基于互信息和T检验值的白语数字化保护研究

摘要

基于赵衍荪、徐琳编著的《白汉词典》,尝试建立白语拼音语料库,利用计算语言学中的MI值和T检验值从关联性和置信度两个角度出发,并根据MI值和T值的互补性,提出了词项搭配的分类模型,用于计算中心词与搭配词的词项搭配可靠性.实验结果表明本方法能全面有效地定量分析出中心词的常见典型搭配和低频固定搭配,为白汉机器翻译打下基础,助力于白语保护和传承.