- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
汉英机器翻译扩充词典的建造冰
刘群1 张彤2
1北京大学计算机语言学研究所
2中国科学院计算技术研究所
E—mail: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;词性标记补弃;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
一、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—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翻译系统”开发过程中语言资源建设
的总体规划和实施情况,然后详细介绍了其中一个子任务一“扩充词典”建设的工作流程、
算法设计、实施过程和结果评价。
二、语言资源建设的总体规划
我们在“面向新闻领域的汉英机器翻译系统”(Liuet.a1.2001)的开发过程中,非常重
视语言资源的建设。我们建立了一套完整的,覆盖语言知识各个层面的机器翻译语言资源建
设规范。并启动了一系列的语言资源建设子任务。这些子任务包括:
1.汉语语义词典子任务
在原有语义词典基础上,完善规范、修改错误、补充词语,构造一部完整的机器翻译用
汉语语义词典。目前此项工作正在进行,目标是将北京大学语法信息词典中的七万多汉语词
’本项目接受国家重点基础研究项目(973)资助,课题号为:G1998030507-4.
·25·
语加入到语义词典中。
2.汉英扩充词典子任务
在原有核心词典的基础上构造一部机器翻译用扩充词典,本文后面将详细介绍。
3.汉英短语库子任务
收集汉英对照的短语,标记出短语结构信息,此项工作已告一段落,目前收入短语5万
余条。
4.汉英双语语料库收集整理子任务
收集、整理双语语料库、进行格式整理、篇章标注、篇章对齐,此项工作第一阶段已经
完成,收录大约100万汉字的汉英对照新闻语料以及大量的其他类型语料,目前正在进行第
二阶段工作。
5.汉英双语语料库句子对齐子任务
在篇章对齐语料库基础上,完成段落对齐和句子对齐,与上一个子任务一样,第一阶段
已完成.完成了100万汉字的汉英对照新闻语料的句子对齐(约4000句对),并整理其他类
型句子对齐语料约18万句对。目前正在进行第二阶段工作。
6.汉英双语语料库短语对齐子任务
在句子对齐语料库基础上,完成子句、最长名词短语、基本名词短语以及其他一些特定
类型短语的对齐,此项工作第一阶段已经完成,大约完成了3000汉英句对的短语对齐工作。
第二阶段还没有开始。
本文主要介绍其中的第二项子任务:汉英扩充词典子任务。
三、机器翻译的词典建设
双语词典建设是机器翻译系统开发中的一个重要环节。
常见的机器翻译词典开发有以下几种方法:
1)人工开发:组织人力物力,从头开始开发。当然,在实际的开发中,都要借鉴已有
的词典,甚至以已有的某部词典为基础。这种方法费时费力,但可以根据自己的需要任意裁
减所需信息,易于和翻译算法紧密结合。传统的机器翻译词典开发一般都采用这种方法。《知
网》(董振东)也可以看作一部采用这种方法开发的可用于机器翻译的双语词典。
2)利用已有的电
您可能关注的文档
- 中国运筹学会金融工程与金融风险管理分会学术年会第一次通知.DOC
- 微流体脉冲喷射技术制备多组分微胶囊-光学精密工程.PDF
- 城区域书店的功能价值回归研究-图书情报知识.PDF
- 完善海洋伏季休渔制度的探讨-农业现代化研究.PDF
- 忧郁症身心兼治之研究-高苑学报-高苑科技大学.PDF
- 怒江州拍卖企业拍卖活动备案表.DOC
- 怀安2018年统筹整合使用财政涉农资金项目清单.DOC
- 思路下麦茬全秸秆覆盖地花生免耕播种机研制-IngentaConnect.PDF
- 急性呼吸道感染抗生素合理使用指引试行下部分.PDF
- 总括原似方式-东京大学.PPT
- 人教版一年级下册数学期中测试卷附答案【巩固】.docx
- 人教版六年级上册数学 期中测试卷及完整答案【精选题】.docx
- 人教版三年级下册数学期末测试卷及参考答案(考试直接用).docx
- 人教版六年级上册数学期末检测卷带答案(轻巧夺冠).docx
- 人教版高中生物必修二第2章第2节-基因在染色体上-课件(共32张PPT).ppt
- 人教版九年级化学-第一单元-课题2-化学是一门以实验为基础的科学-习题教学课件-(共25张PPT).ppt
- 体检(共10篇)_可编辑.docx
- 人教版化学选修一1.3《生命的基础—蛋白质》上课课件.ppt
- 人教版三年级下册数学期末测试卷【新题速递】.docx
- 人教版五年级下册数学期中测试卷附答案解析.docx
文档评论(0)