关于web的大规模平行语料库构建方法的研究

关于web的大规模平行语料库构建方法的研究

ID:34010195

大小:2.45 MB

页数:62页

时间:2019-03-03

关于web的大规模平行语料库构建方法的研究_第1页
关于web的大规模平行语料库构建方法的研究_第2页
关于web的大规模平行语料库构建方法的研究_第3页
关于web的大规模平行语料库构建方法的研究_第4页
关于web的大规模平行语料库构建方法的研究_第5页
资源描述:

《关于web的大规模平行语料库构建方法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、中文摘要基于Web的大规模甲行语料库构建方法研究抽取平行资源,并使用基于长度、双语词典、翻译模型等方法来提高平行语料库的质量。关键词:Web信息挖掘,双语平行语料库,平行资源对齐,双语混合网页获取,机器学习Ⅱ作者:冯艳卉指导教师:姚建民ResearchOilLarge-ScaleBilingu—al—Para—l—lelCorpusExtractionfromtheWebA.bstractonLarge-ScaleBilingualParallelCorpusExtractionfromtheWebAbstrac

2、tLarge-scalebilingualparallelcorpuscanbenefitmanyNaturalLanguageProcessing(NLP)applications,suchasmachinetranslationandcross-languageinformationretrieval.TherearemassivemultilingualtextresourcesontheWeb,andmostofpreviousresearchjustfocusedonextractionbilingua

3、lparallelresourcesfromparallelmonolingualpagepairs.Althoughalotofmanpower,materialandfinancialhasbeenspentinextractingsuchbilingualresources,theexistingcorpuscollectedisfarawayfromenoughtobeusedinrealtextprocessing,justbecauseofitssmallscale,poortimelinessand

4、imbalanceofdomains.Currently,researchersfindthatparallelbilingualresourcesexistnotonlyinparallelmonolingualpagepairs,butalsoinasinglebilingualpage,andbilingualpagescontainmoreparallelresourceswithhighertranslationqualityandmoredomains.Inthispaper,weonlyfocuso

5、nsuchbilingualpagesandproposetoobtainlarge-scalebilingualparallelcorpusautomaticallyfromtheWeb.Ourresearchresultcanbesummarizedasfollows:>DiscoveringbilingualpagesfromtheWebTheWebcontainsmassivepages,SOitisabigchallengetOdiscoverbilingualpagesaccurately.Previ

6、ousresearchesalwaysadoptmethodsbasedondefinedtargets,i.e.firstlycollectplentysourceWebsites(suchasEnglishlearningsiteandtranslationsiteandSOon),thendownloadallinternalpagesascandidatebilingualpages.However,theworkaboutcollectingsourcesitesmustbewithhumaninter

7、ventionandonlyoutputlimitedcandidates.Inordertoovercomesuchdisadvantages,otherresearchesproposetoautomaticallydiscoverSOurCesitesbyuseofsearchenginesandheuristicinformation,whilesuchmethodsoutputSOmanynoisypagesandminedparallelresourcesofpoorquality.Thispaper

8、firstlyproposes0discoverandextractbilingualpagesbyuseofsearchenginesandacquiredsmall-scaleparallelcorpus,andexperimentalresultsshowthatdoesbeanovelmethodtoacquirehigh-qualitybilingualpage

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。