- 1、本文档共57页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
第3回机械翻訳技术ー
第3回機械翻訳技術のイノベーションシンポジウム
2009年3月8 日 東大
用語抽出技術を用いた対訳抽出技術
&
同義語獲得のための距離学習
中川裕志 清水伸幸 範暁蓉
東京大学 中川研究室
1
同義語抽出技術と用語抽出技術を
用いた対訳抽出技術
実はこの部分はまだあまり進んでいな
いのですが、用語抽出技術と統計翻訳
を組み合わせるとかなりよい結果が得
られたので、少し先送り状態です。
2
専門用語の対訳辞書の自動生成
背景 専門用語は膨大でどんどん増加するので、自動生成する
•専門用語の対訳辞書、特に日中間は未だ不十分。
システムが欲しいところである。そこで
目的
•本プロジェクトで開発した日中対訳コーパスから専門用
語の日中対訳辞書を自動生成する。
日・中言語&処理上の特徴
•単語が分かち書きされていない。
•単語の語順が違う。ただし共通する単語も多い。
•単語分割、アライメントのエラーが多い。
提案手法
専門用語抽出システム言選Webと統計翻訳の単語アライ
メントを組み合わせた専門用語辞書の生成手法
3
日中対訳コーパスの
各単言語コーパスからの用語抽出
言選Webとは
• 用語抽出ツール。日本語、中国語、英,仏,独,伊,西,な
どの言語のテキストから用語抽出できる。
• 性能:Average Precision は0.7強
言選Webによる日中対訳コーパスの用語抽出
• 情報分野の日中コーパスを利用
• 日中、各々の単言語コーパスから、コーパスにおいて
重要な単単語用語と複合語用語を抽出
4
目標
抽出した日本語用語と中国語用語の対訳関係を獲得する。
言選webによる日本語・中国語の用語抽出結果
日本語用語の抽出結果 中国語用語の抽出結果
抽出した用語 重要度 抽出した用語 重要度
言語情報 862376.11 语言信息 1047366.81
認証 858010.91 数据库 1005124.71
構造化 854445.99 提案系统 285528.44
形態素解析 851941.17 ? 声音数据 283352.13
音声データ 847816.53 语义信息 18601
文档评论(0)