基于歸納學(xué)習(xí)法的日語(yǔ)假名和漢語(yǔ)實(shí)體對(duì)自動(dòng)獲取方法.pdf

1、命名實(shí)體的翻譯等價(jià)對(duì)在跨語(yǔ)言信息處理中非常重要，其在機(jī)器翻譯、自動(dòng)文摘、跨語(yǔ)言信息檢索和自動(dòng)問(wèn)答系統(tǒng)等都有著重要的應(yīng)用。傳統(tǒng)抽取方法通常使用平行語(yǔ)料庫(kù)或可比語(yǔ)料庫(kù)，此類(lèi)方法受到語(yǔ)料庫(kù)資源的質(zhì)量和規(guī)模的限制。在日漢翻譯領(lǐng)域，一方面，雙語(yǔ)資源相對(duì)匱乏;另一方面，對(duì)于漢字命名實(shí)體，通常使用漢字對(duì)照表;對(duì)于日語(yǔ)純假名的命名實(shí)體，通常采用統(tǒng)計(jì)翻譯模型，此類(lèi)方法受到平行語(yǔ)料庫(kù)的質(zhì)量和規(guī)模的限制，且精度低下。針對(duì)此問(wèn)題，本文提出了一種基于歸納學(xué)習(xí)法的

2、日語(yǔ)假名和漢語(yǔ)實(shí)體對(duì)的自動(dòng)獲取方法。該方法首先使用條件隨機(jī)場(chǎng)模型，分別從日語(yǔ)和漢語(yǔ)語(yǔ)料庫(kù)中抽取日語(yǔ)和漢語(yǔ)命名實(shí)體;并將其轉(zhuǎn)換為羅馬字序列和拼音序列，通過(guò)相似度計(jì)算進(jìn)行實(shí)例篩選;然后，采用基于實(shí)例的歸納學(xué)習(xí)法自動(dòng)獲取命名實(shí)體的日漢音譯規(guī)則庫(kù)，并通過(guò)反饋學(xué)習(xí)來(lái)迭代重構(gòu)音譯規(guī)則庫(kù)。使用音譯規(guī)則庫(kù)計(jì)算日漢命名實(shí)體之間的相似度，給定閾值判定命名實(shí)體翻譯等價(jià)對(duì)。實(shí)驗(yàn)結(jié)果表明，提出方法簡(jiǎn)單高效，在實(shí)現(xiàn)系統(tǒng)高精度的同時(shí)，克服了傳統(tǒng)方法對(duì)雙語(yǔ)資源的依賴(lài)性