可比語料中雙語多詞術(shù)語互譯對抽取方法研究.pdf

1、碩士學位論文可比語料中雙語多詞術(shù)語互譯對抽取方法研究ResearchonExtractionofBilingualMultiwordTermTranslationPairsfromComparableCorpora學號：21009228指導完成El期：窒Q!墨生壘月2晝旦大連理工大學DalianUniversityofTechnology大連理工大學碩士學位論文摘要雙語術(shù)語互譯對抽取是自然語言處理領(lǐng)域中一個重要的研究課題。作為基礎(chǔ)資源，

2、雙語術(shù)語互譯對被廣泛應(yīng)用于機器翻譯、信息抽取、雙語術(shù)語詞典編撰以及跨語言信息檢索等領(lǐng)域。早期的術(shù)語互譯對抽取工作主要在平行語料上開展，存在語料規(guī)模不足等問題。與通過人工翻譯或者法規(guī)文件等獲得的平行語料庫相比，可比較語料庫具有代價低、來源廣等特點。目前，基于可比較語料的研究越來越多，從可比較語料庫中挖掘詞級別的信息己成為研究的熱點。本文在可比較語料的基礎(chǔ)上進行雙語多詞術(shù)語互譯對的抽取工作。首先從可比較語料庫中分別抽取中文多詞術(shù)語和英文多詞

3、術(shù)語，然后通過計算中英多詞術(shù)語之間多個特征值得到術(shù)語匹配對，最后使用閡值限定法過濾正確的術(shù)語對。其中，在計算術(shù)語匹配對時，本文使用最小化樣本風險算法來調(diào)節(jié)特征權(quán)重。本文設(shè)計和實現(xiàn)了一個多詞術(shù)語互譯對抽取系統(tǒng)，其中，中英可比語料庫作為系統(tǒng)的輸入，中英多詞術(shù)語互譯對集合作為系統(tǒng)的輸出。系統(tǒng)主要分為3個模塊：(1)多詞術(shù)語抽取模塊：(2)基于多特征的互譯對相似度計算模塊；(3)多特征融合和過濾模塊。多詞術(shù)語抽取模塊分別從對應(yīng)的單語語料庫中抽取

4、中文多詞術(shù)語和英文多詞術(shù)語?；プg對相似度計算模塊，使用翻譯模型特征、詞頻同現(xiàn)特征、中英匹配特征、英中匹配特征和詞長度特征計算中英多詞術(shù)語之間的匹配度。多特征融合和過濾模塊，使用最小樣本風險算法(minimumsamplerisk，MSR)調(diào)整各個特征的權(quán)重，然后將各個特征值加權(quán)求和，結(jié)果作為互譯對最終的相似度。每個中文多詞術(shù)語和多個英文多詞術(shù)語比較，構(gòu)建多個候選中英多詞術(shù)語互譯對，選擇相似度最高且大于閾值的互譯對作為正確結(jié)果。本文的主要