[中国PPT模板网]双语短语库建设.ppt_第1页
[中国PPT模板网]双语短语库建设.ppt_第2页
[中国PPT模板网]双语短语库建设.ppt_第3页
[中国PPT模板网]双语短语库建设.ppt_第4页
[中国PPT模板网]双语短语库建设.ppt_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

双语短语库建设 为什么建设双语短语库短语库收录原则短语库的工作基础短语库的描述内容短语库的一致性检查短语库的样例短语库的应用 为什么建设双语短语信息数据库 1 短语分析失败导致整个句子分析失败 整个句子不能正确翻译 2 很多短语作为一个整体进行翻译 不能通过逐词的方式翻译 3 即使可以进行逐词翻译 义项选择问题 4 机器翻译要覆盖真实文本 资源积累很重要 收录原则 出现频率较高新闻领域优先不能逐词对译的短语短语组成成分歧义较多的短语以收集np vp为主 兼顾其它类型有歧义的结构作多条处理英文原则上不是释义 而是翻译等价物兼顾成语 专有名称 工作基础 ICL原短语库 44869 短语对齐语料库中提取的双语短语从双语对齐语料库中提取9447条 经过筛选得到8365条探索将来自动提取翻译等价短语 ICL短语库情况 三个库共103635个短语其中44869条是双语的 描述内容 1 切词信息 2 词性信息 3 拼音信息 4 英语翻译信息有点少 短语库描述内容 1 汉语短语的切词信息 2 汉语短语的组成单词的词性信息 3 汉语短语的句法类 4 汉语短语的中心词信息 5 汉语短语直接组成成分间的句法关系 6 英语短语的切词信息 7 英语短语的组成单词的词性信息 8 英语语短语的句法类 9 英语短语的中心词信息 10 汉英短语对的若干属性信息 是否成语 习用语 人名 地名 商标字号等等 汉语词类的设置 采用ICL PKU标记集合取消了非功能标记i j l g等实际采用21个标记 汉语句法类设置 使用了9个短语类 1 动词短语 vp 2 名词短语 np 3 小句 dj 4 形容词短语 ap 5 数量短语 mp 6 介词短语 pp 7 处所短语 sp 8 时间短语 tp 9 副词性短语 dp标记名称和规则引擎一致 汉语短语组成成分间内部句法关系 只标记短语最高层直接组成成分之间的句法关系共设有9类关系 1 定中关系DZ 2 述宾关系SB 3 述补关系SBU 4 并列关系LH 5 主谓关系ZW 6 连谓关系LW 7 状中关系ZZ 8 的字结构DE 9 介宾结构JB 关于短语中心词的规定 有些短语类的中心词容易确定 大家认识一致 如名词短语 动词短语有些短语类的中心词确定没有统一认识 采用规定的方式 如介词短语 连谓结构 并列结构等等 英语短语的词类设置 37个标记采用Upenn标记 英语短语类设置 设置6类 1 名词短语NP 2 动词短语VP 3 形容词短语AdjP 4 副词短语AdvP 5 介词短语PP 6 小句CS 一致性检查 并列结构是多中心的 可有多个中心词 其余的结构有并且只能有一个中心词 不允许出现i j l Ag等词性标记词类 短语类和结构关系类是
人人文库> 全部分类> 生活休闲 > 科普知识

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论