汉英双语库自动分段对齐研究

摘要

双语库对齐是自然语言处理研究的重要课题之一.其中,双语库段落对齐是指找出源文和译文中对应的翻译段落的对齐过程.它上承篇章对齐,下接句子对齐,在整个双语库的对齐中起着承上启下的重要作用.但由于种种原因,双语库段落对齐在当今研究中没有受到应有的重视.直接进行通用的段落自动对齐具有相当的难度,也不必要,鉴于此,提出将段落对齐转化成分段对齐进行实现.通过汉英词汇对之间的特征比较,首先找到可以用于汉英双语库分段的锚点词汇对,在此基础上,通过锚点词所在句子的匹配获得锚点句子对来进行分段.实验结果表明,该方法具有良好的使用价值,可以用于其他语言对的对齐.