已閱讀1頁，還剩61頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、命名實體、術(shù)語的翻譯對自然語言處理,機(jī)器翻譯性能的影響越來越重要。在機(jī)器翻譯領(lǐng)域,雙語翻譯詞典是重要的翻譯資源,但是傳統(tǒng)的基于詞典的方法很難提供大量的,實時的術(shù)語的翻譯。為了取得足夠好的翻譯質(zhì)量,前人提出了一系列自動抽取雙語翻譯對的方法,但早期的方法主要是從平行語料中進(jìn)行抽取,這類方法存在規(guī)模不足、領(lǐng)域局限、不能很好的處理未登錄詞等問題。隨著互聯(lián)網(wǎng)的飛速發(fā)展,越來越多的雙語甚至多語頁面大量出現(xiàn),這些頁面語種不同但是表達(dá)的內(nèi)容卻大致相同,
2、搜集這些頁面就可形成當(dāng)前比較流行的“可比較語料”。基于互聯(lián)網(wǎng)的可比較語料包含的雙語翻譯對覆蓋面非常廣泛,從這種語料中抽取雙語翻譯對己成為當(dāng)今信息抽取領(lǐng)域里的一個研究熱點。
本文提出的從大規(guī)模網(wǎng)頁中抽取雙語翻譯對的方法是基于可比較語料的。首先從大規(guī)模的可比較語料中抽取符合匹配模式的插入語候選項,然后從得到的插入語候選項中抽取候選互譯對,再利用IBM翻譯模型的詞對齊模型得到正確的雙語三元組,從而得到最終的翻譯對。實驗結(jié)果顯示,
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 利用web抽取雙語翻譯對的研究與實現(xiàn).pdf
- 基于Web的雙語資源信息抽取研究.pdf
- 基于雙語的事件抽取方法研究.pdf
- 基于Web的病毒信息抽取方法研究.pdf
- 基于Hadoop的Web評論自動抽取方法研究.pdf
- 基于網(wǎng)頁結(jié)構(gòu)的Web數(shù)據(jù)抽取方法研究.pdf
- 基于網(wǎng)站結(jié)構(gòu)的Web信息抽取方法研究.pdf
- 基于本體的自適應(yīng)Web信息抽取方法研究.pdf
- 基于語義的Web信息抽取方法的研究與應(yīng)用.pdf
- 基于Web的半結(jié)構(gòu)化信息抽取方法研究.pdf
- Web網(wǎng)頁正文抽取方法研究.pdf
- 基于HMM模型的Web信息抽取方法的研究與改進(jìn).pdf
- 基于Web的競爭信息抽取研究.pdf
- 基于Agent的Web信息抽取研究.pdf
- 基于Web的表格信息抽取研究.pdf
- 基于Web信息抽取的專業(yè)知識獲取方法研究.pdf
- 基于web的表格信息抽取研究
- 基于Web數(shù)據(jù)表抽取的領(lǐng)域本體構(gòu)建方法研究.pdf
- 基于標(biāo)簽路徑特征系的Web新聞內(nèi)容抽取方法研究.pdf
- 基于Web和信息抽取技術(shù)的自動術(shù)語翻譯.pdf
評論
0/150
提交評論