●孫瑞娜a,b（新疆財(cái)經(jīng)大學(xué)a.統(tǒng)計(jì)與信息學(xué)院，b.社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)研究中心，烏魯木齊　830012）

基于CRFs的哈薩克語名詞短語自動(dòng)獲取

●孫瑞娜a,b（新疆財(cái)經(jīng)大學(xué)a.統(tǒng)計(jì)與信息學(xué)院，b.社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)研究中心，烏魯木齊830012）

［關(guān)鍵詞］哈薩克語；名詞短語；互信息；條件隨機(jī)場

［摘要］基于哈薩克語文本語料特點(diǎn)，分析名詞短語構(gòu)成規(guī)則，結(jié)合互信息（MI）知識(shí)，建立了哈薩克語名詞短語特征模板，利用條件隨機(jī)場（CRF）模型實(shí)現(xiàn)哈薩克語名詞短語自動(dòng)獲取。實(shí)驗(yàn)表明，哈薩克語名詞短語獲取正確率達(dá)到95.2%，獲取性能高于基于規(guī)則、基于規(guī)則與互信息結(jié)合的抽取方法。

隨著web2.0的迅速發(fā)展，互聯(lián)網(wǎng)成為民眾獲取信息的重要來源，同時(shí)也是人們傳播信息和表達(dá)觀點(diǎn)的重要渠道。民眾通過網(wǎng)絡(luò)平臺(tái)對(duì)國家政策或突發(fā)事件發(fā)表意見，及時(shí)對(duì)這些評(píng)論信息進(jìn)行有效處理分析，可以幫助決策者了解社情民意。

網(wǎng)絡(luò)評(píng)論文本由句子組成，表示句子語義的主要成分是主語、謂語和賓語。在進(jìn)行評(píng)論文本主題識(shí)別時(shí)，主語和賓語是識(shí)別文本主題的關(guān)鍵因素，而主語和賓語的用詞中名詞和名詞短語是語義表達(dá)的主題，也是評(píng)論文本主題識(shí)別研究中的一個(gè)重要特征。本文結(jié)合哈薩克語名詞短語構(gòu)成規(guī)則，以互信息（MI）為工具，利用規(guī)則和條件隨機(jī)場（CRF）結(jié)合的方法，針對(duì)哈薩克語評(píng)論文本中名詞短語的自動(dòng)獲取，輔助后期進(jìn)行哈薩克語網(wǎng)絡(luò)輿情分析中web評(píng)論文本主題識(shí)別的研究工作。

1　需求及技術(shù)思路

1.1研究現(xiàn)狀

目前，英語、漢語等語言的信息處理在理論方法和具體應(yīng)用上已經(jīng)有了大量研究成果。大多數(shù)學(xué)者對(duì)短語的識(shí)別都是在語料庫的基礎(chǔ)上進(jìn)行的，有基于規(guī)則、統(tǒng)計(jì)、規(guī)則和統(tǒng)計(jì)集成三種識(shí)別方法。Church［1］較早展開了英語名詞短語的識(shí)別,將英語的基本名詞短語識(shí)別問題轉(zhuǎn)換為和詞性標(biāo)記同構(gòu)的問題，并利用基于詞性標(biāo)記N元同現(xiàn)的統(tǒng)計(jì)最優(yōu)法來實(shí)現(xiàn)識(shí)別；文獻(xiàn)［2］在Church的研究基礎(chǔ)上，采用了基于轉(zhuǎn)換的錯(cuò)誤驅(qū)動(dòng)學(xué)習(xí)方法來解決基本名詞短語抽取問題，并得到了召回率88%的實(shí)驗(yàn)結(jié)果；文獻(xiàn)［3］利用最大熵方法進(jìn)行日語實(shí)體名詞抽?。晃墨I(xiàn)［4］利用基于韓語名詞短語左右邊界規(guī)則的方法，在語料庫中抽取名詞短語；文獻(xiàn)［5］結(jié)合基于支持向量機(jī)與基于條件隨機(jī)場的方法進(jìn)行漢語最長名詞短語識(shí)別；文獻(xiàn)［6］結(jié)合語料特點(diǎn)，對(duì)“N1+N2”型結(jié)構(gòu)的名詞短語進(jìn)行特征分析；文獻(xiàn)［7］利用短語結(jié)構(gòu)構(gòu)成特征與清華樹庫語料短語特征混合方法，提高短語識(shí)別率。查閱近年來國內(nèi)外的重要文獻(xiàn)，哈薩克語在名詞短語自動(dòng)獲取已經(jīng)有了前期的研究工作，但是識(shí)別的正確率與其他語言相比還較低。

哈薩克語屬于阿爾泰語系突厥語族的克普恰克語支，書寫方式是從左到右，語法結(jié)構(gòu)理論上有四種排列,即SOV、SVO、OSV、OVS，通常用SOV（主+賓+謂）結(jié)構(gòu)確定句子詞序和語類,這與漢語詞序有很大不同,并且哈薩克語是黏著語言類型，形態(tài)結(jié)構(gòu)比漢語、英語復(fù)雜。同時(shí)，哈薩克文沒有像漢語、英語中建立好的語義網(wǎng)，因此，對(duì)哈薩克語名詞短語的自動(dòng)獲取與漢語、英語相比更困難。

1.2需求分析

哈薩克語名詞短語是一種重要的組塊類型，其自動(dòng)獲取對(duì)文本語義理解、信息檢索、網(wǎng)絡(luò)輿情分析等領(lǐng)域都有重要意義。在對(duì)Web評(píng)論文本進(jìn)行主題識(shí)別過程中，能否準(zhǔn)確的獲取其中的名詞短語起著重要的

作用。雖然哈薩克語名詞短語自動(dòng)獲取已經(jīng)有了前期的研究工作，如文獻(xiàn)［8］使用基于規(guī)則的方法進(jìn)行了探討，封閉測試準(zhǔn)確率為80%；文獻(xiàn)［9］等利用N-gram和互信息相結(jié)合的方法實(shí)現(xiàn)了哈薩克語名詞短語的抽取，封閉測試準(zhǔn)確率82.5%，但是識(shí)別的正確率與其他語言相比還較低。因此，為避免名詞短語獲取的錯(cuò)誤累積對(duì)后期網(wǎng)絡(luò)輿情分析中Web評(píng)論文本主題識(shí)別等研究工作的影響，需要進(jìn)一步提高哈薩克語名詞短語獲取的正確率。

1.3技術(shù)思路

哈薩克語名詞短語自動(dòng)獲取的具體實(shí)現(xiàn)思路如圖1所示。（1）將從網(wǎng)站獲取的哈薩克語版網(wǎng)頁中的評(píng)論文本，進(jìn)行去噪處理，僅保留哈薩克語文本，按照哈薩克語句子結(jié)束的標(biāo)點(diǎn)符號(hào)對(duì)文本進(jìn)行自動(dòng)分句。（2）采用新疆大學(xué)的哈薩克語詞干切分、詞綴提取及詞性標(biāo)注系統(tǒng)，將文本進(jìn)行詞干切分及詞性標(biāo)注，保存為XML文檔。（3）分析哈薩克語文本語料特點(diǎn)，歸納名詞短語構(gòu)成規(guī)則，結(jié)合互信息知識(shí)，建立哈薩克語名詞短語特征模板，利用條件隨機(jī)場模型最終實(shí)現(xiàn)哈薩克語名詞短語的自動(dòng)獲取。

圖1　技術(shù)思路

2　實(shí)現(xiàn)方案

2.1哈薩克語名詞短語自動(dòng)獲取

正確判斷評(píng)論文本的傾向性，需要先確定文本的主題，而名詞短語是評(píng)論文本主題識(shí)別研究中的一個(gè)重要特征，高效的名稱短語自動(dòng)獲取技術(shù)，能有效降低人工標(biāo)注的工作量。本文通過分析哈薩克語文本語料特點(diǎn)，歸納名詞短語構(gòu)成規(guī)則，將規(guī)則與CRFs模型相結(jié)合，并將互信息知識(shí)作為CRFs模型中的一個(gè)特征屬性，建立了哈薩克語名詞短語識(shí)別特征模板，實(shí)現(xiàn)哈薩克語名詞短語自動(dòng)獲取。

（1）條件隨機(jī)場模型。條件隨機(jī)場（Conditional Random Field，CRF）是Lafferty等［10］提出的一種用于序列數(shù)據(jù)標(biāo)注的條件概率模型。其原理是：給定的數(shù)據(jù)序列隨機(jī)變量X，標(biāo)注結(jié)果序列隨機(jī)變量Y的條件概率分布P（Y|X），要求條件概率P（Y/X）最大。令x=｛x1,x2……xn｝表示輸入的需要標(biāo)注的觀察序列集，y=｛y1,y2……yn｝表示標(biāo)注序列集。在給定觀察序列條件下的標(biāo)記序列的概率可以寫成：

其中，每個(gè)fk是觀察序列x中位置為i和i-1的輸出節(jié)點(diǎn)的特征；每個(gè)gk是位置為i的輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)的特征；λ和u是特征函數(shù)的權(quán)重；Z（x）是歸一化因子。對(duì)于輸入句子的詞語序列x，最佳名詞短語標(biāo)注序列y滿足如下公式

CRFs建模時(shí)，能夠充分地利用上下文信息作為特征，特征選擇靈活，移植性強(qiáng)，獲取的信息豐富，廣泛應(yīng)用于序列標(biāo)注，詞性標(biāo)注［11］、語塊識(shí)別［12］等問題，取得令人滿意的結(jié)果。

（2）基于CRFs的哈薩克語名詞短語的語法規(guī)律。在利用CRFs模型進(jìn)行哈薩克語名詞短語獲取時(shí)，特征模板的選取是名稱短語獲取的關(guān)鍵，而CRFs模型特征模板的設(shè)計(jì)來源于語言的語法規(guī)律。因此，結(jié)合《現(xiàn)代哈薩克語實(shí)用語法》［13］知識(shí)，通過觀察大量名詞短語以及上下文后，總結(jié)出了哈薩克語名詞短語的一般規(guī)律。

①短語特征規(guī)律。哈薩克語的詞序與漢語詞序有很大不同，通常用SOV（主+賓+謂）結(jié)構(gòu)確定句子詞序和語類，其最基本的短語規(guī)則為：Rule：IP→SI，S→KP VP，KP→NP K，VP→KP V。其中：S-句子，KP-格短語，NP-名詞性短語，VP-動(dòng)詞性短語。例如：（我們學(xué)校明天開課）（我們的學(xué)校）是由代詞和名詞構(gòu)成的名詞性短語NP（在漢語中是偏正短語），（我們的學(xué)校開課）是由名詞短語和動(dòng)詞構(gòu)成的動(dòng)詞性短語VP（在漢語中是主謂短語），（明天開課）是由副詞和動(dòng)詞構(gòu)成的動(dòng)詞性短語VP（在漢語中是偏正短語），因此哈語名詞短語獲取需要結(jié)合該短語結(jié)構(gòu)特點(diǎn)。

②詞的構(gòu)成特征規(guī)律。哈薩克語作為一種典型的黏著性語言，單詞是通過在詞干后按一定的順序連接各種詞綴（又稱構(gòu)形附加成分）來構(gòu)成的，如（在你們的班里）是由詞干（班）和附加成分構(gòu)成的。這種特征規(guī)則可以有效識(shí)別哈薩克語的名詞短語，因此，本文歸納了對(duì)識(shí)別名詞短語有幫助的部分名詞構(gòu)形附

加成分，并將其作為CRFs模型的一個(gè)特征屬性。部分名詞構(gòu)形附加成分見表1。

表1　名詞構(gòu)形附加成分

③名詞搭配結(jié)構(gòu)規(guī)律。哈薩克語的名詞短語，中心詞多為名詞。該規(guī)律可以分為五種搭配結(jié)構(gòu)。第一種，名詞和名詞搭配，如：新疆日?qǐng)?bào)；第二種，數(shù)量詞和名詞搭配，如：一首詩歌；第三種，動(dòng)詞和名詞搭配，如：要講的話；第四種，形容詞和名詞搭配，如：明亮眼睛；第五種，以副詞與形容詞修飾，中心詞為名詞的搭配，如：非常困難的任務(wù)。因此，該規(guī)律能夠作為名詞短語發(fā)現(xiàn)的特征在CRFs模型中使用。

④連接詞所連接的并列結(jié)構(gòu)規(guī)律。以連接詞所連接的并列結(jié)構(gòu)多為名詞短語，如：連接詞所連接的形容詞結(jié)構(gòu)高而且美觀；連接詞所連接的名詞結(jié)構(gòu)：新疆和甘肅。該規(guī)律可以作為名詞短語獲取特征。

（3）特征模板定義。依據(jù)對(duì)哈薩克語語料中名詞短語特征的分析，本文選擇了常用的特征：詞（word）、詞性（pos）、構(gòu)形附加成分（affix）、互信息（MI）來進(jìn)行CRFs模型的模板定義。

互信息是用來度量一個(gè)集合中兩個(gè)事件之間的相互依賴程度的信息度量單位，二元互信息是兩個(gè)事件的概率的函數(shù)，公式如下

c（x,y）指語料中，詞x和詞y的共同出現(xiàn)的頻率，c（x）指詞x在語料庫中出現(xiàn)的頻率。通過對(duì)c（x, y）和c（x）的統(tǒng)計(jì)，利用互信息公式（4）計(jì)算詞與詞之間的互信息。如果詞x和詞y結(jié)合非常緊密，互信息就越大，反之越小。通過互信息特征可以判斷該類字串組是否可以拆分標(biāo)記。

結(jié)合哈薩克語名詞短語的規(guī)律，制定了實(shí)驗(yàn)中使用基于CRFs的四類特征模板。在詞序選擇上，重點(diǎn)考慮當(dāng)前詞以及其前后兩個(gè)詞內(nèi)的詞序列，即當(dāng)前詞word（0）、當(dāng)前詞前1個(gè)詞word（-1），當(dāng)前詞后1個(gè)詞word（1），當(dāng)前詞前第2個(gè)詞word（-2），當(dāng)前詞后第2個(gè)詞word（2），具體設(shè)計(jì)見表2。

表2　特征模板示例

①詞性搭配特征模板。名詞短語與其詞語的詞性特征高度相關(guān)，可以得到特征模板：當(dāng)前詞詞性與其相關(guān)的前后詞的詞性。如特征模板pos（-1）pos （0），pos（0）pos（1），pos（-1）pos（1）；當(dāng)前詞詞性與其前后各1個(gè)詞詞性pos（-1）pos（0）pos（1）；當(dāng)前詞詞性與其前1,2個(gè)詞詞性、與后面1,2個(gè)詞詞性pos（-2）pos（-1）pos（0）；pos（0）pos（1）pos（2）。

②詞和詞性搭配特征模板。以當(dāng)前詞為中心，抽取與其相關(guān)的前后詞及詞性。如當(dāng)前詞與其前后各1個(gè)詞的詞性pos（0）word（0）pos（1）；當(dāng)前詞與前1個(gè)詞詞性pos（-1）word（0）、當(dāng)前詞與后1個(gè)詞的詞性，word（0）pos（1）等。

③詞性和構(gòu)形附加成分搭配特征模板。哈薩克語詞的構(gòu)形附加成分對(duì)名詞短語的識(shí)別有一定幫助，抽取當(dāng)前詞性與前后詞的詞性及附加成分，可以得到特征模板，如：當(dāng)前詞的詞性及附加成分、前1

詞的詞性pos（-1）pos（0）affix（0）；當(dāng)前詞的詞性、后1詞的詞性及附加成分pos（0）pos（1）affix（1）；當(dāng)前詞的詞性、前1詞的詞性及附加成分affix（-1）pos（-1）pos（0）等。

④詞和詞之間的MI值搭配特征模板。詞和詞之間的MI值可以衡量詞和詞結(jié)合的緊密程度，能判斷該字串組是否可以拆分標(biāo)記為名詞短語，為此定義特征模板為：當(dāng)前詞與前1詞及二者的MI值MI（-1）word（-1）word（0）；當(dāng)前詞與后1詞及二者的MI值word（0）word（1）MI（1）。

3　系統(tǒng)實(shí)現(xiàn)

采用C#語言，改寫CRF工具包,整理語料進(jìn)行哈薩克語名詞短語的抽取。系統(tǒng)主要包括三個(gè)模塊。

（1）語料預(yù)處理模塊。進(jìn)行名詞短語識(shí)別前需要先對(duì)識(shí)別文件進(jìn)行預(yù)處理工作，將語料組織成符合識(shí)別模塊接口標(biāo)準(zhǔn)的形式。將從網(wǎng)站獲取的哈薩克語版網(wǎng)頁中的評(píng)論文本，進(jìn)行去噪處理，僅保留哈薩克語文本，按照哈薩克語句子結(jié)束的標(biāo)點(diǎn)符號(hào)對(duì)文本進(jìn)行自動(dòng)分句。采用新疆大學(xué)的哈薩克語詞干切分及詞性標(biāo)注系統(tǒng)，將文本進(jìn)行詞干切分、詞綴的提取及詞性標(biāo)注，保存為XML文件，具體格式見圖2。

圖2　XML文件

（2）訓(xùn)練模塊。通過定義的四類特征模板對(duì)語料庫文本進(jìn)行特征抽取，建立特征集，利用CRFs模型對(duì)特征集合進(jìn)行訓(xùn)練，計(jì)算特征權(quán)值并進(jìn)行保存。

（3）識(shí)別模塊。識(shí)別模塊的主要任務(wù)是對(duì)一條待識(shí)別名詞短語的哈語句子，給出對(duì)應(yīng)的名詞短語標(biāo)注序列，本實(shí)驗(yàn)采用IB02的表示方法進(jìn)行名詞短語抽取標(biāo)識(shí)，將每個(gè)詞分為三類標(biāo)記：“B”名詞短語首部、“I”名詞短語內(nèi)部、“O”名詞短語外部，對(duì)測試語料中的每個(gè)詞進(jìn)行BIO標(biāo)注，即輸出y∈{B，I，O}。識(shí)別結(jié)果見圖3。

4　應(yīng)用效果評(píng)估

4.1實(shí)驗(yàn)過程

實(shí)驗(yàn)語料主要來自天山網(wǎng)、人民網(wǎng)的哈薩克文版以及一些大型的哈薩克文BBS網(wǎng)站，內(nèi)容涵蓋新聞、文學(xué)、生活等，充分保證了語料的多樣性。對(duì)網(wǎng)頁中的文本進(jìn)行去噪處理，僅保留哈薩克語文本，將獲取的335個(gè)評(píng)論文本，進(jìn)行詞干切分、詞綴提取及詞性標(biāo)注，保存為XML文檔，再利用文獻(xiàn)［8］基于規(guī)則的方式對(duì)語料文檔進(jìn)行名詞短語標(biāo)注，后期人工校正。

圖3　名詞短語識(shí)別結(jié)果

將整理后的語料分為訓(xùn)練語料和測試語料進(jìn)行名詞短語的抽取，實(shí)驗(yàn)采用5倍交叉驗(yàn)證的方法，即將語料分為相等的5份，其中4份作訓(xùn)練語料，1份作測試語料進(jìn)行名詞短語獲取實(shí)驗(yàn)。首先在訓(xùn)練模塊用訓(xùn)練語料對(duì)CRFs模型進(jìn)行訓(xùn)練，然后在識(shí)別模塊自動(dòng)標(biāo)注測試語料中的名詞短語。CRFs的特征模板采用上表2所示的4類特征模板。

4.2實(shí)驗(yàn)結(jié)果

對(duì)名詞短語識(shí)別的實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)估時(shí)，有三個(gè)重要的評(píng)測指標(biāo)，分別是正確率、召回率和F值，定義如下

其中a指名詞短語正確獲取的個(gè)數(shù)，b指名詞短語錯(cuò)誤獲取的個(gè)數(shù)，d指未獲取的名詞短語個(gè)數(shù)。實(shí)驗(yàn)結(jié)果見表3。

表3　實(shí)驗(yàn)結(jié)果

從結(jié)果來看，實(shí)驗(yàn)達(dá)到了較滿意的效果，目前獲取方法的正確率與漢語、英語等語言的名詞短語在封閉測試下自動(dòng)獲取的正確率基本接近，達(dá)到了95.2%，但相比其他語言實(shí)驗(yàn)結(jié)果獲取的召回率較低，尚需進(jìn)一步提高。

4.3實(shí)驗(yàn)比較

將文獻(xiàn)［8］、文獻(xiàn)［14］所進(jìn)行的名詞短語識(shí)別的實(shí)驗(yàn)過程重現(xiàn)，進(jìn)行封閉測試，并與本文中的實(shí)驗(yàn)

結(jié)果進(jìn)行比較，結(jié)果見表4。

表4　實(shí)驗(yàn)數(shù)據(jù)比較

從表4可以看出，在使用相同語料的情況下，進(jìn)行封閉測試，本實(shí)驗(yàn)采用的規(guī)則和CRFs結(jié)合的方式，實(shí)驗(yàn)結(jié)果的正確率高于基于規(guī)則方法，高于基于規(guī)則和互信息結(jié)合的方法，達(dá)到95.2%。

4.4實(shí)驗(yàn)分析

從以上實(shí)驗(yàn)結(jié)果來看，名詞短語獲取的方法是有效的，正確率提高到95.2%，但目前獲取方法的召回率較低，尚需進(jìn)一步提高。對(duì)名詞短語獲取模型的錯(cuò)誤結(jié)果進(jìn)行分析，便于將來進(jìn)一步改進(jìn)。（1）在CRFs模型中，抽取所用的特征：詞性和構(gòu)形附加成份，在目前語料庫加工中存在標(biāo)注及切分的錯(cuò)誤，對(duì)實(shí)驗(yàn)有一定影響，后期需要修正語料庫錯(cuò)誤。（2）在特征選擇上，后期還可以借助更豐富的信息，如結(jié)合語義等信息。（3）實(shí)驗(yàn)所用的語料是需要人工校對(duì)，由于精力有限，使得名詞短語獲取的語料規(guī)模有限，這也使得統(tǒng)計(jì)不夠全面。

［參考文獻(xiàn)］

［1］ChruchKW.AStochasticPartsProgramand Noun Phrase for Unrestricted Test：proceedings of the 2nd Conference on Applied Natural Language Processing，Austin，TX ［C］.USA：Kluwer Academic Publicshers，1988：136－142.

［2］Ramshaw L，Marcus M.Text Chunking Using Transformation-Based Learning［C］//Proceedings of 3rd Workshopon Very Large Corpora.Massachusetts：Association forComputational Linguistics，1995：82－94.

［3］K Uehimoto，et al.Named entity extraction based on a maximum entropy model and transformation rules［C］//Proceedingsof the38th Annual Meeting ofthe AssociationforComputational Linguistics，2000：326－335.

［4］安帥飛，畢玉德.韓國語名詞短語結(jié)構(gòu)特征分析及自動(dòng)提?。跩］.中文信息學(xué)報(bào)，2013，27（5）：205－210.

［5］錢小飛，侯敏.基于混合策略的漢語最長名詞短語識(shí)別［J］.中文信息學(xué)報(bào)，2013，27（6）：16－22.

［6］劉志杰，等.搜索引擎日志中“N1+N2”型名詞短語研究［J］.現(xiàn)代圖書情報(bào)技術(shù)，2010，26（12）：58－63.

［7］謝靖，等.CSSCI語料中短語結(jié)構(gòu)標(biāo)注與自動(dòng)識(shí)別［J］.現(xiàn)代圖書情報(bào)技術(shù)，2012（12）：32－38.

［8］孫瑞娜，古麗拉·阿東別克.基于規(guī)則的哈薩克語基本名詞短語識(shí)別研究［J］.計(jì)算機(jī)應(yīng)用研究, 2010，27（12）：4511－4513.

［9］Gulila Altenbek，Ruina Sun.Kazakh Noun Phrase Extraction based on N-gram and Rules：2010 International Conferenceon Asian Language Processing［C］.Harbin，Heilongjiang，China：IEEE computer society，2010：305－308.

［10］Lafferty J.et al.Conditional Random Fields：ProbabilisticModelsfor Segmentingand Labeling Sequence Data［C］//Proceedings of the 18th International Conf on machineLearning，2001：282－289.

［11］S Lakshmana Pandian，T V Geetha.CRF Models for Tamil Part of Speech Tagging and Chunking［C］.International Conferenceonthe Computer Processingof Oriental Languages-ICCPOL，Hong Kong，2009：11 －22.

［12］He Saike，et al.Multi-task learning in conditional random fields for chunking in shallow semantic parsing ［J］.PACLIC23-Proceedings of the 23rd Pacific Asia Conferenceon Language,InformationandComputation，2009，1：180－189.

［13］張定京.現(xiàn)代哈薩克語實(shí)用語法［M］.北京：中央民族大學(xué)出版社，2004：98－167.

［14］孫瑞娜，古麗拉·阿東別克.哈薩克語基本名詞短語自動(dòng)識(shí)別研究與實(shí)現(xiàn)［J］.中文信息學(xué)報(bào). 2010，24（6）：114－119.

［收稿日期］2014－10－27 ［責(zé)任編輯］劉丹

［作者簡介］孫瑞娜（1982－），女，新疆財(cái)經(jīng)大學(xué)講師，研究方向：網(wǎng)絡(luò)輿情，信息檢索。

［基金項(xiàng)目］本文系國家自然科學(xué)基金項(xiàng)目“基于網(wǎng)絡(luò)社群的網(wǎng)絡(luò)輿情演化分析及突發(fā)事件預(yù)警機(jī)制研究”（項(xiàng)目編號(hào)：71261025），新疆財(cái)經(jīng)大學(xué)社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)研究中心項(xiàng)目“新疆互聯(lián)網(wǎng)輿情傾向性調(diào)查與分析研究”（項(xiàng)目編號(hào)：050313C08），“新疆區(qū)情民意網(wǎng)絡(luò)調(diào)查系統(tǒng)設(shè)計(jì)與網(wǎng)絡(luò)輿情調(diào)查分析”（項(xiàng)目編號(hào)：050312C08），新疆財(cái)經(jīng)大學(xué)校級(jí)科研基金項(xiàng)目“基于統(tǒng)計(jì)方法的新疆民文網(wǎng)絡(luò)輿情情感傾向性分析技術(shù)研究”（項(xiàng)目編號(hào)：2013XYB005）階段性成果之一。

［文章編號(hào)］1005－8214（2015）08－0101－05

［文獻(xiàn)標(biāo)志碼］B

［中圖分類號(hào)］TP391.1；G254.29