基于Web語料的中英文詞典生成方法研究.pdf

1、雙語翻譯是跨語言文化交流的橋梁，雙語詞典是雙語翻譯的重要工具，也是外語學(xué)習(xí)研究的重要資源。由于詞典編纂工作一直以來都是耗時耗力的大工程，加上中英兩種語言發(fā)展速度較快，大量新詞不斷出現(xiàn)，雙語詞典的更新工作一直處于嚴重滯后狀態(tài)，成為詞典編纂人員面臨的主要難題。本文以Web語料為數(shù)據(jù)源，從信息抽取、信息過濾、知識獲取、知識驗證等角度研究中英文翻譯抽取工作，對中英文雙語詞典的自動編纂和中英文知識的自動獲取工作起到了推動作用。
　　本文的主

2、要工作有以下幾個方面：
　　(1)研究中英文翻譯抽取工作面臨的主要問題與現(xiàn)狀，分析當(dāng)前翻譯抽取工作中的不足，給出一種基于Web的中英文翻譯抽取方法，并介紹抽取方法的基本思路與流程。
　　(2)利用網(wǎng)頁信息抓取技術(shù)，結(jié)合正則表達式的應(yīng)用，實現(xiàn)從Web中大量獲取含有中英文翻譯的語料。在語料預(yù)處理環(huán)節(jié)，提出一種基于謂詞表達式演變的語料過濾系統(tǒng)，通過制定語料過濾規(guī)則，實現(xiàn)語料的自動過濾，為后續(xù)的翻譯精確提取奠定了基礎(chǔ)。
　　(

3、3)根據(jù)中英文翻譯在語料中的存在特點，給出基于形式和基于統(tǒng)計兩種翻譯提取思路，并在基于統(tǒng)計的翻譯提取模型中，分別結(jié)合計算漢字出現(xiàn)概率變化率、漢字信息熵和詞組凝聚度，提出三種翻譯提取方法。此外，對于少部分不能用上述提取方法的待提取翻譯，采用基于停用詞的提取方法，保證翻譯提取的召回率。
　　(4)在翻譯提取后，提出一種基于單詞出現(xiàn)頻率和編輯距離的英文單詞拼寫糾錯方法。在糾錯完成后，給出一種翻譯優(yōu)化與整合思路，通過對提取翻譯進行分類、計