网络环境下自动获取汉维句子翻译对的研究.pdfVIP

网络环境下自动获取汉维句子翻译对的研究 姜子进L2，吐尔根·依布拉音1’2 1．新疆大学信息科学与工程学院．新疆，乌鲁木齐830046 2．新疆多语种信息技术重点实验室．新疆，乌鲁木齐830046 摘要t双语平行旬对是机器翻译的重要资源，但目前的双语平行语料库大多是篇章级的，句子级的平行语料库 不仅数景有限，而且多集中在特定领域。很难适应真实戍用的需求。本文就研究怎样在网络环境下获取双语平 行句对，创建句子级的双语平行语料库。我们先下载双语平行网页资源．然后找出能够提取出正文的网页．再 根据html特征去除网页噪音，提取网页中的正文。最后进行句子切分，并根据基于句子长度、基于词汇、特征 提取的方法进行双语平行旬对的抽取，创建句子级的双语平行语料库． 关键词·双语平行语料库，机器翻译．双语平行句对 from AutomaticParalleISentencesExtractionWeb 1，2 Ibrahim lingzijinL2，Turgmn ofInformation 1．College ScienceEngineering,X哟iang of Information 2．XinjiangLaboratoryMulti—languageTechnology，P．R．China,830046 iS sentenceall resourceformachine mostofthe Abstraet：+Bilingualparallel pair important translation，butbilingual to level．sentence-leveIiSnot limitedin alsomore corpusbelongschapter parallelCOrpus parallel only quantity,but to concentratedin areas，itiSdifficult toreal thesis howtOobtain specific adapt applications．Thisstudy bilingual in sentence network asentence-leveI firstdownloada parallel pairs environment,creatingbilingualparallelcorpus．we text web thenfindthe withthe caIlbe willremove bilingualparallelresouJces，and pages body extracted，aftert11at，we the noiseunderhtmIcharacteristicsandextractthetext ofthe sentence and body page．Finally,bysegmentation sentenceextractionbase