A Finite State Transducer Based Morphological Analyzer for The Kazakh Language

2022

Жабық қол жеткізу Метадеректер (CSL-JSON)
DOI 10.1109/ubmk55850.2022.9919445
Деректер сенімділігі 85 жоғары
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 presents a finite state transducer based morphological analyzer for Kazakh language which is able to decompose complex Kazakh words into consecutive morphemes including lemma, part-of-speech, and morphological tags. Due to the agglutinative nature of the language, the analyzer can produce more than one analysis for each word depending on word's complexity. We conducted several experiments to evaluate the performance of the analyzer. It achieved 92% coverage on large Wikipedia and 96% coverage on the news data, and the accuracy of analyzer was 98.40% on the test data.