○熱西旦·玉素甫

（新疆師范大學(xué)，新疆 烏魯木齊830054）

詞頻統(tǒng)計(jì)是數(shù)據(jù)與信息處理、知識(shí)挖掘與傳播中的中心和基礎(chǔ)性工作，只有比較準(zhǔn)確地在文章中統(tǒng)計(jì)出詞及其頻度，才能進(jìn)行所有的下一步工作。維吾爾語(yǔ)是新疆地區(qū)少數(shù)民族使用較為廣泛的一種語(yǔ)言，系跨境語(yǔ)言，有自己的特點(diǎn)，維吾爾文有32個(gè)字母，其中8個(gè)元音字母，24個(gè)輔音字母，在對(duì)維吾爾語(yǔ)統(tǒng)計(jì)時(shí)發(fā)現(xiàn)表面上毫無(wú)關(guān)系的詞頻之間實(shí)際上存在著內(nèi)在的聯(lián)系。

一、詞頻統(tǒng)計(jì)的產(chǎn)生

19世紀(jì)90年代初，一項(xiàng)龐大的語(yǔ)言調(diào)查工程在德國(guó)展開(kāi)。克定（Kaeding，F(xiàn).W.）在眾多合作者的協(xié)作下，耗時(shí)七年，手工統(tǒng)計(jì)了以報(bào)刊為主的14個(gè)語(yǔ)料來(lái)源的資料。在110份語(yǔ)料中，總詞匯量達(dá)10，910，777條。經(jīng)統(tǒng)計(jì)，頻率在4以上的詞共79，716個(gè)。調(diào)查結(jié)果形成一部厚達(dá)671頁(yè)的《德語(yǔ)頻率詞典》，于1898年出版。這是第一次現(xiàn)代意義上的以統(tǒng)計(jì)調(diào)查方法完成的詞匯研究工作。緊隨克定詞表出現(xiàn)的是1920年美國(guó)學(xué)者凱尼斯頓（KOiston）的《西班牙語(yǔ)常用詞匯》和1921年美國(guó)教育學(xué)家兼心理學(xué)家桑代克（Thorndidc，E，L。1874~1949）編寫的《教師一萬(wàn)詞詞書(shū)》、《教師二萬(wàn)詞詞書(shū)》。

二、語(yǔ)料資源的采集與預(yù)處理

（一）采集對(duì)象的確定

2003年，全球語(yǔ)言監(jiān)測(cè)網(wǎng)建立，總部設(shè)在美國(guó)圣地亞哥。它的主要任務(wù)是公布英語(yǔ)語(yǔ)言生活中產(chǎn)生廣泛影響的語(yǔ)言現(xiàn)象，包括各種新詞語(yǔ)、流行語(yǔ)、外來(lái)語(yǔ)以及政治性錯(cuò)誤用語(yǔ)，對(duì)于語(yǔ)言發(fā)展趨勢(shì)以及其對(duì)政治、文化和經(jīng)濟(jì)影響的專業(yè)分析等。目前，在現(xiàn)代維語(yǔ)詞語(yǔ)使用頻率和分布情況方面，雖然有一定的研究，但是沒(méi)有對(duì)初中維吾爾文數(shù)學(xué)教材進(jìn)行真實(shí)語(yǔ)料的統(tǒng)計(jì)和研究，無(wú)法提供初中維吾爾文用詞分布情況具有科學(xué)性的依據(jù)。初中數(shù)學(xué)維吾爾文教材是九年義務(wù)教育課程的重要教學(xué)資源，其用詞狀況直接關(guān)系到數(shù)學(xué)教學(xué)的效果。為了研究初中數(shù)學(xué)維吾爾文教材中的用詞狀況，寫出了本文章。

（二）語(yǔ)料資源的采集

構(gòu)建初中數(shù)學(xué)維吾爾文教材語(yǔ)料庫(kù)，語(yǔ)料文件格式轉(zhuǎn)換（語(yǔ)料庫(kù)來(lái)源：新疆師范大學(xué)人文社會(huì)科學(xué)重點(diǎn)研究基地和重點(diǎn)實(shí)驗(yàn)室提供）文本分類（初中維吾爾文各冊(cè)數(shù)學(xué)書(shū)的課文，練習(xí)等）文本統(tǒng)計(jì)（圖片統(tǒng)計(jì)、公式統(tǒng)計(jì)、表格統(tǒng)計(jì)、定義統(tǒng)計(jì)等）構(gòu)建生語(yǔ)料庫(kù)（通過(guò)轉(zhuǎn)換工具把doc文件轉(zhuǎn)換成txt文件，內(nèi)容保持一致）。

（三）語(yǔ)料資源的預(yù)處理

隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，詞匯的計(jì)量研究近十幾年來(lái)逐漸成熟，人們更多、更廣地利用詞匯計(jì)量方式探索各領(lǐng)域的詞匯規(guī)律與特點(diǎn)?；诂F(xiàn)代維吾爾語(yǔ)詞匯統(tǒng)計(jì)研究也需要諸多的新成果，本文利用維吾爾文信息處理技術(shù)，對(duì)人教版（維吾爾文）全日制普通初中數(shù)學(xué)教材的文本與詞匯進(jìn)行相關(guān)統(tǒng)計(jì)并將統(tǒng)計(jì)結(jié)果進(jìn)行比較分析概貌，對(duì)初中數(shù)學(xué)教材的文本與詞匯進(jìn)行相關(guān)統(tǒng)計(jì)并分析初中數(shù)學(xué)教材指出相關(guān)的觀點(diǎn)。在文章中要做語(yǔ)料的準(zhǔn)備，分類，調(diào)整，開(kāi)發(fā)軟件，對(duì)語(yǔ)料進(jìn)行統(tǒng)計(jì)等等重要工作。通過(guò)分詞及詞頻統(tǒng)計(jì)軟件，筆者將先前獲得的生語(yǔ)料進(jìn)行了初步的分詞，并將詞頻表導(dǎo)出為微軟的表格文件，微軟辦公軟件中的表格數(shù)據(jù)處理文件是一個(gè)功能十分強(qiáng)大而且非常易用的數(shù)據(jù)統(tǒng)計(jì)工具，可以在其中做出相應(yīng)的用詞調(diào)查報(bào)告。

三、用詞使用情況

（一）調(diào)查內(nèi)容

本次的調(diào)查對(duì)象主要是維吾爾文初中數(shù)學(xué)語(yǔ)料中的詞。對(duì)這些詞的調(diào)查項(xiàng)目主要有頻次、頻率、詞匯長(zhǎng)度、文本書(shū)等。頻次詞是在實(shí)際應(yīng)用中，出現(xiàn)次數(shù)多、使用較頻繁的詞，頻率即每一調(diào)查對(duì)象的頻次與整個(gè)語(yǔ)料所含調(diào)查對(duì)象總次數(shù)的比值，抽樣一定數(shù)量的語(yǔ)料，計(jì)算其中各個(gè)不同詞語(yǔ)的出現(xiàn)次數(shù)，每個(gè)詞語(yǔ)的出現(xiàn)次數(shù)，叫做這個(gè)詞語(yǔ)的頻度。每個(gè)詞語(yǔ)的頻度與總頻度和之比，叫做頻率。這就是詞頻統(tǒng)計(jì)工程最主要的方法，或稱頻度（或頻率）的方法。

（二）調(diào)查結(jié)果

本人在研究中通過(guò)一些相關(guān)的系統(tǒng)處理了以下的結(jié)果，在系統(tǒng)中本人主要處理了一些關(guān)于詞匯的頻次、頻率、詞匯長(zhǎng)度、文本書(shū)等等數(shù)據(jù)，下面的表格有一部分?jǐn)?shù)據(jù)，在結(jié)果里可以看出來(lái)在初中維吾爾文數(shù)學(xué)教材中用得最多的詞是等等。

教材每?jī)?cè)詞匯分布情況表

四、結(jié)語(yǔ)

初中數(shù)學(xué)維吾爾文詞頻統(tǒng)計(jì)系統(tǒng)是在計(jì)算語(yǔ)言學(xué)、統(tǒng)計(jì)學(xué)的軟件開(kāi)發(fā)思想基礎(chǔ)上，根據(jù)系統(tǒng)需求設(shè)計(jì)和實(shí)現(xiàn)詞頻的統(tǒng)計(jì)系統(tǒng)。本文作者根據(jù)初中數(shù)學(xué)維吾爾語(yǔ)信息處理的工作流程，完成了對(duì)初中數(shù)學(xué)維吾爾文詞頻統(tǒng)計(jì)系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)。系統(tǒng)實(shí)現(xiàn)了使用真實(shí)的語(yǔ)料，以顯示系統(tǒng)進(jìn)度方式，通過(guò)構(gòu)詞規(guī)則的方法來(lái)判斷是否維吾爾文的詞，并在分析每一個(gè)文本的過(guò)程中一邊存儲(chǔ)詞匯，一邊對(duì)詞匯的頻次、頻率、詞匯長(zhǎng)度、文本書(shū)數(shù)據(jù)，對(duì)系統(tǒng)統(tǒng)計(jì)結(jié)果進(jìn)行分析。目前，該系統(tǒng)還有不少問(wèn)題需要進(jìn)一步解決。比如，進(jìn)行詞頻統(tǒng)計(jì)之前準(zhǔn)備的電子資料非常費(fèi)時(shí)，而且人工調(diào)整會(huì)有失誤，為解決此問(wèn)題，文本的調(diào)整就很重要，要是在統(tǒng)計(jì)功能之前有一個(gè)文本調(diào)整功能，就能保證統(tǒng)計(jì)的準(zhǔn)確率。

[1]艾孜爾古麗,等.現(xiàn)代維吾爾文網(wǎng)絡(luò)媒體用詞研究[J].計(jì)算機(jī)應(yīng)用與軟件，2012（2）.

[2]艾孜爾古麗，等.基于網(wǎng)站用詞調(diào)查的現(xiàn)代維吾爾語(yǔ)詞干提取和應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2012（3）.

[3]玉素甫，艾孜爾古麗，基于網(wǎng)站用詞調(diào)查的現(xiàn)代維吾爾語(yǔ)詞尾切分和應(yīng)用研究[J].計(jì)算機(jī)應(yīng)用與軟件，2012（4）

[4]哈米提·鐵木爾.現(xiàn)代維吾爾語(yǔ)法[M].民族出版社，1987.

[5]玉素甫，艾孜爾古麗，基于網(wǎng)站用詞調(diào)查的現(xiàn)代維吾爾語(yǔ)詞長(zhǎng)研究[J].計(jì)算機(jī)應(yīng)用與軟件，2012（5）.

[6]艾斯卡爾·亞庫(kù)甫，艾孜爾古麗，玉素甫.維吾爾文語(yǔ)料庫(kù)建設(shè)中文件格式轉(zhuǎn)換技術(shù)研究[J].計(jì)算機(jī)應(yīng)用與軟件，2012（6）（已錄用No 803783）.