汉英词语对齐规范.pdfVIP

汉英词语对齐规范 赵红梅1刘群1张瑞强2吕雅娟1隅田英一郎2吴翠玲2 1．中国科学院计算技术研究所智能信息处理重点实验室，中国北京100190； 2．日本情报通信研究机构一国际电气通信基础技术研究所，日本京都619-0288 E-mail：{zhaohongmei，iiuqun，ivyajuan)@ict．ac．cn， 摘要：本文介绍了一个新的汉荚词语对齐规范．该规范以现有的LDC汉英词语对齐规范为基础，对其进行 了较大的改进和扩展，特别是提出了一种全新的对齐标注方法一一将词语对齐区分为真对齐和伪对齐， 真对齐又分为强对齐和弱对齐。这种细化的标注方法能够更好地刻画词语对齐的特点。该规范已经实际应 用于大规模的人工词语对齐标注中。我们对对齐标注的一致性进行了评价。结果表明，在该规范的指导下， 标注者内部和标注者间的对齐都取得了比较理想的一致性，Kappa值分别为0．97和O．86． 关键字：汉英词语对齐规范。手工词语对齐、真对齐．伪对齐．强对齐．弱对齐．对齐和标注一致性 for Word Guidelines Chinese—-EnglishAlignment Lfil，EiichiroSUMIT∥， HongmeiZHAO‘，Qun ZHANG2，Yajuan LIU。，Ruiqiang GOH2 Chooi—Ling 1．Institute of 100190； ofComputingTechnology,ChineseAcademySciences，Beijing，China 619—0288 2．NICT-ATR，Kyoto，Japan E-mail：{zhaohongmei，liuqun，lvyajuan}@ict．ac．cn Abstract：This a，|俐set word existing paperpresents ofguidelinesforChinese-Englishalignment．Using a Word DataConsortium，2006)as guidelinesforChinese—EnglishAlignment(Linguistic startingpoint,we link a proposecompletelydifferentclassificationfo，wordalignmentannotation：genuinelink(involvingstrong the andweak link．This distinctioncan characteristic word link)andpseudo explicit represent ofcross-lingual havebeen ina task Word alignment．Theguidelines appliedlarge-scaleforChinese-Englishalignment．We bothintra-andinter-annotatorandob