基于Web論文庫的學術領域雙語資源研究.pdf

1、雙語資源在計算語言學研究領域具有十分特殊的地位，對機器翻譯、雙語詞典編纂、術語抽取、跨語言信息檢索等研究和應用提供了有力的支持。對雙語資源的研究面臨著如下三個問題：如何獲取雙語資源？如何對雙語資源進行加工處理？如何使用雙語資源構建應用？本文基于學術領域雙語資源對這三個問題進行了探討和解決。 基于Web論文庫獲取學術領域雙語資源是一種自然而然的方法。本文設計并實現(xiàn)了Web論文庫爬行器，對Web論文庫進行增量爬行，高效地獲取學術領域

2、雙語資源，從而構建動態(tài)更新的學術領域雙語資源庫。接著探討了如何在獲取到的學術領域雙語資源庫上進行句子對齊處理。本文實現(xiàn)了經(jīng)典的基于統(tǒng)計的句子對齊算法，并對算法進行了一系列改進，包括斷句不采用冒號為邊界、選用更好的句對評價函數(shù)、結合學術領域雙語資源自有的關鍵詞信息、增加處理的匹配模式等，顯著地提高了句子對齊算法的準確率和召回率。經(jīng)過句子對齊處理的學術領域雙語資源庫采用xml文件的格式組織存儲。最后，本文嘗試在學術領域雙語資源庫上構建基于短