UzMorphAnalyser: A Morphological Analysis Model for the Uzbek Language Using Inflectional Endings

由于乌兹别克语是一种聚合语言，具有许多由词根和词缀组合形成的形态特征。词缀在词的形态分析中起着重要作用，通过为词添加附加含义和语法功能。屈折词尾被用于表达语言内各种形态特征。这个特征引入了许多单词结尾的可能性，从而显著扩大了单词词汇量，并加剧了统计模型中与数据稀疏性相关的问题。本文提出了乌兹别克语词汇形态分析的建模，包括词干提取、词形还原和提取形态信息，同时考虑形态音位例外。模型的主要步骤包括开发一套完整的带有指定形态信息的单词结尾，并提供附加的形态分析数据集。所提出的模型使用一个经过精心筛选的测试集进行了评估，该测试集包含5.3K个单词。通过语言专家进行的词干提取、词形还原和形态特征更正的手动验证，获得了超过91%的单词级准确度。基于所提出的模型开发的工具可作为基于Web的应用程序和开源Python库使用。

本文旨在解决乌兹别克语的形态分析问题，包括词干提取、词形还原和提取形态信息等方面。乌兹别克语的形态复杂，词尾变化多，数据稀疏性问题突出。

本文提出了一种基于词尾和形态信息的模型，通过手动整理词尾和形态信息数据集，使用统计模型进行形态分析，考虑到形态-音位例外情况，最终达到了91%以上的词级别准确率。

本文的模型基于手动整理的数据集，可以作为一个Python库和Web应用程序提供。实验表明，该模型在形态分析方面具有很高的准确性，并且可以解决数据稀疏性问题。

最近相关研究包括使用神经网络进行形态分析和使用其他语言的形态分析模型进行迁移学习。相关论文包括：“A Neural Network Approach to Morphological Analysis”和“Cross-Lingual Transfer Learning for Low-Resource Morphological Analysis”。