3、奥里亚语形态分析器：构建、评估与挑战

奥里亚语形态分析器：构建、评估与挑战

1. 奥里亚语语法基础

奥里亚语具有自然性别，但在与动词等语法范畴的一致性上并不体现。例如，“baagha”（老虎）和“baaghuNi”（母老虎）。在定语位置中，位于名词之前的形容词通常与名词没有一致性，不过在少数情况下，形容词会与名词在性别上保持一致，如“kaLaa baLada”（黑公牛）和“kaaLi gaaii”（黑母牛）。奥里亚语的限定动词会标记人称、数、时态、体和语气，并且与主语名词保持一致，这种一致性通过附着在主要动词末尾的一致标记体现，例如“aame khaa - il - u”（我们吃了）。

2. 相关工作

在自然语言处理的形态分析中，采用了多种方法，如暴力法、根驱动法、词缀剥离法等。一些基于范式方法开发的形态分析器包括印地语形态分析器、马拉地语形态分析器等。此外，也有使用确定性有限状态自动机（FSA）开发奥里亚语形态分析器的工作，还有利用Apertium工具包中的Lttoolbox开发奥里亚语形态分析器的工作。

3. 当前工作

3.1 方法

采用基于范式的方法为奥里亚语创建形态分析器。范式用于表示语言中词汇单位的屈折规则，奥里亚语作为黏着语，范式方法似乎很适合它。

3.2 使用的资源

• 词汇资源 ：手动创建了一个包含10,840个根词的字典，使用的资源包括奥里亚语字典“Taruna Sabdakosha”、“A synchronic grammar of Oriya”以及来自中央印度语言研究所（CIIL）的2,720,400个单词的语料库。字典中各类词的数量