漢外雙語平行語料自動(dòng)采集的系統(tǒng)及實(shí)現(xiàn)方法

基本信息

申請(qǐng)?zhí)?/td> CN201510407578.3 申請(qǐng)日 -
公開（公告）號(hào) CN105045862A 公開（公告）日 2015-11-11
申請(qǐng)公布號(hào) CN105045862A 申請(qǐng)公布日 2015-11-11
分類號(hào) G06F17/30(2006.01)I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 溫家凱;農(nóng)強(qiáng);劉連芳;鄧姿嫻;陸迪茜 申請(qǐng)（專利權(quán)）人 南寧市平方軟件新技術(shù)有限責(zé)任公司
代理機(jī)構(gòu) 北京科億知識(shí)產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 張鋒
地址 530007 廣西壯族自治區(qū)南寧市科園東五路4號(hào)508室
法律狀態(tài) -

摘要

摘要 一種漢外雙語平行語料自動(dòng)采集的系統(tǒng)及實(shí)現(xiàn)方法，包括漢外雙語平行信息的自動(dòng)發(fā)現(xiàn)、自動(dòng)提取、自動(dòng)整理，首先，制定需要采集語料的關(guān)鍵詞組，通過搜索引擎搜索網(wǎng)站，采集網(wǎng)頁得到搜索結(jié)果，對(duì)搜索結(jié)果的信息進(jìn)行過濾和篩選后，將經(jīng)過濾得搜索結(jié)果存儲(chǔ)于搜索結(jié)果數(shù)據(jù)庫；其次，通過訪問搜索結(jié)果數(shù)據(jù)庫里的網(wǎng)頁，自動(dòng)提取漢外雙語平行信息；最后，針對(duì)自動(dòng)提取的漢外雙語平行信息，進(jìn)行數(shù)據(jù)過濾，并將經(jīng)過過濾處理后的漢外雙語平行數(shù)據(jù)存放到漢外雙語平行語料庫。本發(fā)明為漢外語言研究和機(jī)器翻譯應(yīng)用提供重要基礎(chǔ)數(shù)據(jù)，解決了語料采集人員和研究人員所面臨的數(shù)據(jù)來源的問題，為雙語語料自動(dòng)采集的發(fā)展和漢外自然語言處理做出了杰出的貢獻(xiàn)。