基于事件抽取的日漢新聞?wù)Z料庫(kù)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(yǔ)語(yǔ)料庫(kù)是機(jī)器翻譯和跨語(yǔ)言處理中不可缺少的基本資源。平行雙語(yǔ)語(yǔ)料庫(kù)提供了兩種相應(yīng)語(yǔ)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(yǔ)語(yǔ)料庫(kù)的難度較大?？缯Z(yǔ)言信息處理的主流方法之一是利用雙語(yǔ)語(yǔ)料庫(kù)構(gòu)建互譯等價(jià)信息對(duì)，雙語(yǔ)詞典或雙語(yǔ)命名實(shí)體，來(lái)支持機(jī)器翻譯和跨語(yǔ)言信息檢索。然而，現(xiàn)有的雙語(yǔ)語(yǔ)料庫(kù)的資源比較缺乏，近年來(lái)，從部分雙語(yǔ)網(wǎng)站挖掘雙語(yǔ)語(yǔ)料庫(kù)的技術(shù)方法，變得越來(lái)越重要。
　　特別是，許多新聞網(wǎng)

2、站包含高質(zhì)量的多語(yǔ)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(yǔ)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(yǔ)相比較的語(yǔ)料庫(kù)是一個(gè)很好的方法。
　　而傳統(tǒng)的語(yǔ)料庫(kù)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(yǔ)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(yǔ)料庫(kù)方法。首先，我們通過(guò)CRF模型實(shí)現(xiàn)分詞和命名實(shí)體識(shí)別，通過(guò)