版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、可比較語(yǔ)料庫(kù)是自然語(yǔ)言處理領(lǐng)域中非常有價(jià)值的資源,但是,目前并沒有足夠規(guī)模的可利用的公共可比較語(yǔ)料庫(kù),構(gòu)建大規(guī)模中英文可比較語(yǔ)料庫(kù)有理論價(jià)值和應(yīng)用價(jià)值。本文提出了一種雙向的基于跨語(yǔ)言信息檢索技術(shù)的方法來構(gòu)建大規(guī)模中英可比較語(yǔ)料庫(kù)。首先,利用開源的網(wǎng)頁(yè)爬蟲工具從新華網(wǎng)上爬取原始的中文文檔集合和英文文檔集合,并將所有的文檔進(jìn)行統(tǒng)一的格式化處理;然后,分別提取中英文檔的詞匯來代表當(dāng)前文檔,并將中文文檔的詞匯翻譯成英文,構(gòu)成英文檢索語(yǔ)句,將英文
2、詞匯翻譯成中文,構(gòu)成中文檢索語(yǔ)句;最后,利用英文檢索語(yǔ)句到英文文檔集合中檢索候選英文文檔,利用中文檢索語(yǔ)句到中文文檔集合中檢索候選中文文檔,并通過中英文檔對(duì)的發(fā)表日期和相似度進(jìn)行過濾。實(shí)驗(yàn)結(jié)果表明,本文的方法明顯優(yōu)于之前的中英可比較語(yǔ)料庫(kù)構(gòu)建方法。
本研究主要內(nèi)容包括:⑴在中文文檔詞匯抽取方面,采用了單詞和多詞相結(jié)合的方法。在預(yù)處理階段,針對(duì)分詞結(jié)果中存在的問題,對(duì)分詞結(jié)果進(jìn)行修正。在單詞的抽取方面,有效結(jié)合了中文表達(dá)習(xí)慣上的
3、特點(diǎn);在多詞提取方面,有效結(jié)合新聞文本本身的特點(diǎn);最后,通過去重方法等有效結(jié)合了兩者。⑵在文檔對(duì)齊方面,考慮到真實(shí)文本中,一篇源文檔所對(duì)應(yīng)的目標(biāo)文檔數(shù)目是不確定的,本文只取前N篇目標(biāo)文檔作為候選集,設(shè)置相似度閾值對(duì)候選集進(jìn)行過濾。⑶提出了雙向構(gòu)造法,分別將兩種語(yǔ)言的文檔集合作為源語(yǔ)言集合,另一種語(yǔ)言的文檔集合作為目標(biāo)語(yǔ)言集合,即從中文到英文、從英文到中文兩個(gè)方向上構(gòu)建可比較語(yǔ)料庫(kù)。實(shí)驗(yàn)結(jié)果也表明,從兩個(gè)方向上構(gòu)造中英可比較語(yǔ)料庫(kù)明顯優(yōu)于
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于可比較語(yǔ)料庫(kù)的中英文詞表構(gòu)建研究.pdf
- 英漢可比較語(yǔ)料庫(kù)的構(gòu)建與應(yīng)用研究.pdf
- 桂林旅游資料英語(yǔ)可比語(yǔ)料庫(kù)的構(gòu)建與應(yīng)用.pdf
- 基于可比語(yǔ)料庫(kù)的跨語(yǔ)言信息檢索研究.pdf
- 俄語(yǔ)語(yǔ)料庫(kù)和基于語(yǔ)料庫(kù)的語(yǔ)法研究.pdf
- 社保審計(jì)領(lǐng)域語(yǔ)料庫(kù)構(gòu)建研究.pdf
- 中英雙語(yǔ)語(yǔ)料庫(kù)畢業(yè)設(shè)計(jì)論文
- 基于詞向量與可比語(yǔ)料庫(kù)的雙語(yǔ)詞典抽取算法研究.pdf
- 語(yǔ)料庫(kù)研究.pdf
- 面向本體學(xué)習(xí)的動(dòng)態(tài)語(yǔ)料庫(kù)構(gòu)建方法.pdf
- 限定性文本的語(yǔ)料庫(kù)自動(dòng)構(gòu)建.pdf
- 基于語(yǔ)料庫(kù)的英語(yǔ)程度副詞比較研究.pdf
- 基于語(yǔ)料庫(kù)的中英常規(guī)味覺隱喻研究.pdf
- 基于錨文本的領(lǐng)域語(yǔ)料庫(kù)自動(dòng)構(gòu)建.pdf
- 基于語(yǔ)料庫(kù)的中英泰大學(xué)英文簡(jiǎn)介研究.pdf
- 基于事件抽取的日漢新聞?wù)Z料庫(kù)構(gòu)建研究.pdf
- 雅思寫作語(yǔ)料庫(kù)
- 基于語(yǔ)料庫(kù)的中英報(bào)紙新聞文體對(duì)比分析.pdf
- 基于語(yǔ)料庫(kù)的中英文非詞語(yǔ)化研究.pdf
- 基于語(yǔ)料庫(kù)與非基于語(yǔ)料庫(kù)的英語(yǔ)介詞教學(xué)的對(duì)比研究.pdf
評(píng)論
0/150
提交評(píng)論