文献类型：期刊文章

作　　者：塞麦提.麦麦提敏[1] 侯敏[2] 吐尔根.伊布拉音[1]

机构地区：[1]新疆大学信息科学与工程学院,乌鲁木齐830046 [2]中国传媒大学国家语言资源监测与研究有声媒体中心,北京100024

出　　处：《计算机工程》

基　　金：新疆维吾尔自治区自然科学基金资助项目(2012211B08)

年　　份：2015

卷　　号：41

期　　号：4

起止页码：166-170

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为提高汉维句子对齐方法的准确率,提出一种分段句子对齐方法。采用词汇信息和长度信息相结合的策略,识别出能作为锚点的一对句子(锚点句对),并将其作为分割标志对全文进行分段,在各片段内使用基于长度的方法实现全部句子的对齐,采用词汇、数字、标点符号和长度信息提高方法的领域移植性,使用分段方法避免复杂的计算过程,从而解决错误蔓延问题。实验结果表明,该方法的准确率达到95.2%,比基于长度的句子对齐方法提高了2.7%。

关 键 词：平行语料库 句子对齐 锚点 基于长度的方法  基于词汇的方法  

分 类 号：TP391]