维汉双语平行语料库构建技术研究与实现

来源 :西安理工大学 | 被引量 : 0次 | 上传用户:isongnosi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着计算机和互联网技术的飞速发展,在自然语言处理领域,以双语平行语料库为基础的研究日益增多。双语平行语料库可被应用于机器翻译、双语词典编纂、词义消歧及跨语言信息检索等领域。维吾尔语作为我国重要的少数民族语言之一,目前对它研究主要侧重于语言本身,而对于维汉双语平行语料库的研究较少。本文针对现有维汉双语平行语料稀少的问题,展开了关于构建维汉双语平行语料库所需技术的研究。   句对齐技术作为构建维汉双语平行语料库所需关键技术,能够从已有的维汉对照文本中获得双语句对齐文本。通过阅读相关文献,本文分析已有方法的优缺点,结合维文汉文问语言学关系,提出基于句位置分布信息的多策略融合句对齐方法。实验证明,在针对某一领域内的维汉双语对照语料进行句对齐处理时,该方法较已有方法可以有效提高句子的对齐准确性。   然而,在语料的实际收集过程中,仅对可以进行句子对齐的维汉双语语料进行收集显然不能满足构建较大规模语料库要求。因此,本文从维文出发,通过互联网收集维文网站中的维文语料,并对其进行人工翻译,最终可获得大量内容丰富的维汉双语平行语料。在对维文语料获取方法的研究中,本文通过设计网络爬虫程序获取维文网页文档,然后结合维语语言学特点设计合理的信息抽取策略完成有价值的维文语料抽取,之后通过人工翻译的方法获得维汉双语平行语料。   最后,本文根据某企业实际需求,以上述构建维汉双语平行语料库所需技术为基础,设计并实现了一个具有一定规模且功能丰富的维汉双语平行语料库收集系统。
其他文献
在数据流测试技术中,覆盖程序中所有变量的定义-使用路径是衡量数据流测试好坏的重要标准之一。但是,由于变量的定义-使用路径中存在测试用例无法覆盖的路径,而且路径的插桩点过
RootKit是能够持久、可靠地存在于计算机上,而难以被检测的一组程序或代码,它使得攻击者可以隐藏自己的踪迹,并且拥有超级用户的权限。近年来,攻击者通过将RootKit与恶意程序相结
最小生成树问题是一个经典的网络优化问题,而实际应用中往往要对生成树加上某种限制,形成了一类有约束的最小生成树问题,如在有n个顶点的图G中求至少带有L片叶子的最小生成树,即
本文以基于小波变换的静态图像压缩算法的原理为基础,主要研究了静态图像压缩算法的实现,为其在嵌入式体系结构下的实现奠定基础。   论文研究了小波分析,多分辨率分析,Mallat
随着语义Web的发展,在线的语义数据越来越丰富。面对庞大的由语义对象和它们之间的语义关联构成的数据之网,帮助用户挖掘到数据之网中的语义关联模式进而能够快速有效地构建用
本文主要实现了基于混合预处理方法的嵌入式零树块编码算法,其目的是为了让该算法能够在以后的嵌入式体系结构中更好地应用。   首先,研究了小波变换以及多尺度几何分析方法
在计算机网络化迅猛发展的时代,如何有效、快速地从大量数据中获取人们需要的知识成为许多学者以及研究人员关注的焦点。数据供给能力和数据分析能力间的矛盾日益突出,使得人们
文档协同编辑是计算机支持的协同工作的重要应用之一,主要是为了实现多人异地同步编辑共享文档。随着分布式技术的不断发展,文档协同编辑工作模式产生了组织分工逐渐细化、人们
随着科技的进步,射频识别技术(Radio Frequency Identification,RFID)技术已应用于诸如仓储管理与物流、邮件/快运包裹处理、图书管理、医疗保健等领域。RFID技术与互联网、
作为快速搭建企业级应用管理平台的重要手段,软件复用技术在全球信息化建设进程中扮演越来越重要的角色,是实现软件工业化、规模化、标准化的重要途径。而软件框架又是实现大规