一种用于篇章级英译中机器翻译测试集的构建方法

摘要

本发明公开了一种用于篇章级英译中机器翻译测试集的构建方法，获取具有指代、连接、省略的衔接语法的篇章级英文文本数据及其对应的中文文本数据；对获取数据进行过滤处理，形成仅包含英、中文词汇的文本数据；将英文文本数据作为源语言数据，将中文文本数据作为目标语言数据；分别选取两义代词、多义连词及助动词作为查找参数，搜索源语言数据并对目标语言数据进行检查修正；将检查修正后的两种语言数据分别进行分词处理及词性标注后制成候选数据集；分别设置筛选参数，从候选数据集中筛选相应的源语言数据及其对应的目标语言数据，分别制成指代测试集、篇章级连接词测试集及省略测试集。本发明可用于测试及评估不同机器翻译模型篇章级翻译能力。