大规模双语句对自动获取技术

摘要：

从互联网上挖掘大量双语平行句对,可以快速有效地构建大规模双语资源,服务于统计机器翻译.从挖掘对象的不同,将网络数据源分成对照网页和平行网页两类,提出一种抽取双语句对的方法.首先,从上述两类网页中分别抽取平行文本段,对照网页文本段抽取的主要方法为页面过滤和模板匹配,而平行网页依赖于网页结构的相似,采用对应节点匹配方法；其次,采用GaleChurch算法进行句对齐,得到平行句对；最后统一进行后处理.实验结果表明,从对照网页获取平行句对的准确率达到93.3％,平行网页为93.5％.

关键词：平行句对挖掘、句对评价、对照网页识别、平行网页判断

所属期刊栏目：2

分类号：TP391(计算技术、计算机技术)

资助基金：国家863计划项目2011AA01A207;国家自然科学基金61100093

在线出版日期：2012-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：72-75