基于Web語(yǔ)料的中英文詞典生成方法研究.pdf

1、雙語(yǔ)翻譯是跨語(yǔ)言文化交流的橋梁，雙語(yǔ)詞典是雙語(yǔ)翻譯的重要工具，也是外語(yǔ)學(xué)習(xí)研究的重要資源。由于詞典編纂工作一直以來都是耗時(shí)耗力的大工程，加上中英兩種語(yǔ)言發(fā)展速度較快，大量新詞不斷出現(xiàn)，雙語(yǔ)詞典的更新工作一直處于嚴(yán)重滯后狀態(tài)，成為詞典編纂人員面臨的主要難題。本文以Web語(yǔ)料為數(shù)據(jù)源，從信息抽取、信息過濾、知識(shí)獲取、知識(shí)驗(yàn)證等角度研究中英文翻譯抽取工作，對(duì)中英文雙語(yǔ)詞典的自動(dòng)編纂和中英文知識(shí)的自動(dòng)獲取工作起到了推動(dòng)作用。
　　本文的主

2、要工作有以下幾個(gè)方面：
　　(1)研究中英文翻譯抽取工作面臨的主要問題與現(xiàn)狀，分析當(dāng)前翻譯抽取工作中的不足，給出一種基于Web的中英文翻譯抽取方法，并介紹抽取方法的基本思路與流程。
　　(2)利用網(wǎng)頁(yè)信息抓取技術(shù)，結(jié)合正則表達(dá)式的應(yīng)用，實(shí)現(xiàn)從Web中大量獲取含有中英文翻譯的語(yǔ)料。在語(yǔ)料預(yù)處理環(huán)節(jié)，提出一種基于謂詞表達(dá)式演變的語(yǔ)料過濾系統(tǒng)，通過制定語(yǔ)料過濾規(guī)則，實(shí)現(xiàn)語(yǔ)料的自動(dòng)過濾，為后續(xù)的翻譯精確提取奠定了基礎(chǔ)。
　　(

3、3)根據(jù)中英文翻譯在語(yǔ)料中的存在特點(diǎn)，給出基于形式和基于統(tǒng)計(jì)兩種翻譯提取思路，并在基于統(tǒng)計(jì)的翻譯提取模型中，分別結(jié)合計(jì)算漢字出現(xiàn)概率變化率、漢字信息熵和詞組凝聚度，提出三種翻譯提取方法。此外，對(duì)于少部分不能用上述提取方法的待提取翻譯，采用基于停用詞的提取方法，保證翻譯提取的召回率。
　　(4)在翻譯提取后，提出一種基于單詞出現(xiàn)頻率和編輯距離的英文單詞拼寫糾錯(cuò)方法。在糾錯(cuò)完成后，給出一種翻譯優(yōu)化與整合思路，通過對(duì)提取翻譯進(jìn)行分類、計(jì)