【作者】 李维刚； 刘挺； 王震； 李生；

【Author】 Li Weigang Liu Ting Wang zhen Li ShengInformation Retrieval Laboratory Harbin Institute ofTechnoIogy, Harbin 150001

【机构】 哈尔滨工业大学计算机学院信息检索研究室；

【摘要】 网络上存在的大量双语资源,给构建大规模双语语料库提供了可能。双语对齐作为语料库加工过程中的关键技术,已经引起研究者的高度重视。针对目前可收集到的双语资源大都没有做到段落对齐,本文结合基于句子长度和基于词典的两种经典对齐算法思想,充分利用双语文本中的句子在整个文本中的位置信息,在(1:1)型句珠里选取锚点,并根据双语文本特征引入一部双语词典进行校验,从而获得分段的锚点,实现通用的段落重组对齐。更多还原

【Abstract】 Large amount of bilingual resource on the internet bring the probability of building a targe scale of bilingual corpus. As the key technology during the course of building the corpus, bilingual alignment technology is growing high recognition. Facing the situation that most of bilingual resource attained on the internet is aligned in paragraph, paragraph realignment is necessary. Combining length-based method with lexicon-based method, making full use of the location information of each sentence in whole text, we choose the anchors among the 1-for-1 beads according the result of dictionary check and achieve the goal of general paragraph realignment.更多还原