基于規(guī)則和基于統(tǒng)計相結合的中英雙語平行句對短語對齊方法.pdf

1、雙語短語對齊是當今雙語信息檢索和輔助機器翻譯研究的熱點和難點問題。在自然語言處理領域，“短語”一詞沒有一個統(tǒng)一的定義，根據研究方法的不同常常有不同的含義。有的研究者認為“短語”是短語結構語法中有一定結構和層次關系的語言單位，而有的則不要求“短語”有內部結構關系，只要是連續(xù)的有一定意義的詞串就是“短語”，因此涵蓋的范圍更廣。本文的“短語”是屬于后者，部分短語有較簡單的內部結構關系（指基本名詞短語，Base Noun Phrase，Base

2、NP），而大部分也只是連續(xù)的詞串而已。
　　 本文采取的方法是先對中英文句對進行分類，分為簡單的短句和復雜的長句兩類，對于簡單的短句，使用本文提出的基于規(guī)則和基于統(tǒng)計相結合的方法進行對齊；對于較復雜的長句，先使用淺層句法分析將長句分為若干個短句，然后再使用短句的方法進行對齊。
　　 在短語識別階段，首先利用漢英雙語的“標記詞”集合對漢英句子進行短語切分，得到“標記詞”短語。然后，用基于雙語語料的方法識別出基本名詞短語。最