汉英机器翻译扩充词典的建设-ictaccn.docVIP

汉英机器翻译扩充词典的建造* 刘群1,2 张彤2 1北京大学计算语言学研究所 2中国科学院计算技术研究所 liuqun@ict.ac.cn 摘要：本文首先介绍了我们在“面向新闻领域的汉英机器翻译系统”中语言资源建设的总体框架，然后着重介绍了其中扩充词典的建设方法。扩充词典是相对于核心词典而言的，特点是词汇量大，每个词的信息相对较少。扩充词典的建设包括以下几个阶段：收集；格式整理；词条拆分；词性标记归一化；词性标记补齐；词条合并。实验结果表明，采用这种方法，利用较少的人工，就可以得到规模很大、并初步可用的双语机器翻译词典，并且这部词典可以大大减少翻译中未定义词的数量，提高翻译的质量。 关键词：机器翻译，双语词典获取 引言 现在的机器翻译研究，从一种劳动密集型的研究方式逐步过渡到了一种资源密集型的研究方式。这二者的区别在于，在劳动密集型的研究方式中，语言学家的工作是为某个具体的机器翻译系统开发词典、规则库等语言知识库，其工作依附于某个具体的机器翻译系统，不具有独立性。而在资源密集型的研究方式中，语言学家和计算机工作者的分工更加明确。语言学家的研究成果以语言资源的形式呈现出来，而不是仅仅为某一个机器翻译系统服务，其工作具有一定的独立性。同时，这种分工导致了语言资源的共享，也使得计算机工作者在算法的研究中对于语言资源的使用有了更广泛的选择余地。 本文简要介绍了我们在“面向新闻领域的汉英机器