第三讲_词对齐.pdfVIP

第三讲 词对齐 学习目标：学会使用词对齐工具GIZA++并自行开发词对齐对称化程序。 词对齐是统计机器翻译系统构建的第二步，经过第一步双语数据预处理后， 得到分词后的双语数据。而词对齐的任务就是要得到中英文词语的对应关系。 本讲学习内容：  GIZA++ 的使用 GIZA++是GIZA （SMT 工具包EGYPT 的一个组成部分）的扩展，扩展部分 主要由Franz Josef Och 开发。GIZA++主要算法是IBM model、HMM 等。 1、GIZA++运行环境：Linux ，并预装软件gcc、g++ 。 2、GIZA++下载地址： /p/giza-pp/downloads/detail?name=giza-pp-v1.0.7.tar.gz 3、编译： a)首先进入到GIZA++根目录 b)解压包，指令：tar zxvf giza-pp-v1.0.7.tar.gz c)进入到解压后的目录，指令：cd giza-pp d)编译，指令：make 4 、GIZA++运行： a)新建目录Alignment ，并将编译后的GIZA++-v2 目录下的“GIZA++”、