家审定

由新疆大学、新疆语言文字工作委员会、机电部15研究所和中国计算机技术服务公司共同研究草拟的“信息处理和信息交换哈萨克文编码图型字符集”、“信息处理和信息交换用哈萨克文键盘字母区布局”、“信息处理和信息交换用哈萨克文点阵字符集和点阵数据集”三项国家标准,已在乌鲁木齐市通过了由国家技术监督局主持的国标审定会。确定哈萨克文用双7位编码字符集和单8位编码字符集两种方案,它由34个基本字符和110个字型组成。键盘布局按字符出现频度和习惯占用原英文字母26个键位和3到0的数字键。字形编定了16×16、16×8、24×24、24×12两种宽度的字模集,以及与其它文种相兼容处理的24×24、24×20、24×16、24×12、24X×8的五种宽度的字模集。来自国家技术监督局、机电部、自治区有关单位的信息处理和文字研究等方面的专家们认为:这三项标准有很好的可行性、兼容性。

天山南北齐赞誉 维哈新译受欢迎——欢呼维吾尔、哈萨克文通译本《古兰经》相继问世

由十位学者(其中有两位是汉族,八人是回族)执笔的十二种《古兰经》汉文通译本,已流传海内外,供兴趣不同、口胃互异的广大读者选择或参照阅读.这些译本,笔者已陆续作了介绍.值得注意的是,在国内还有若干穆斯林民族并不普遍通用汉语。

中国哈萨克文报业发展现状

哈萨克文报纸最早起源于20世纪初。哈萨克文报纸记录了哈萨克族人民与其它各民族群众间思想文化交流的历史。在党和国家的关怀下,随着经济发展和报业总体水平的不断提高,哈萨克文报纸步入了快速发展的道路。本文在对哈萨克文报纸的发展历程及其发展现状进行分析的基础上,探讨哈萨克文报纸所面临的问题并提出相应的对策。