基于跨語言映射的漢語語義知識自動獲取方法的研究.pdf

1、語義知識庫是一種結構化數(shù)據(jù)庫，其中存儲的是實體及實體間的相互關系，是當前學術界和企業(yè)界的研究熱點，其在語義搜索、機器問答等實際的應用中有非常重要的意義。然而現(xiàn)語義知識庫大多以英文表示，漢語語義知識庫十分缺乏且規(guī)模較小，因此構建漢語語義知識庫，成為漢語自然語言處理領域亟待解決的問題。
　　機器翻譯技術是一種將句子從源語言自動翻譯為目標語言的技術方法，一般使用于對自然語句的自動翻譯。本文采用機器翻譯技術翻譯已有知識庫從而構建漢語知識圖

2、譜。不同于針對句子級別的機器翻譯，在語義知識庫翻譯中待翻譯的為知識庫中的實體標簽。本文的具體研究內容為：
　　(1)為了解決知識庫中特定詞匯或短語較多及雙語平行語料缺少的問題，本文首先利用知識庫中實體的源語言標簽挖掘互聯(lián)網中的相關雙語語料，構建訓練數(shù)據(jù)。此外考慮到百度百科是較大的漢語知識庫，本文利用百科雙語詞條對知識庫翻譯模型就行補充,該方法有效提高了知識庫翻譯的性能。
　　(2)知識庫一般采用層狀結構，如特定領域知識庫一般

3、分為兩層(類別,實體)，每個類別的實體，均有特定的屬性。本文利用知識庫的層狀結構提高知識庫翻譯的性能，如本文使用知識庫中實體的類別和屬性信息解決知識庫中人名類別實體的未登錄詞問題。對知識庫中的實體根據(jù)其是否屬于人名類別，及考慮其性別特征，加入音譯模型來翻譯此類未登錄詞。實驗表明該方法能有效解決人名實體未登錄的問題，從而提高知識庫翻譯的性能。
　　(3)考慮到知識庫翻譯任務中待翻譯的內容為實體的源語言標簽，而實體標簽較短，因此缺乏上