基于Web論文庫的學(xué)術(shù)領(lǐng)域雙語資源研究.pdf

1、雙語資源在計算語言學(xué)研究領(lǐng)域具有十分特殊的地位，對機器翻譯、雙語詞典編纂、術(shù)語抽取、跨語言信息檢索等研究和應(yīng)用提供了有力的支持。對雙語資源的研究面臨著如下三個問題：如何獲取雙語資源？如何對雙語資源進行加工處理？如何使用雙語資源構(gòu)建應(yīng)用？本文基于學(xué)術(shù)領(lǐng)域雙語資源對這三個問題進行了探討和解決。 基于Web論文庫獲取學(xué)術(shù)領(lǐng)域雙語資源是一種自然而然的方法。本文設(shè)計并實現(xiàn)了Web論文庫爬行器，對Web論文庫進行增量爬行，高效地獲取學(xué)術(shù)領(lǐng)域

2、雙語資源，從而構(gòu)建動態(tài)更新的學(xué)術(shù)領(lǐng)域雙語資源庫。接著探討了如何在獲取到的學(xué)術(shù)領(lǐng)域雙語資源庫上進行句子對齊處理。本文實現(xiàn)了經(jīng)典的基于統(tǒng)計的句子對齊算法，并對算法進行了一系列改進，包括斷句不采用冒號為邊界、選用更好的句對評價函數(shù)、結(jié)合學(xué)術(shù)領(lǐng)域雙語資源自有的關(guān)鍵詞信息、增加處理的匹配模式等，顯著地提高了句子對齊算法的準(zhǔn)確率和召回率。經(jīng)過句子對齊處理的學(xué)術(shù)領(lǐng)域雙語資源庫采用xml文件的格式組織存儲。最后，本文嘗試在學(xué)術(shù)領(lǐng)域雙語資源庫上構(gòu)建基于短