漢高雙語平行語料自動采集的系統(tǒng)及實現(xiàn)方法

基本信息

申請?zhí)?/td> CN201510407689.4 申請日 -
公開（公告）號 CN104965925A 公開（公告）日 2015-10-07
申請公布號 CN104965925A 申請公布日 2015-10-07
分類號 G06F17/30(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 溫家凱;農(nóng)強;劉連芳 申請（專利權(quán)）人 廣西達譯科技有限公司
代理機構(gòu) 北京科億知識產(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508室
法律狀態(tài) -

摘要

摘要 一種漢高雙語平行語料自動采集的系統(tǒng)及實現(xiàn)方法，包括漢高雙語平行信息的自動發(fā)現(xiàn)、自動提取、自動整理，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，對搜索結(jié)果的信息進行過濾和篩選后，將經(jīng)過濾得搜索結(jié)果存儲于搜索結(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，自動提取漢高雙語平行信息；最后，針對自動提取的漢高雙語平行信息，進行數(shù)據(jù)過濾，并將經(jīng)過過濾處理后的漢高雙語平行數(shù)據(jù)存放到漢高雙語平行語料庫。本發(fā)明為漢高語言研究和機器翻譯應(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，為雙語語料自動采集的發(fā)展和漢高自然語言處理做出了杰出的貢獻。