Các tiếp cận tách từ tiếng Khmer dùng trong cơ sở dữ liệu văn bản

Abstract

Tóm tắt. Bài báo đề cập bài toán tách từ, sử dụng trong việc tổ chức dữ liệu văn bản bằng tiếng Khmer. Bài toán này quan trọng trong xử lí ngôn ngữ tiếng Khmer. Cũng như tiếng Trung Quốc, tiếng Thái, tiếng Khmer không có các dấu hiệu phân tách để phân biệt các từ trong câu. Bài báo sẽ phân tích và so sánh hai phương pháp tiếp cận khác nhau trong bài toán tách từ tiếng Khmer : Tiếp cận dựa trên ký tự (Character-based approaches) và Tiếp cận dựa trên từ (Word-based approachs). Hai cách tiếp cận này được thử nghiệm trong các ngôn ngữ độc lập như tiếng Trung Quốc, và tiếng Thái. Đây là một trong những giải pháp cho bài toán tách từ tiếng Khmer.

Từ khóa: Tách từ, tiếng Khmer, ngôn ngữ.