基于可比语料库的双语术语抽取研究评析.pdfVIP

《现代图书情报技术》版权所有，欢迎下载引用！  请注明引用地址：基于可比语料库的双语术语抽取研究述评 ［Ｊ］，现代图书情报技术，２００９（１０）：７－１３． 总第１８４期　２００９年　第１０期 基于可比语料库的双语术语抽取研究述评 １ １，２ １ 康小丽 　章成志 　王惠临 １（中国科学技术信息研究所　北京 １０００３８） ２（南京理工大学信息管理系　南京２１００９４） 【摘要】对基于平行语料库的双语术语抽取和基于可比语料库的双语术语抽取进行对比分析，说明基于可比语料 库的双语术语抽取的研究意义与应用价值。分析总结解决该问题的主要方法及其优化方法，指出存在的问题并 展望该研究的未来发展方向。 【关键词】双语术语抽取　可比语料库　上下文向量　向量相似度计算 【分类号】ＴＰ３９１ ＳｕｒｖｅｙｏｎＢｉｌｉｎｇｕａｌＴｅｒｍｉｎｏｌｏｇｙＥｘｔｒａｃｔｉｏｎｆｒｏｍＣｏｍｐａｒａｂｌｅＣｏｒｐｏｒａ １ １，２ １ ＫａｎｇＸｉａｏｌｉ　ＺｈａｎｇＣｈｅｎｇｚｈｉ 　ＷａｎｇＨｕｉｌｉｎ １（ＩｎｓｔｉｔｕｔｅｏｆＳｃｉｅｎｔｉｆｉｃ＆ＴｅｃｈｎｉｃａｌＩｎｆｏｒｍａｔｉｏｎｏｆＣｈｉｎａ，Ｂｅｉｊｉｎｇ１０００３８，Ｃｈｉｎａ） ２（ＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎＭａｎａｇｅｍｅｎｔ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００９４，Ｃｈｉｎａ） 【Ａｂｓｔｒａｃｔ】Ｂｙｃｏｍｐａｒｉｎｇｗｉｔｈｅｘｔｒａｃｔｉｎｇｂｉｌｉｎｇｕａｌｔｅｒｍｉｎｏｌｏｇｙｆｒｏｍｐａｒａｌｌｅｌｃｏｒｐｏｒａ，ｔｈｉｓｐａｐｅｒｄｅｓｃｒｉｂｅｓｔｈｅｖａｌｕｅｏｆｅｘ ｔｒａｃｔｉｎｇｂｉｌｉｎｇｕａｌｔｅｒｍｉｎｏｌｏｇｙｆｒｏｍｃｏｍｐａｒａｂｌｅｃｏｒｐｏｒａ．Ｉｔｓｕｍｍａｒｉｚｅｓｔｈｅｍａｉｎｍｅｔｈｏｄａｎｄｔｈｅｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｓｏｆ ｉｍｐｌｅｍｅｎｔａｔｉｏｎｏｆｂｉｌｉｎｇｕａｌｔｅｒｍｉｎｏｌｏｇｙｅｘｔｒａｃｔｉｏｎ．Ａｎｄｓｏｍｅｐｅｒｓｐｅｃｔｉｖｅｓａｎｄｐｒｏｓｐｅｃｔｓａｂｏｕｔｂｉｌｉｎｇｕａｌｔｅｒｍｉｎｏｌｏｇｙｅｘ ｔｒａｃｔｉｏｎｂａｓｅｄｏｎｔｈｅｃｏｍｐａｒａｂｌｅｃｏｒｐｕｓａｒｅｐｒｏｐｏｓｅｄ． 【Ｋｅｙｗｏｒｄｓ】Ｂｉｌｉｎｇｕａｌｔｅｒｍｉｎｏｌｏｇｙｅｘｔｒａｃｔｉｏｎ　Ｃｏｍｐａｒａｂｌｅｃｏｒｐｏｒａ　Ｃｏｎｔｅｘｔｖｅｃｔｏｒ　Ｖｅｃｔｏｒｓｉｍｉｌａｒｉｔｙｃｏｍｐｕｔａｔｉｏｎ １　引　言 ［１］ ［２］ ［３］ 　　双语术语抽取可应用于双语术语词典编撰 、跨语言信息检索 、机器翻译 等广泛领域。由于国际化的需要， 越来越多的文件采用多种语言的形式在互联网上传播和交流，多语语料库资源日益增多，促进了双语术语抽取的研 究和应用。目前，主要研究方向是在平行语料库上进行双语词语或双语术语的抽取。基于平行语料库的双语术语抽 取具有正确率高的特点，但由于平行语料库不易获取，有学者提出利用可比语料进行双语术语抽取的思路。 ２　基于可比语料的双语术语抽取 　　目前，双语术语的抽取基本上是基于平行语料库进行的。平行语料库（ＰａｒａｌｌｅｌＣｏｒｐｕｓ）由源语文本和从源语 ［４］ 文本翻译的译语文本构成 。平行语料可为双语也可以是多语，还可以是双向等价翻译。例如，可以由中文文本 及其翻译的英语文本组成，也可以由中文文本及其翻译的英语、德语、法语、日语等的译语文本组成，还可以由中 英文双向翻译文本组成。平行语料长期以来在机器翻译研究领域被广泛用于获取词对知识，构建翻译词典，以提 　　收稿日期：２００９－０９－２２ 　　收修改稿日期：２００９－０９－２９ 　　 本文系“十一五”国家科技支撑计划重点项目“多语言信息服务环境关键技术研究”（项目编号：２００６ＢＡＨ０３Ｂ０２）、中国博士后科学基金  ２００８０１１０５）和