《蒙漢雙語對齊語料庫》的實驗性研究與實現(xiàn).pdf

1、在自然語言處理領域，雙語對齊語料庫的重要性日益加強，它在機器翻譯、詞典編纂、信息檢索、翻譯知識的獲取、詞義排歧等領域有著重要的研究和應用價值。雙語語料庫的研究工作主要集中在語料的構建、對齊和標注等方面。 在過去的三十年里，各國的研究人員相繼建立了許多印歐語言的平行語料庫。與之相比，漢英雙語對齊語料庫的研究國內外都相對較少，尤其是蒙語語料庫與其它語種語料庫的對齊研究就更少。本文的工作主要集中在蒙漢雙語對齊語料庫詞性標注、詞匯對齊及

2、句法分析的研究上，主要包括以下部分： 1.詞性標注。蒙古文的附加成分比較多，比如()(做)有()(主動態(tài))，()(被動態(tài))，()(使動態(tài))，()(互動態(tài))，()(同動態(tài))等多種形態(tài)變化。本語料進行標注時不僅確定了詞性標記集，而且還確定了體現(xiàn)這些形態(tài)變化的標記集。 2.詞匯對齊。詞匯對齊是發(fā)現(xiàn)與源語言詞匯具有最高語義相似度的目標語。蒙文詞匯和漢文詞匯有許多特殊對應關系，如：有些漢語動詞短語對應蒙語動詞；有些蒙語動詞短語對應

3、漢語動詞；蒙語的數(shù)詞很多情況下對應漢語的數(shù)量詞；還有空對齊等情況。本文中較詳細地分析了蒙文句子和漢文句子語義對應關系，進行了特征標記，并實現(xiàn)了雙語句子、詞匯、句法結構等不同類型的對齊信息的檢索工具。 3.句法分析。句法分析是對句子和短語的結構進行分析。在語言自動處理的研究中，句法分析的研究是最為集中的。本文使用了自項向下的句法分析方法分析了雙語實驗語料，并利用廣義表方法生成了蒙古文和漢文句子各自的句法樹。 本文最終建立了