基于事件抽取的日漢新聞?wù)Z料庫構(gòu)建研究.pdf

1、隨著統(tǒng)計(jì)技術(shù)的發(fā)展，大規(guī)模的雙語語料庫是機(jī)器翻譯和跨語言處理中不可缺少的基本資源。平行雙語語料庫提供了兩種相應(yīng)語言的豐富的匹配信息。通常情況下，獲得高質(zhì)量和大規(guī)模平行雙語語料庫的難度較大?？缯Z言信息處理的主流方法之一是利用雙語語料庫構(gòu)建互譯等價(jià)信息對，雙語詞典或雙語命名實(shí)體，來支持機(jī)器翻譯和跨語言信息檢索。然而，現(xiàn)有的雙語語料庫的資源比較缺乏，近年來，從部分雙語網(wǎng)站挖掘雙語語料庫的技術(shù)方法，變得越來越重要。
　　特別是，許多新聞網(wǎng)

2、站包含高質(zhì)量的多語種的新聞資源。眾所周知，每一條新聞都是以敘事為主，在新聞翻譯成不同語言的情況下，時(shí)間、地點(diǎn)、人物和組織機(jī)構(gòu)的信息必須嚴(yán)格匹配。因此，利用這些信息構(gòu)建雙語相比較的語料庫是一個(gè)很好的方法。
　　而傳統(tǒng)的語料庫的構(gòu)建方法，通常采用了基于網(wǎng)絡(luò)結(jié)構(gòu)信息，相似度計(jì)算，跨語言信息檢索和維基百科鏈接等方法。在本文中，我們提出了一種基于事件抽取技術(shù)的構(gòu)建日漢新聞可比的語料庫方法。首先，我們通過CRF模型實(shí)現(xiàn)分詞和命名實(shí)體識別，通過