Part of most high frequencies words in each stage for textbooks

G. Altenbek, X.L. Wang 
22 
Вестник Карагандинского университета 
The following table is a high-frequency word statistics of Kazakh masterwork. Kazakhstan scholars in 
the literature did statistical analysis on the vocabulary of Kazakh masterwork Road of Abai. They list the top 
500 high-frequency vocabulary, which the first shown in Table 7. 
T a b l e 7
High frequencies words in 《ABAY road》
 
Rank Word Frequency Rank Word Frequency Rank Word Frequency 
1 
 ەد(v) 
9828 
6 
اد 
5653 
11 
ىسو 
4379 
2 
لوب 
9341 7 
لەك 
5175 12 
تيا 
4301 
3 
ە 
7844 
8 
لﯚب 
4696 
13 
لوس 
4175 
4 
يابا 
6747 
9 
لا 
4546 
14 
لو 
4117 
5 
زۇ 
5747 
10 
 ەد 
4506 
15 
رﯩب 
3896 
Comparison of Tables 6 and 7 shows that there are five words with the same high frequency, just the 
frequency is different. The highest frequency word is «ر ٮب» (meaning: one). Based on this, we further 
proved the stability and universality of the Kazakh vocabulary, and explained the unity of the Kazakh 
language. 
Conclusion  
In this paper, the research mainly focuses on a corpus-based Frequency Statistic of Kazakh Word at 
Morphological feature, which are the most difficult aspect of Kazakh natural language processing using the 
statistical method by Arabic script in P. R. China. This paper standardized the processing coding and storage 
scheme of our corpus, then constructed Kazakh Language Corpus (KzLC). The Kazakh word tagging corpus 
is labeled various word level information based on the corpus of the language materials, in order to solve 
POS tagging of Kazakh lexical analysis, this study proposed a Kazakh word tagging Standards including 
POS tagging, stem tagging, affix tagging, multi-class word POS tagging as an attribute. 
Our research project has shown the corpus-based approach to processing of word frequencies, this study 
has been completed statistical content: Kazakh words starting letters with statistics, the Kazak of word fre-
quency statistics, the Kazakh word length statistics, all the relationship between the length and frequency of 
the word. The experimental results illustrate the Kazak inner link between word frequency, and at the same 
time to verify the Kazakh word frequency comply with Zipf's law of power law. 
In the experiment, we used the data of 2008 year of Xinjiang daily (Kazakh version) and Kazakh Text-
books from primary school and junior high school to high school in Xinjiang.by our Kazakh Language Cor-
pus (KzLC). 
For the future work we will plan to construct the syntactic annotation treebank of Kazakh language, 
which has been continuously improved, modified and expanded in the recent years. Then we have plan to 
construct a semantics annotation treebank of Kazakh language. 
 
This research work is supported by Natural Science Foundation of P.R. China (NSFC), under grant 
No. 61363062, No.61063025 No.61572151 and other No. NMLR 201601. 
References 
1 Altenbek, G., Dawel, A., & Muheyat, N. (2009). A Study of Word Tagging Corpus for the Modern Kazakh Language // 
Journal of Xinjiang University, 26(4), 394–401. 
2 Makhambetov, O., Makazhanov, A., Yessenbayev, Zh., Matkarimov, B., Sabyrgaliyev, I., & Sharafudinov, A. (2013). As-
sembling the Kazakh Language Corpus, In Proceedings of the Conference on Empirical Methods in Natural Language Processing 
2013 (EMNLP 2013). Association for Computational Linguistics, 1022–1031. 
3 Doszhan, G. (2013). Problems of Creation of the All-Turkic National Corpus. International Conference on Information // 
Business and Education Technology, 1018–1023. 
4 Yesim, Aksan. & Mustafa, Aksan. (2009). Building a national corpus of Turkish: Design and implementation, Working pa-
pers in corpus-based linguistics and language education. Tokyo: Tokyo University of Foreign studies, 299–310. 

А corpus-based frequency statistic… 
Серия «Филология». № 2(86)/2017 
23 
Г. Алтынбек, Кс.Л. Ванг

жүктеу/скачать 5,53 Mb.

Достарыңызбен бөлісу: