基于正则表达式的藏文虚词“”类识别算法研究

更藏卓玛，安见才让

（青海民族大学计算机学院，西宁 810007）

藏文中共有85个虚词，它比实词少很多，但藏文虚词在藏文中的使用及其广泛，而且它在不同语境中扮演者不同的角色，因此出现了虚词的歧义问题，而因它的歧义性问题识别起来非常复杂，尤其是非依他关联词的识别。但对它的研究对藏文词和句子的处理起着重要性的作用。因此，文章通过藏文虚词添接规则和正则表达式对藏文虚词“”类进行识别研究。

表1 虚词“”类添接表

表1 虚词“”类添接表

藏文文本校对过程中校对藏文虚词的添接是一项很重要的工作，要完成这个工作首先要识别藏文虚词。

检测添接规则，并统计其次数。如图1所示。

图1

其表示匹配字母或数字或下划线或藏文字重复零次或者更多次后（（匹配除了换行符以外的字符（匹配前面的位置加，例 如不能检测添接规则，并统计其次数。如图2所示。

图2

图3

检测添接规则，并统计其次数。如图4所示。

图4

2 实验结果

表2 “”等14个词语料中的数量统计

表2 “”等14个词语料中的数量统计

图5

表3 虚词“”类的歧义统计

表3 虚词“”类的歧义统计

数量名称总数 为虚词总数 为虚词百分比“ཞིང”类 9902 3996 40.3%

3 结束语