基于WEB的雙語翻譯對抽取方法研究.pdf

1、命名實體、術語的翻譯對自然語言處理,機器翻譯性能的影響越來越重要。在機器翻譯領域,雙語翻譯詞典是重要的翻譯資源,但是傳統(tǒng)的基于詞典的方法很難提供大量的,實時的術語的翻譯。為了取得足夠好的翻譯質量,前人提出了一系列自動抽取雙語翻譯對的方法,但早期的方法主要是從平行語料中進行抽取,這類方法存在規(guī)模不足、領域局限、不能很好的處理未登錄詞等問題。隨著互聯(lián)網(wǎng)的飛速發(fā)展,越來越多的雙語甚至多語頁面大量出現(xiàn),這些頁面語種不同但是表達的內容卻大致相同,

2、搜集這些頁面就可形成當前比較流行的“可比較語料”?；诨ヂ?lián)網(wǎng)的可比較語料包含的雙語翻譯對覆蓋面非常廣泛,從這種語料中抽取雙語翻譯對己成為當今信息抽取領域里的一個研究熱點。
　　 本文提出的從大規(guī)模網(wǎng)頁中抽取雙語翻譯對的方法是基于可比較語料的。首先從大規(guī)模的可比較語料中抽取符合匹配模式的插入語候選項,然后從得到的插入語候選項中抽取候選互譯對,再利用IBM翻譯模型的詞對齊模型得到正確的雙語三元組,從而得到最終的翻譯對。實驗結果顯示,