一种基于图片构建资源稀缺语言可比语料库的方法及系统

摘要

本发明涉及一种基于图片构建资源稀缺语言可比语料库的方法及系统，该方法包括：S110，下载资源稀缺语言的网页，并作为资源稀缺语言文本，所述网页包括文本中的图片；S120，搜索包含资源稀缺语言文本相同或相似图片的资源丰富语言的网页，作为资源丰富语言文本；S130，对资源稀缺语言和资源丰富语言的网页进行特征提取；S140，基于所述特征计算具有相同或相似图片的资源稀缺语言和资源丰富语言网页的相似度值；S150，选取相似度值最高的资源丰富语言文本作为资源稀缺语言文本的可比文本；S160，重复S120‑S150，直至所有资源稀缺语言网页找到资源丰富语言的可比文本。本发明不受资源稀缺语言信息处理技术以及资源的限制，可以较低成本、快速构建资源稀缺语言的跨语言可比语料库。