2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、重慶大學(xué)碩士學(xué)位論文利用web抽取雙語翻譯對(duì)的研究與實(shí)現(xiàn)碩士研究生:樊聰指導(dǎo)教師:王時(shí)龍教授學(xué)科、專業(yè):計(jì)算機(jī)軟件與理論(軟件工程領(lǐng)域)重慶大學(xué)軟件學(xué)院二OO七年十月摘要近年來,在自然語言處理的研究和開發(fā)中,雙語翻譯對(duì)(包括句子,短語,詞匯)的作用日益突顯出來,它為跨語言檢索和機(jī)器翻譯等自然語言處理應(yīng)用提供基礎(chǔ)資源。大量的雙語翻譯對(duì)可以明顯改進(jìn)上述基于實(shí)例的自然語言應(yīng)用系統(tǒng)的性能。因而人們提出了很多抓取雙語翻譯的方法,早期的方法主要是從

2、平行語料里進(jìn)行抽取。這類方法存在規(guī)模不足,領(lǐng)域局限,不能很好處理新詞等問題。隨著互聯(lián)網(wǎng)得飛速發(fā)展,大量網(wǎng)頁中包含了雙語翻譯對(duì)。并且由于互聯(lián)網(wǎng)自身的多樣性和實(shí)時(shí)性,互聯(lián)網(wǎng)上的翻譯對(duì)覆蓋面廣,而且包含了大量新詞。因此,從互聯(lián)網(wǎng)上抽取雙語翻譯對(duì)已成為了當(dāng)今信息抽取領(lǐng)域里的研究熱點(diǎn)。本文提出了一種新穎的從互聯(lián)網(wǎng)上獲取雙語平行翻譯對(duì)的方法,該方法基于雙語平行翻譯對(duì)在網(wǎng)上會(huì)集群式出現(xiàn)的特點(diǎn),通過一個(gè)循環(huán)迭代的挖掘方法自動(dòng)的從互聯(lián)網(wǎng)上發(fā)現(xiàn),抽取高質(zhì)量

3、的翻譯對(duì)。首先利用種子數(shù)據(jù)從搜索引擎上獲取包含種子數(shù)據(jù)的網(wǎng)頁,然后使用一個(gè)啟發(fā)式的評(píng)估方法從網(wǎng)頁中發(fā)現(xiàn)雙語平行翻譯對(duì)。對(duì)這些包含集群式出現(xiàn)的雙語翻譯對(duì)的信息區(qū)域,我們使用了PAT樹的數(shù)據(jù)結(jié)構(gòu)自動(dòng)構(gòu)建抽取模板,然后,根據(jù)模板的抽取性能(使用Fmeasure進(jìn)行評(píng)測(cè))采用RankingSVM對(duì)這些模板進(jìn)行排序,使用排序后的前10個(gè)模板聯(lián)合表面模板(SurfacePattern)進(jìn)行翻譯對(duì)的抽取。最后,再通過使用一個(gè)基于源語言和目標(biāo)語言翻譯相

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論