基于WEB的雙語翻譯對抽取方法研究.pdf

1、命名實(shí)體、術(shù)語的翻譯對自然語言處理,機(jī)器翻譯性能的影響越來越重要。在機(jī)器翻譯領(lǐng)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(shí)時(shí)的術(shù)語的翻譯。為了取得足夠好的翻譯質(zhì)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(jìn)行抽取,這類方法存在規(guī)模不足、領(lǐng)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(dá)的內(nèi)容卻大致相同,

2、搜集這些頁面就可形成當(dāng)前比較流行的“可比較語料”。基于互聯(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(dāng)今信息抽取領(lǐng)域里的一個(gè)研究熱點(diǎn)。
　　 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(xiàng),然后從得到的插入語候選項(xiàng)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(shí)驗(yàn)結(jié)果顯示,