基于加权二部图的汉日词对齐

摘要

高效的自动词对齐技术是词对齐语料库建设的关键所在.当前很多词对齐方法存在以下不足: 未登录词问题、灵活翻译问题和全局最优匹配问题.针对以上不足,该文提出加权二部图最大匹配词对齐模型,利用二部图为双语句对建模,利用词形、语义、词性和共现等信息计算单词间的相似度,利用加权二部图最大匹配获得最终对齐结果.在汉日词语对齐上的实验表明,该方法在一定程度上解决了以上三点不足,F-Score为80%,优于GIZA++的72%.