Stemming algorithm for Kazakh Language using rule-based approach

Nazerke Sultanova, Kanat Kozhakhmet, Ruslan Jantayev, Azhar Botbayeva

2019

Жабық қол жеткізу Метадеректер (CSL-JSON)

DOI 10.1109/icecco48375.2019.9043253

Деректер сенімділігі 70 орташа

Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

This paper considers construction of Kazakh language words. Kazakh language is the type of Turkic languages or alternatively called - agglutinative language where words are formed by attaching the finite sequence of suffixes. Kazakh morphology investigation was the main work done in construction of rule-based stemming algorithm. Stemmer algorithm will be useful in development of sentiment analysis for Kazakh language, because of its rareness and competency. Stemming algorithm works with aim to cut ending combinations. The results checked by using Machine Learning algorithms using annotated dataset, which were retrieved from KazCorpus dataset [7].