應用軟件開發和文本信息處理是近幾年藏語計算語言學處理的核心研究領域，文本處理包括文本知識自動發現、自動分類、知識抽取、校對、檢索等內容。2014年度，涉及藏語計算語言學的研究成果比較多，有50多篇，下面按研究內容大致分類介紹。

（一）關于信息化建設的討論以及相關數據庫的建設

相關的研究成果有：德薩的《藏文數字圖書館研究綜述》（《西藏科技》第4期），《論藏文文獻數據庫建設實證調查研究的必要性：兼談價值及其意義》（《西藏科技》第9期），何明華的《當代藏文信息處理的現狀與展望》（《科技資訊》第23期），萬福成、李冬晨、何向真等的《面向信息檢索的藏文文本索引策略研究》（《計算機工程與應用》第7期）等。

德薩的《藏文數字圖書館研究綜述》一文，概述了2005—2013年國內藏文數字圖書館研究的進展及熱點，從藏文數字圖書館的概念、特點及各種技術在藏文數字圖書館中的應用、元數據研究成果，揭示了藏文數字圖書館的研究現狀、研究重點和研究方向。在《論藏文文獻數據庫建設實證調查研究的必要性：兼談價值及其意義》一文中，德薩對國內外藏文文獻數據庫建設的理論與實踐研究現狀進行概括性述評，闡述了藏文文獻數據庫建設實證調查研究的必要性及其價值與意義，以期為藏文文獻數據庫的建設與研究者提供參考。何明華的《當代藏文信息處理的現狀與展望》一文，立足于藏文信息處理現狀，結合藏文發展狀況對藏文信息處理從技術層面和文化傳承方面進行了分析。萬福成、李冬晨、何向真等的《面向信息檢索的藏文文本索引策略研究》，認為互聯網文本數量持續爆炸式增長，用戶通過互聯網查找信息變得更加困難，響應時間得不到滿足。針對藏文本身的語言學特點，探討一種面向信息搜索的藏文文本索引建立策略，建立一種高效的藏文文本索引，以提高藏文信息檢索速度。

（二）藏語文詞性標注、識別、分詞是藏語文信息處理的基礎，也是計算語言學關注的焦點

標注是分詞和識別的基礎。涉及標注的代表性研究有：龍從軍、康才畯、李琳等的《基于多策略的藏語語義角色標注研究》（《中文信息學報》第5期），完么扎西的《藏語詞語兼類情況及識別規則庫》［《西藏大學學報》（自然科學版）第2期］，安見才讓、陳烈多杰的《藏語虛詞ng的詞性標注的研究》［《信息與電腦》（理論版）第8期］，祁坤鈺的《基于依存關系的藏文語義角色標注研究》（《西北民族大學學報》第1期），華卻才讓、劉群、趙海興的《判別式藏語文本詞性標注研究》（《中文信息學報》第2期）等。

龍從軍、康才畯、李琳等在《基于多策略的藏語語義角色標注研究》一文中指出，語義角色標注研究對自然語言處理具有十分重要的意義，提出規則和統計相結合的、基于語義組塊的語義角色標注策略。為了實現語義角色標注，首先對藏語語義角色進行分類，得到語義角色標注的分類體系，然后討論標注規則的獲得情況，包括手工編制初始規則集和采用錯誤驅動學習方法獲得擴充規則集；統計技術上，選用了條件隨機場模型，并添加了有效的語言特征，最終語義角色標注的結果準確率、召回率和F值分別達到8278%、8571%和8391%。完么扎西在《藏語詞語兼類情況及識別規則庫》一文中指出，對兼類詞的處理是藏語詞性標注的關鍵所在。文章利用傳統和現代藏語語法理論，在分析藏語真實文本的基礎上，歸納了藏語兼類詞的種類，提出了兼類詞的標注原則。并根據詞語搭配關系和詞的組合結構構建了兼類詞的識別規則庫，利用該規則庫可對兼類詞的詞性進行較準確的標注。祁坤鈺的《基于依存關系的藏文語義角色標注研究》一文指出，語義角色標注已成為中文信息處理研究的熱點問題，并廣泛應用在問答系統、信息抽取、機器翻譯等領域。在多年來藏文分詞標注研究和語料庫建設的基礎上，分析了傳統藏文文法中的邏輯格，以及接續特征的語義映射關系，參考FrameNet、PropBank和北大中文網庫等資源庫制定了藏文語義角色標注體系，提出了建立高質量的藏語句法樹庫TTB（Tibetan TreeBank）、語義角色標注庫TPB（Tibetan PropBank）和藏語動詞語義框架庫TVN（Tibetan VerbNet）等知識庫的方案；運用依存句法分析方法建立了句法分析模型；結合藏文句法結構特征和語言習慣，挖掘藏文句法結構屬性，闡明了藏語語義角色標注的理論和原理。華卻才讓、劉群、趙海興的《判別式藏語文本詞性標注研究》一文在分析了現有藏文詞性標注方法的基礎上，提出感知機訓練模型的判別式藏語詞性標注方法，重點研究了符合藏語詞法特性的模型訓練特征模板、模型訓練和詞性標注方法。并且在人工標注的測試集上獲得了9826%的詞性標注精確率。

（三）各類識別、分詞

涉及各類識別研究的成果主要有：加羊吉、李亞超、宗成慶等的《最大熵和條件隨機場模型相融合的藏文人名識別》（《中文信息學報》第1期），王天航、史樹敏、龍從軍等的《基于錯誤驅動學習策略的藏語句法功能組塊邊界識別》（《中文信息學報》第5期），當增卓瑪的《藏文文本中格助詞的識別研究》（《網絡安全技術與應用》第1期），完么才讓、曹玉林的《藏語及物與不及物動詞的自動識別研究》［《西南民族大學學報》（自然科學版）第1期］，華卻才讓、姜文斌、趙海興等的《基于感知機模型藏文命名實體識別》（《計算機工程與應用》第15期）等，康才畯、龍從軍、江荻的《基于詞位的藏文黏寫形式的切分》（《計算機工程與應用》第11期），高定國、扎西加、趙棟材的《計算機識別藏語虛詞的方法研究》（《中文信息學報》第1期）等。

加羊吉、李亞超、宗成慶等在《最大熵和條件隨機場模型相融合的藏文人名識別》一文中，分析了藏文人名構成規律和特點，提出了一種最大熵和條件隨機場相融合的藏文人名識別方法。王天航、史樹敏、龍從軍等在《基于錯誤驅動學習策略的藏語句法功能組塊邊界識別》一文中，指出藏語句法功能組塊分析旨在識別出藏語句子的句法成分，為后續句子級深入分析提供支持。首先基于條件隨機場（ConditionalRandomFields，CRFs）識別組塊，然后分別基于轉換規則的錯誤驅動學習（TransformationbasedErrordrivenLearning，TBL）及基于新特征模板的CRFs錯誤驅動學習進行二次識別，并對初次結果進行校正，F值分別提高了165%、836%。最后通過實驗分析，進一步將兩種錯誤驅動學習機制融合，在18073詞級的藏語語料上開展實驗，識別性能進一步提高，準確率、召回率與F值分別達到941%、9476%與9443%。當增卓瑪在《藏文文本中格助詞的識別研究》一文中通過研究藏文格的用法，建設藏文八格的知識庫和藏文八格的算法及識別研究。完么才讓、曹玉林在《藏語及物與不及物動詞的自動識別研究》一文，通過句子中的使格助詞來自動判斷動詞及物性的方法，這種自動識別方法是一種理性主義的判斷方法，所以不需要大規模語料的支持。華卻才讓、姜文斌、趙海興等的《基于感知機模型藏文命名實體識別》一文，通過對命名實體構詞規律及分詞歧義進行分析，提出基于音節特征感知機訓練模型的藏文命名實體識別方案。康才畯、龍從軍、江荻的《基于詞位的藏文黏寫形式的切分》一文，根據藏文自身的特點，將常用的四詞位擴充為六詞位，再利用條件隨機場模型作為標注建模工具來進行訓練和測試，并根據規則對識別結果進行后處理。卓瑪吉、安見才讓的《藏文不自由虛詞的自動識別研究》一文，主要研究藏文文本中大量藏文不自由虛詞的識別算法，同時建立了藏文不自由虛詞的消歧規則庫，使計算機快速地識別并消除藏文句子中不自由虛詞的歧義問題，提高藏文自動分詞的準確率。高定國、扎西加、趙棟材的《計算機識別藏語虛詞的方法研究》一文，認為藏文虛詞的研究是藏文信息處理技術中詞、句及語義研究的基礎，而計算機自動識別藏文虛詞又是藏語虛詞研究的前提。該文在論述藏語虛詞在藏語文本中的作用和使用方法的基礎上，分析了計算機識別藏語虛詞的難度，提出了一個計算機識別藏語虛詞的方法，并用2525句典型藏文句子進行了驗證，虛詞識別的正確率高達970768%。

涉及分詞的研究成果主要有：孫萌、華卻才讓、才智杰等的《基于判別式分類和重排序技術的藏文分詞》（《中文信息學報》第2期），艾金勇、陳小瑩、華侃等的《面向Web的藏文文本分詞策略研究》（《圖書館學研究》第21期），完么扎西、尼瑪扎西《藏語自動分詞中的幾個關鍵問題的研究》（《中文信息學報》第4期），黃鶴鳴、達飛鵬、韓曉旭的《基于小波變換和梯度方向的脫機手寫藏文字符特征提取方法》［《東南大學學報》（英文版）第1期］等。

孫萌、華卻才讓、才智杰等的《基于判別式分類和重排序技術的藏文分詞》一文，提出一種基于判別式模型的藏文分詞方法，重點研究最小構詞粒度和分詞結果重排序對藏文分詞效果的影響。在構詞粒度方面，分別考察了以基本字丁、基本字丁—音節點、音節為最小構詞粒度對分詞效果的影響，在分詞結果重排序方面，提出一種基于詞圖的最短路徑重排序策略，將判別式解碼生成的切分結果壓縮為加權有向圖，圖中節點表示音節間隔，而邊所覆蓋的音節作為候選切分并賦予不同權重，選擇一條最短路徑從而實現整句切分。艾金勇、陳小瑩、華侃等的《面向Web的藏文文本分詞策略研究》一文，對比參照其他藏文分詞系統的優缺點并借鑒漢語分詞系統的一些好的方法，設計開發了一個面向藏文網頁的自動分詞系統。項煒、金澎的《基于詞頻學習和動態詞頻更新的藏文自動分詞系統設計》一文，針對藏文自動分詞中的重點難點，設計了一個新的藏文自動分詞系統，該系統采用動態詞頻更新和基于上下文詞頻的歧義處理和未登錄詞識別技術，在歧義字段分詞準確性、未登錄詞識別率和分詞速度上，系統具有較優的性能。完么扎西、尼瑪扎西的《藏語自動分詞中的幾個關鍵問題的研究》一文，通過分析藏文構詞規則、句法結構、詞的前后詞性關系、后加字的添接法和格助詞的用法等重點研究了未登錄詞、緊縮詞和交集型歧義的識別及處理方法，并提出了“重組法”“排除—還原法”和“詞性規則法”三種方法。

（四）算法與識別

相關的研究成果主要有：康健、喬少杰、格桑多杰等的《基于群體智能的半結構化藏文文本聚類算法》（《模式識別與人工智能》第7期），才項俄日、安見才讓的《藏文屬格助詞的識別算法》［《信息與電腦》（理論版）第8期］，珠杰、李天瑞、劉勝久的《藏文文本自動校對方法及系統設計》［《北京大學學報》（自然科學版）第1期］，邊巴旺堆、卓嘎、陳延利等的《藏文構件元素識別算法研究》（《中文信息學報》第3期），邊巴旺堆、卓嘎、陳延利等的《藏文構件元素識別算法研究》（《中文信息學報》第3期），曹暉、孟祥和的《基于藏文新聞文本話題檢測的聚類算法研究》［《華中師范大學學報》（自然科學版）第1期］，珠杰、李天瑞、劉勝久的《TSRM藏文拼寫檢查算法》（《中文信息學報》第3期），徐濤、于洪志、加羊吉的《基于改進卡方統計量的藏文文本表示方法》（《計算機工程》第6期），春燕的《基于藏文音節特征的模式匹配算法的研究》（《計算機光盤軟件與應用》第15期），劉偉光、郭小丹、孔繁秀的《一種基于改進向量空間模型的藏文主題網頁采集方法》（《圖書館學研究》第16期），梁會方、黃鶴鳴、楊峰的《漢文專有名詞藏文音譯的研究與實現》（《計算機技術與發展》第12期）等。

康健、喬少杰、格桑多杰等的《基于群體智能的半結構化藏文文本聚類算法》一文，將群體智能技術應用于半結構化的藏文Web文本聚類，提出基于群體智能的半結構化藏文Web文本聚類算法（SCAST），充分考慮群體智能技術對藏文文本聚類準確性和時間效率的影響。SCAST算法首先運用向量空間模型表示藏文文本信息，將藏文文本按其相似性聚集在一起，得到最終聚類結果。才項俄日、安見才讓的《藏文屬格助詞的識別算法》一文，將藏文屬格助詞作為查找目標，結合藏文屬格助詞添接規則、屬格助詞前詞與詞庫進行比較，提出了一種有效的屬格助詞識別算法，進一步提高藏文信息處理技術中藏文自動分詞的準確率。珠杰、李天瑞、劉勝久的《藏文文本自動校對方法及系統設計》，以藏文音節拼寫檢查、梵音轉寫藏文檢查、接續關系檢查、詞語檢查為研究內容，提出藏文文本自動校對框架和接續關系檢查算法。根據該框架及算法，設計并實現藏文自動校對系統，通過實驗證明算法和系統的可靠性和有效性。邊巴旺堆、卓嘎、陳延利等的《藏文構件元素識別算法研究》一文，指出要實現藏文排序算法，必須解決組成藏文音節的構件元素識別，然后由構件元素的優先級進行排序。文章通過對藏文的文字結構、書寫規律，以及文法規則的研究，設計了符合現代藏文的構件元素識別算法。曹暉、孟祥和的《基于藏文新聞文本話題檢測的聚類算法研究》一文，提出一種聚類算法，首先改進了文本順序對聚類結果產生的影響，其次通過確定種子話題，來確定話題的類別。本研究的聚類算法在較小規模的語料中比改進前源算法有一定程度的提高。珠杰、李天瑞、劉勝久的《TSRM藏文拼寫檢查算法》一文，以藏文語音特性建立的字組織法為依據，以藏文音節規則為模型，提出了藏文音節規則模型（TSRM）的藏文音節拼寫檢查算法，并通過兩組實驗驗證了算法的有效性。徐濤、于洪志、加羊吉的《基于改進卡方統計量的藏文文本表示方法》一文，認為傳統的藏文文本表示方法較少考慮特征項之間的關聯度，容易造成語義損失。結合向量空間模型，提取文本中詞頻統計TF-IDF值較高的部分詞項作為對比詞項，對藏文文本進行斷句處理，以每個句子作為一個語境主題，利用卡方統計量計算文本中詞項與對比詞項的關聯程度。春燕的《基于藏文音節特征的模式匹配算法的研究》一文指出，近年來針對網絡中藏文輿情的研究已在相關研究機構進行。模式匹配問題是計算機科學中的一個基本問題，在藏文輿情、網絡入侵檢測等應用中起著重要的作用。針對藏文字本身特性的字符匹配算法在相關文獻并沒有給出相應的解決辦法，而是直接采用了中文或英文的模式匹配算法作為研究的基礎。認為給出一個合理有效的藏文字符串的模式匹配算法，能有效地提高藏文字符的匹配效率。劉偉光、郭小丹、孔繁秀的《一種基于改進向量空間模型的藏文主題網頁采集方法》一文，設計了一種基于改進向量空間模型的藏文主題網頁采集算法。梁會方、黃鶴鳴、楊峰的《漢文專有名詞藏文音譯的研究與實現》一文，在漢藏音譯規則的制定的基礎上，對于存在的約定俗成譯法詞組優先處理，以及漢文的多音字結合了統計的多音字語料詞組，提高音譯系統的性能，以及其音譯的準確性。該算法實現簡單，準確率高。

標注、算法、識別、分類等之間是相互關聯的。不能將彼此截然分開。此外，相關的研究還有：仁青諾布、蘇亞超、孫亞東的《基于最大熵模型的藏文不良文本識別系統的設計和實現》（《西藏科技》第3期）一文，該文通過實驗實現了最大熵算法進行藏文文本分類功能，用最大熵算法進行藏文不良文本識別效果比較明顯。武強、邊巴旺堆的《信息檢索系統中藏文自動提示的研究與實現》（《電腦知識與技術》第19期）一文，認為在當今信息社會，信息檢索已經成為人們日常工作的一部分。該文主要探討了藏文的構成、編碼、分詞及藏文相關提示詞的實現原理及方法，對具有重要影響的藏文分詞和排序進行了深入的分析，實現了在信息檢索系統中基于權重的藏文自動提示功能。通過測試分析，該功能能較好地分辨藏文和依據權重對藏文進行相關詞提示。才華的《藏文組字部件的自動識別與字排序研究》［《西藏大學學報》（自然科學版）第2期］一文，認為藏文字有著獨特的構字規則，組字部件的自動識別在藏文字、詞、句層面的信息化處理有重要的應用。文章把現代藏文字按其第一個部件字符的不同分成5種結構類型，每一種類型又按其字長分為若干個子類，在每個子類中定義各字的部件識別算法，最后在藏文組字部件識別的基礎上，給每個部件賦予序值，實現藏文字的有效排序。

（五）軟件開發與應用

在過去的一年，涉及軟件開發與應用的研究成果主要有：看不太、安見才讓的《藏文學術論文復制檢測技術研究》［《信息與電腦》（理論版）第8期］，柔特的《基于WordNet的藏文語義詞典半自動構建方法研究》［《西藏大學學報》（自然科學版）第1期］，江濤、江靜、戴玉剛等的《藏文輿情云分析系統平臺研究》（《信息網絡安全》第9期），高紅梅、拉巴頓珠、嘎瑪平措等的《基于Flash的藏文詞語學習軟件設計》（《西藏科技》第4期），陳小瑩、艾金勇、郭小丹《藏文拉丁轉寫的設計與實現》（《科技信息》第11期），白瑪玉珍的《幾種藏文字特征提取方法比較研究》［《信息與電腦》（理論版）第4期］，俄果措、安見才讓的《藏文單音節動詞時式的形態變化研究》［《信息與電腦》（理論版）第9期］，高定國、郭鑫的《TSF藏文輸入法的設計與實現》［《西藏大學學報》（自然科學版）第2期］，白瑪拉姆、張旋的《基于物聯網的藏文二維碼的研究與實現》（《西藏科技》第2期），張繼偉的《基于Android系統智能終端的藏文輸入法分析與實現》（《信息安全與技術》第4期），張云洋、劉芳的《基于Unicode的藏文網頁搜索探討》（《科技情報開發與經濟》第11期），項毛措、張有誼的《Word 2007中藏文排序的研究》（《商》第5期），扎西加、多拉的《基于FUG的藏語句法形式化描述》（《中文信息學報》第3期），達召卡什吉的《現代藏語常用名詞的內部結構特征分析》（《安多研究》第11輯，甘肅民族出版社）等。

看不太、安見才讓的《藏文學術論文復制檢測技術研究》一文，在分析藏文論文整體結構的基礎上結合或改進現有的復制檢測方法并提出某種符合藏文文法的新的藏文學術論文復制檢測算法，實現用于藏文學術論文對他人的隱式抄襲、部分抄襲和完全抄襲等抄襲現象的初步檢測。柔特的《基于WordNet的藏文語義詞典半自動構建方法研究》一文，在藏語獨特的文法理論研究基礎上，利用對比英文和藏文詞之間的語義關系、構建雙語大型數據庫和制定映射過程中詞匯空缺等方法，構建了基于半自動匹配的藏文語義詞典，為藏文信息處理提供了重要的數據資源。江濤、江靜、戴玉剛等的《藏文輿情云分析系統平臺研究》一文，介紹了藏文輿情云分析平臺的系統框架和核心模塊，及其模塊運行。高紅梅、拉巴頓珠、嘎瑪平措等的《基于Flash的藏文詞語學習軟件設計》一文，選用藏語詞典作素材，基于Flash設計了一款藏文詞語學習軟件，通過通關形式增強學習的趣味性，同時對詞組輔以圖片演示、讀音配音和講解，真正起到輔助教學的作用。陳小瑩、艾金勇、郭小丹的《藏文拉丁轉寫的設計與實現》一文，從藏文文本規范化、黏著語的分離與還原、基字的確定和藏文音節轉寫規則四個部分設計了藏文拉丁轉寫方案，最終實現藏文拉丁轉寫。該轉寫方案的設計在藏文信息處理領域具有非常重要的現實意義和應用價值。白瑪玉珍的《幾種藏文字特征提取方法比較研究》一文，認為藏文字識別中特征提取是一個很重要的環節。該文研究了幾種藏文字特征提取的方法，提出了各個特征提取方法的優、缺點。俄果措、安見才讓的《藏文單音節動詞時式的形態變化研究》一文，采用統計學的研究方法，建立藏文單音節動詞詞庫，并對每一個動詞形態變化類型進行標注。根據動詞形態同形方式的不同，對四種、三種、兩種和無形態變化的動詞模式進行統計，從而總結了動詞形態的規則，為藏語語音和詞匯的演變做了基礎性的研究。高定國、郭鑫的《TSF藏文輸入法的設計與實現》一文，指出TSF是微軟推出的一種新的輸入法框架，用TSF開發藏文輸入法不僅能實現詞組輸入的功能，還能提高藏文鍵盤的輸入速度。白瑪拉姆、張旋的《基于物聯網的藏文二維碼的研究與實現》一文，基于物聯網的相關技術，通過藏文二維碼軟件的設計，對二維碼的編碼結構、編碼原理、編碼流程等問題進行了分析，最后利用Visual Basic軟件進行應用和開發。張繼偉的《基于Android系統智能終端的藏文輸入法分析與實現》一文，闡述了藏文在Android系統下輸入法的設計思想，以及實現過程，介紹了該技術的設計原理以及流程。張云洋、劉芳的《基于Unicode的藏文網頁搜索探討》一文指出，藏文網頁搜索是藏文計算機技術和藏文網站發展的必然要求，藏文字的特殊結構和藏文編碼的多樣性給網頁的統一檢索造成一定的困難，使用基于Unicode的藏文編碼來識別和存儲藏文有利于網頁搜索的實施。項毛措、張有誼的《Word 2007中藏文排序的研究》一文，認為藏文文字的排序是藏文信息處理領域一項不可缺少的關鍵所在，也是一直以來有待解決的問題。目前，word成了最廣泛的應用程序之一，如果word中實現符合藏文文字結構特點和語法規則的藏文排序，將會為以后藏文研究工作者帶來很大方便。扎西加、多拉的《基于FUG的藏語句法形式化描述》一文，分析了用復雜特征描述藏語句子的必要性，引入了復雜特征集和合一運算的概念，以實例舉證的方式對藏語詞匯、句法、語義的規則及句子合一運算提出了探索性的研究思路，并且采用框式表示的方法，力求從形式化的角度為藏語自然語言處理提供便利。達召卡什吉的《現代藏語常用名詞的內部結構特征分析》一文，主要對名詞的內部結構特征進行了分析研究，其目的是為藏語名詞的語義分詞服務和擴大藏語資源建設的規模。為藏語信息處理的機器翻譯、信息檢索、信息提取、文本校對服務。