基于WEB挖掘汉民双语语料初探

摘要

汉民双语平行语料是汉民统计机器翻译等自然语言处理技术的重要资源,语料库建设引起人们的广泛关注,然而,当前汉民双语语料库的规模、时效和领域平衡仍远不能满足实际应用的需求.本文在分析现有WEB挖掘双语语料的启发信息基础上,探索适用于汉民网站的新启发信息,利用支持向量机分类实现平行文本识别.文中以汉蒙双语语料挖掘为例,开展了相关的实验测试,对我国汉民双语语料库自动构建进行了初步探索.