基于Web的无指导译文消歧词模型与N-gram模型及对比研究

该文提出了基于Web的无指导译文消歧的词模型及N-gram模型方法,并在尽可能相同的条件下进行了比较。两种方法均利用搜索引擎统计不同搜索片段在Web上的Page Count作为主要消歧信息。词模型定义了汉语词汇与英语词汇之间的双语词汇Web相关度,根据汉语上下文词汇与英语译文之间的相关度进行消歧;N-gram模型首先假设不同语义下的多义词N-gram序列行为模式不同,从而可对多义词不同语义类下词汇在实例中的N-gram序列进行统计与分析以进行消歧。两个模型的性能均超过了在国际语义评测SemEval2007的task#5上可比较的最好无指导系统。对这两个模型进行试验对比可发现N-gram模型性能优于词模型,也表明组合两类模型的结果有进一步提升消歧性能的潜力。

日语综合教学平台构建中提高服务器效率的方法

在构建多元化开放的日语网络教学平台过程中,采用了异步数据交换技术、服务器反推技术、服务器作业调度框架等流行的网络技术,实现了大数据量页面分步加载、页面取词翻译、服务器大数据文件管理、留言过滤等功能。大大提高了系统的服务质量与运行效率。

基于挖掘Web双语词汇关联度的无指导译文消歧

为缓解译文消歧任务中消歧知识获取困难及数据稀疏问题,提出了一种基于Web的挖掘双语词汇相关关系的无指导译文消歧方法。该方法将双语词汇在语料库中的间接相关拓展到Web,提出了基于Web的双语词汇间接相关模型,在此基础上又提出了一种基于Web的双语词汇相关度的消歧方法,通过构造不同queries并利用搜索引擎抽取返回页面的page counts,最后利用点式互信息来计算词汇间的相关度并用于消歧决策。该方法最好性能(P_(mar)=0.464)超过了国际语义评测Semeval-2007的Task #5上可比较的最好无指导系统TorMd。

多语种翻译词汇的在线自动抽取

越来越多网页以多种语言的形式在互联网上传播 ,从中抽取多语种翻译词汇具有重要的研究价值 针对网页的特点 ,提出了一种新的多语种翻译词汇的在线自动抽取方法 该方法通过对双语网页中超链接信息相似度的计算 ,获取多语种翻译词汇 ,相似性越高 ,对应的词条互为翻译对的可能性越大 通过对中英、德英、法英 3类双语网页的抽取 ,结果证明它具有较高的准确率 。

OPAC划词翻译功能的设计与实现

针对当前书目数据中存在生僻字词、英语单词及网络词汇等疑难字词的现状,进行OPAC划词翻译功能的应用现状、需求分析、设计思路及其实现方法的研究。利用JavaScript、CSS、ASP和数据库相关技术对疑难字词进行选择、编辑、存储、翻译及更新,实现划词翻译功能,以增强OPAC的可用性、提升用户的使用体验。