双语语料库

摘要： 针对皖西红色文化资源丰富,但其双语语料库视角研究严重不足的现状,创建皖西红色文化双语语料库,聚焦语料库设计、采集、预加工、语料对齐和标注等关键步骤的实施。该语料库的应用将为皖西红色文化资源的传承和发展提供更加全面、客观和深入的数据支撑,同时为其他双语平行语料库的创建提供参考和借鉴。

摘要： 本研究选取《中医药学名词(2010)》“内科学”部分中医心脑病机术语英译名作为研究对象,通过自建双语语料库,并借助语料库的整合和搜索功能,对中医心脑病机术语的英译名展开研究,进而发现中医药学名词术语英译的原则、方法以及存在的问题,以期丰富中医药学名词术语的英译研究路径,并为中医药学名词术语英译的标准化研究提供参考。

摘要： 随着信息时代的发展,传统翻译教学模式已不足以激发学生的学习兴趣,满足学生对语料的大量需求,基于语料库的翻译教学模式研究具有很高的应用价值.鉴于国内大规模平行语料库的建设都需依托庞大的团队力量和经费支持,很大程度上限制了语料库手段在翻译教学上的应用.因此,结合实际,通过信息化教学条件,适用于翻译教学的双语平行语料库,研究翻译教学语料库的建设和应用,探索基于语料库的新型翻译教学模式,在实践的基础上切实提高翻译课堂教学质量,为现代化社会翻译实践教学和人才培养提供实践经验.

摘要： 语料库检索软件的出现为翻译研究提供了极大的便利,本文通过Antconc、Paraconv和Excel三大绿色免费软件对20个联合国公约文件中出现频率较高的"保证""除非""损害"三个词进行分析,研究这三个词在不同语境和搭配下对应的不同的英译词以及英译词之间的差别,以期为翻译研究人员带来借鉴.

摘要： 通过互联网获取的句对齐平行语料常存在对齐错位或译文质量差的问题,针对这一问题,本文提出了一种基于反向翻译的汉语–土耳其语平行语料自动校验方法。该方法通过在线机器翻译系统获取反向翻译结果,并将译文作为中间语言构建词袋模型对句子相似度进行向量化表示,最后通过机器学习训练二分类模型的方法来判断句子是否对齐。实验结果显示,以汉语或土耳其语为中间语言时,系统能够获得较好的句对齐检验效果。

摘要： 伴随着信息技术的不断升级,有关智慧旅游的建设层出不穷,可以说,在当前社会中,智慧旅游已经逐渐成了旅游业转型发展的必然趋势。本文发挥了跨学科优势,以智慧旅游和语料库作为指导,为湖州市全区域旅游示范区构建"智慧旅游"双语语料库提供基础资源。对此,文章对智慧旅游进行了分析,在此基础上对湖州市全域旅游示范区"智慧旅游"双语语料库构建方案进行阐述,并对湖州市全域旅游示范区"智慧旅游"双语语料库应用平台的规划的构建进行了研究。

摘要： 现阶段语料库的建立成为促进语言学快速发展的有效手段之一,具体到多学科学术论文摘要汉英双语语料库而言,现有语料库已经不能满足其学术研究。本文阐述了该语料库研制的必要性,阐释了其研制原则及建库流程,并指出了其应用前景。

摘要： 通过对流行翻译软件的对比发现,若要得到高质量的翻译结果,必须拥有上规模的语料库,而很多翻译软件得靠使用者在使用之前添加大量的双语平行语料,否则根本不起作用.因此,双语语料库是翻译软件的核心部分.随着互联网的发展,双语网站逐渐增多,使得通过对网页双语资料的挖掘而建立双语语料库成为可能.双语语料库的建设涉及到对双语网站的获取,然后根据URL命名规律获取网页的双语材料,段落层次的对齐,句子的对齐等步骤.实验证实了双语语料库的研建的可操作性.

摘要： 本文从英语语料库入手，叙述了在缺乏外语工具书的情况下建设印尼语一汉语双语语料库的重要性，叙述了著者通过服务于社会的实践和学习着手建立此语料库的体会以及为建立此语料库所使用的软件。

摘要： 本文提出一种基于双语语料库的短语复述实例获取方法,尤其能够很好的抽取歧义短语的复述实例。该方法通过输入一个双语短语对约束短语的语义,利用词对齐的双语语料库,构造一个双向抽取模型从中抽取双语对的复述实例。双向抽取模型通过比较每一个候选复述短语和输入短语之间的语义一致性,来确定每个候选是否成为最终的复述实例。实验结果表明,本文短语复述实例获取方法的综合准确率达到了60％,获取了较好的性能。

摘要： 双语语料库加工的关键技术之一是对齐．构建句子级别的对齐语料是构建语料库最基本的任务。该文参考其他语言句子对齐的成熟的方法，针对藏文语言的特殊性。提出基于词典的汉藏句子对齐。整理了对齐所用双语词典．并对其词语覆盖率进行了评价。在汉藏句子对齐过程中发现汉语与藏文的分词粒度不同的问题。采用在藏汉词其中进一步查词并在汉语句子中比对的方法，使正确句对的得分增加．从而提高对齐正确率。采用该方法准确率为81．11％。

摘要： 双语术语抽取技术是自然语言处理的一项基础研究技术,其依赖于双语语料库.双语语料库可分为平行语料库与非平行语料库.非平行语料库中包含了可比语料库与准可 比语料库.对双语术语抽取技术中的一项重要分支:基于可比语料库的双语术语抽取技术 进行了对比分析.当前技术主要包含候选词的上下文特征的模型构造和上下文特征模型的 优化两项任务.分别对两项研究按照方法层次进行分析总结,指出存在的问题.最后对基于 可比语料库的双语术语抽取技术的未来进行了展望.

摘要： 双语语料库在机器翻译研究中是非常重要的。本文探讨了如何利用蒙英双语语料进行蒙英翻译片段对的抽取,在蒙英两种语料进行词性标注处理之后,利用假设-检验的方法通过词语关联度的计算来进行翻译片段对的自动抽取,并对结果进行了分析。

摘要： 在基于大规模双语语料库的机器翻译研究中,如何找到最有效的翻译参考一直以来都是人们的关注焦点,其核心技术就是参考例句的相似度计算。本文提出了一种基于HowNet词语相似度的N-gram相似度计算方法,在此基础之上,参考机器翻译自动评测中BLEU的评价公式,进一步提出了一种新的句子相似度计算方法。该方法结合了N-gram和语义相似度计算,可以有效应用到基于实例的机器翻译、辅助机器翻译和交互式机器翻译中。

摘要： 本文报告对汉英双语香港法律条文内容及层次结构特征进行XML自动标注的工作。标注好的语料库的整体结构与实际法律逻辑组织结构相同,并且利用标记信息实现条文内容的检索定位。本文的XML双语语料标注遵照国际语料库编码标准XCES,目前在中国关于语料标注遵照国际语料库编码标准XCES的专门报道较少。

摘要： 面对海量的商务英语信函文件,依靠传统的人工翻译已不能满足时代需要.机器翻译作为突破语言障碍的重要技术手段,在经济发展和社会生活中起到了日趋重要的作用."句子意义≈词汇意义+语序意义",语序对译文质量起到关键性作用.针对并列结构的一种,即由并列连接词"and"连接的有标记并列结构进行研究,以构建的英汉商务信函语料库为语料,运用"分解聚合法"分析了英汉商务信函机器翻译中的"and"结构的调序处理方法,对边界管辖范围确定做出了新的研究,以促使基于语料库的英汉商务信函机器翻译的译准率得到提高.

摘要： 面对海量的商务英语信函文件,依靠传统的人工翻译已不能满足时代需要.机器翻译作为突破语言障碍的重要技术手段,在经济发展和社会生活中起到了日趋重要的作用."句子意义≈词汇意义+语序意义",语序对译文质量起到关键性作用.针对并列结构的一种,即由并列连接词"and"连接的有标记并列结构进行研究,以构建的英汉商务信函语料库为语料,运用"分解聚合法"分析了英汉商务信函机器翻译中的"and"结构的调序处理方法,对边界管辖范围确定做出了新的研究,以促使基于语料库的英汉商务信函机器翻译的译准率得到提高.

摘要： 本发明公开基于自学排列的排列语料库的生成装置及其方法、使用排列语料库的破坏性表达语素分析装置及其语素分析方法。语素分析装置包括知识数据库和分析器。知识数据库储存有在按语言的语素分析中使用的多个知识信息，包括：语素词典，储存与正常表达对应的语素信息；排列语料库，储存与破坏性表达对应的正常表达信息，其中破坏性表达是拼写错误或者没有规范化和标准化的表达。分析器对所输入的语节使用所述知识数据库进行语素分析并输出分析结果，当在所述语素词典中不存在输入语节的语素时，对在所述输入语节中包含的破坏性表达使用所述排列语料库查找与所述破坏性表达对应的正常表达并进行语素分析。

摘要： 本发明属于数据处理技术领域，具体涉及一种建筑工程多模态双语平行语料库的构建方法；语料筛选、语料提取、校对、语料切分、对齐、去噪、得到平行语料库、语料库更新和扩容六个步骤；为建筑词汇提供了丰富的对比样本，检索出的词汇或句法的含义都是与建筑相关的，排除了一些无用的含义；为使用者提供数量巨大的双语对译样本，切分精细，精准度高，检索出的词汇或句法含义都是建筑相关的，排除了一些无用的含义，为使用者提供了数量巨大的建筑类双语对译样本。

摘要： 本发明公开了一种语境标注的双语平行语料库构建系统，该系统由上位机与并行的语境标注数据生成单元组成。通过上位机进行双语语料的前置处理，再将语料分词发送至并行标注数据生成单元。在生成单元的主控模块控制下由单元内各节点模块生成语境标注数据并将数据存储在模块外接的FLASH芯片中。当双语平行语料库达到一定规模后，由上位机读取存储在各节点模块中词共句关系的统计数据实现对语料库中双语语料的语境标识。本构建系统充分利用了并行处理的架构优势，能快速处理较大规模的语料库语境标注数据的生成。并基于标注数据标注出语料库中语料的语境，实现语境标注的双语平行语料库。

摘要： 一种用于生成领域特异性训练集的方法(100)，包括：生成(130)包括多个标记化文档的通用语料库，包括：(i)解析(132)从所述通用语料库中检索的文档；(ii)预处理(134)经解析的文档；(iii)对经预处理的文档进行标记化(136)；并且(iv)将所述标记化文档存储(138)在所述通用语料库中；生成(140)标记化条目的本体数据库，包括：(i)解析(142)从本体中检索的本体条目；(ii)预处理(144)经解析的条目；(iii)对经预处理的条目进行标记化(146)；并且(iv)将所述标记化条目存储(148)在所述本体数据库中；使用来自所述本体数据库的领域特异性标记化条目来查询(150)所述通用语料库中的所述标记化文档；基于所述查询来识别(160)特异于该领域的多个标记化文档；并且将识别出的标记化文档存储(170)在训练集数据库中，作为特异于所述领域的训练集。

摘要： 本发明公开基于自学排列的排列语料库的生成装置及其方法、使用排列语料库的破坏性表达语素分析装置及其语素分析方法。语素分析装置包括知识数据库和分析器。知识数据库储存有在按语言的语素分析中使用的多个知识信息，包括：语素词典，储存与正常表达对应的语素信息；排列语料库，储存与破坏性表达对应的正常表达信息，其中破坏性表达是拼写错误或者没有规范化和标准化的表达。分析器对所输入的语节使用所述知识数据库进行语素分析并输出分析结果，当在所述语素词典中不存在输入语节的语素时，对在所述输入语节中包含的破坏性表达使用所述排列语料库查找与所述破坏性表达对应的正常表达并进行语素分析。

摘要： 本发明涉及一种公共标识语双语平行语料库系统，包括语料采集模块，分类标注模块，平行语料信息分库，语料信息子库，类别索引表，查询信息提取模块，其通过分类标注模块将采集的语料信息按类别存储在平行语料信息分库中，并是语料信息子库利用次要分类建立与其他主要分类的关联，使查询信息时能够在所需范围内快速找出相应的双语平行语料信息。本发明针对公共标识语涉及领域众多的问题专门设计了一种相互关联的多级标注形式来对所存储的公共标识语语料信息进行分类标注，结合语意标识的方式使可能存着关联关系的语料都能够在查询中快速展示出来，并有效地排除了非相关语料的查询搜索，提高了公共标识语双语平行语料库的使用效率。

摘要： 本发明涉及以泰语为枢轴的老‑汉双语语料库构建方法及装置，属自然语言处理领域。本发明先对汉语‑泰语平行语料数据进行泰语分词处理；构建老挝语‑泰语双语词典，并利用其将泰语句子逐词翻译成老挝语句子序列，得到候选的老挝语‑泰语平行句对；构建基于双向LSTM的老挝语‑泰语平行句对分类模型，对候选的老挝语‑泰语平行句对进行分类，获取老挝语‑泰语双语平行句对；以泰语为枢轴语言对老挝语和汉语进行匹配，构建老挝语‑汉语双语平行语料库。并根据上述步骤功能模块化制成以泰语为枢轴语言的老‑汉双语平行语料库构建装置，本发明解决了老挝语‑汉语语料稀缺的问题，对老‑汉双语语料库的构建具有一定的理论意义和实际应用价值。

摘要： 本发明涉及一种汉盲对照双语语料库的构建方法和系统，包括：获取内容相同的汉语文本和盲文文本；分别将盲文文本和汉语文本进行切分处理，得到第一盲文句子集合和汉语句子集合；在第一盲文句子集合和汉语句子集合之间进行汉语盲文匹配处理，以在第一盲文句子集合中找到与汉语句子集合中汉语句子相匹配的盲文句子，保留匹配成功的汉语句子和盲文句子；将所有匹配成功的汉语句子和盲文句子按照篇章、句子、词语多级对照的要求生成汉盲双语语料库。本发明可由计算机自动从内容相同但不精确对应的汉语和盲文文件中自动对齐和抽取语料，生成篇章、句子、词语多级对照的汉盲双语语料库。相对于人工语料库构建方法，提高了效率、降低了成本。

摘要： 本发明涉及以泰语为枢轴的老‑汉双语语料库构建方法及装置，属自然语言处理领域。本发明先对汉语‑泰语平行语料数据进行泰语分词处理；构建老挝语‑泰语双语词典，并利用其将泰语句子逐词翻译成老挝语句子序列，得到候选的老挝语‑泰语平行句对；构建基于双向LSTM的老挝语‑泰语平行句对分类模型，对候选的老挝语‑泰语平行句对进行分类，获取老挝语‑泰语双语平行句对；以泰语为枢轴语言对老挝语和汉语进行匹配，构建老挝语‑汉语双语平行语料库。并根据上述步骤功能模块化制成以泰语为枢轴语言的老‑汉双语平行语料库构建装置，本发明解决了老挝语‑汉语语料稀缺的问题，对老‑汉双语语料库的构建具有一定的理论意义和实际应用价值。

摘要： 本发明涉及计算机技术领域，提供了一种中英双语语料库的构建方法、及其相关设备，所述中英双语语料库的构建方法包括：获取中文实体、英文实体，以及中文实体与英文实体之间的映射关系和互译关系，并按照预设要求构建双语实体词语网络；根据中文实体、英文实体、上下文词语、预设超链接集合和预设语句集，计算双语实体词语网络的单语言表征估值和跨语言实体估值；利用训练语句计算获取到的可比语句网络对应的跨语言语句估值；根据三个估值计算目标估值；并根据目标估值，利用双语实体词语网络和可比语句网络，组合成中英双语语料库，并将之存储于区块链上。本发明通过利用两种网络之间的关联性以提高中英双语语料库中语料的准确性。