面向单一网页的双语资源挖掘方法

摘要

双语资源是机器翻译和跨语言信息检索等领域的重要资源，但是由于语料库真实性、时效性和语种灵活性等问题，使得现有的双语资源的规模很难满足实际应用的需要。本文提出一种面向单一双语网页的双语资源挖掘方法，该方法与现今平行网页的双语资源挖掘技术不同，重点采用了以频繁序列模式为特征的SVM分类方法，实现了包含双语资源的单一网页的筛选与识别，并以此为基础挖掘具有对译的双语资源。实验结果表明，基于分类方法筛选出的双语网页具有91.25%的正确率，采用FSP算法的双语资源抽取正确率可达到92.5%。