Machine Learning Methods for Kazakh Morphology: A Comprehensive Overview

2024

Жабық қол жеткізу Метадеректер (CSL-JSON)
DOI 10.1109/piere62470.2024.10804966
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

Kazakh is an agglutinative language, where the sequential attachment of morphemes forms words, each bearing specific grammatical information. The complexity of this morphological structure presents significant challenges for computational linguistics, particularly in natural language processing tasks such as part-of-speech tagging, syntactic parsing, and machine translation. This paper provides a comprehensive review of the most widely used machine learning approaches applied to Kazakh morphology. It compares classical machine learning techniques, such as hidden Markov models and conditional random fields, along with rule-based methods, and recent advances in deep learning, including recurrent neural networks, long short-term memory networks, and transformer-based architectures like BERT. The paper also explores the applicability of data-driven approaches and reviews existing research on Kazakh morphology, offering a comparative analysis based on efficiency, scalability, and accuracy. Finally, future directions are discussed, focusing on expanding annotated datasets and developing models tailored for low-resource languages like Kazakh to improve their representation in natural language processing tasks.