大规模双语句对自动获取技术

• 作者: 王澍 赵铁军 郑德权
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 平行句对挖掘 句对评价 对照网页识别 平行网页判断
• 年，卷（期）: 2012,（3）
• 页码范围: 72-75
• 分类号: TP391
• 字数: 5372字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2012.03.018

摘要

从互联网上挖掘大量双语平行句对,可以快速有效地构建大规模双语资源,服务于统计机器翻译.从挖掘对象的不同,将网络数据源分成对照网页和平行网页两类,提出一种抽取双语句对的方法.首先,从上述两类网页中分别抽取平行文本段,对照网页文本段抽取的主要方法为页面过滤和模板匹配,而平行网页依赖于网页结构的相似,采用对应节点匹配方法；其次,采用GaleChurch算法进行句对齐,得到平行句对；最后统一进行后处理.实验结果表明,从对照网页获取平行句对的准确率达到93.3％,平行网页为93.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵铁军	哈尔滨工业大学计算机科学与技术学院	123	1278	19.0	32.0
2	王澍	哈尔滨工业大学计算机科学与技术学院	1	1	1.0	1.0
3	郑德权	哈尔滨工业大学计算机科学与技术学院	31	356	9.0	18.0