基于最大熵模型的英柬双语平行句对获取

• 作者: 严馨 余正涛 潘丽同 王若兰 郭剑毅
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 英柬双语平行语料库 最大熵分类器 平行句对
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 第二十一届全国信息检索学术会议(CCIR 2015)论文选登
• 页码范围: 588-594
• 分类号: TP391
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2015.04.006

摘要

英语-柬埔寨语双语平行语料库资源是柬埔寨语信息处理的一项基础资源,对于促进柬埔寨语言信息处理技术的发展具有非常重要的研究意义.在得到平行的双语网页之后,将平行句对的获取问题看作是对候选平行句对的分类问题.为了从候选平行句对中识别出平行句对,构造了二分类的最大熵分类器.采用句子长度特征、词汇化比例特征、句子位置特征、符号特征等进行英柬双语句对分类器的训练.最后利用该分类器对英柬候选平行句对进行分类,从而确定出英柬双语平行句对资源.实验结果表明通过加入不同的特征进行比较,最终的准确率和召回率达到了90％以上,证明利用该分类器进行平行句对识别取得了比较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严馨	昆明理工大学信息工程与自动化学院	40	122	5.0	10.0
5	余正涛	昆明理工大学信息工程与自动化学院	122	877	17.0	24.0
9	王若兰	昆明理工大学信息工程与自动化学院	2	1	1.0	1.0
13	潘丽同	昆明理工大学信息工程与自动化学院	2	3	1.0	1.0