漢緬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> CN201510407509.2 申請日 -
公開（公告）號 CN104933195A 公開（公告）日 2015-09-23
申請公布號 CN104933195A 申請公布日 2015-09-23
分類號 G06F17/30(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 溫家凱;農強;劉連芳 申請（專利權）人 廣西達譯科技有限公司
代理機構 北京科億知識產權代理事務所（普通合伙） 代理人 廣西達譯商務服務有限責任公司;南寧市平方軟件新技術有限責任公司
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 一種漢緬雙語平行語料自動采集的系統(tǒng)及實現(xiàn)方法，包括漢緬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鍵詞組，通過搜索引擎搜索網站，采集網頁得到搜索結果，對搜索結果的信息進行過濾和篩選后，將經過濾得搜索結果存儲于搜索結果數(shù)據庫；其次，通過訪問搜索結果數(shù)據庫里的網頁，自動提取漢緬雙語平行信息；最后，針對自動提取的漢緬雙語平行信息，進行數(shù)據過濾，并將經過過濾處理后的漢緬雙語平行數(shù)據存放到漢緬雙語平行語料庫。本發(fā)明為漢緬語言研究和機器翻譯應用提供重要基礎數(shù)據，解決了語料采集人員和研究人員所面臨的數(shù)據來源的問題，為雙語語料自動采集的發(fā)展和漢緬自然語言處理做出了杰出的貢獻。