一种交互式抽取可比语料与双语词典的方法及其装置

摘要

本发明涉及一种交互式抽取可比语料与双语词典的方法及其装置，解决了领域种子双语词典规模不足条件下难以识别可比语料和可比度不同条件下难以提取互译词汇的缺陷。本发明包括：对文档进行词性还原、分词、去停用词，得到预处理后的文档集合以及词汇集合；分别构建源语言文档‑目标语言文档、源语言词汇‑目标语言词汇、双语词汇对‑双语文档对的关系；迭代增强计算双语文档对和双语词汇对的权重；选择权重最大的双语文档对构建可比语料，选择权重最大的双语词汇对构建双语词典。通过不同语言文档相似性促进不同语言词汇相似性的判断，不同语言词汇的相似性增强不同语言文档的相似性，二者交互式迭代增强实现同步抽取可比语料和双语词典。