平行语料库

摘要： 无锡市旅游资源丰富,于2017年创建成为首批中国旅游休闲示范城市,构建无锡旅游汉英平行语料库有利于促进无锡市旅游外宣。无锡旅游汉英平行语料库的创建包括语料库设计、语料收集与数字化、语料对齐、语料降噪处理和语料标注等步骤。该语料库的创建对于辅助外语教学、提高教学效率、探究翻译共性和规范翻译有着重要作用。

摘要： 非物质文化遗产具有非常明显的地域性和活态性,蕴含着深厚的民族文化特色,因此,非遗的外宣翻译具有巨大的挑战性。汉英双语平行语料库为非遗翻译研究提供了新视角。以广东省为例,从建设非遗平行语料库的必要性、语料构成、语料来源、语料的标注与检索等方面,全面地介绍广东非遗双语语料库的创建方法,并探讨其在非遗翻译语言特征研究、翻译质量评估、计算机辅助非遗翻译教学模式等方面的应用,以此助力基于实证语料的非遗翻译研究。

摘要： 本文研究资料主要参考绍兴文理学院《红楼梦》汉英平行语料库,检索对比霍克斯闵福德与杨宪益和戴乃迭翻译的两个《红楼梦》英文版本中,“签”字不同的翻译方法。十个回目中36条“签”字例证、42个“签”字,其中主要集中于第四、六十三、一百零一回目中,此三回“签”中暗示的香菱悲剧、花签映照群芳归路与王熙凤“散花寺神签惊异兆”,对应译本中的“warrant”“slip”“omen”“divination”等,“签”既是线索又是伏笔。

摘要： 文中通过对以词组为本的统计式机器翻译系统(Statistical machine translation system,SMT)进行词对应方法的优化和筛选来建立多语言机制的英语在线翻译辅助系统。通过M1模型来计算平行语料库中语言字与字之间可能的配对几率,以EM演算法求取未知资料状况下的参数最大值。通过设置条件值参数作为挑选对应句子的依据,采用双语新闻语料库进行实验对比。条件值参数在0.2至0.4之间为文中系统运作于平行语料库的最佳区间。

摘要： 《尚书》是中华文化的元典,为“七经之冠冕”,是我国古代文明发展历史的见证。文章基于已建成的《尚书》平行语料库,详细梳理了《尚书》中法律核心词“罚”字的内涵及意义分布,并对两个英译本的翻译模式进行对比分析。研究发现:James Legge译本秉承了忠实原语的翻译思想,翻译模式呈现出“直译>释义>省译”的分布倾向;Martin Palmer译本的翻译模式为“直译>省译>释义>改译”,不完全拘泥于字面,适度采用多样化翻译方法,增强了译文的可读性。两个英译本促进了《尚书》蕴含的中国古代法律思想的传播,对法律古文中文化核心词的翻译研究和实践具有一定的借鉴意义。

摘要： 神经机器翻译模型的训练效果在很大程度上取决于平行语料库的规模和质量。除了一些常见语言外,汉语与小语种间高质量平行语料库的建设一直处于滞后状态。现有小语种平行语料库多采用自动句子对齐技术利用网络资源构建而成,在文本质量和领域等方面有诸多局限性。采用人工翻译的方式可以构建高质量平行语料库,但是缺乏相关经验和方法。文中从机器翻译实践者和研究者角度出发,介绍了经济高效的人工构建小语种平行语料库的工作,包括其总体目标、实施过程、流程细节和最后结果。在构建过程中尝试并积累了各种经验,形成了小语种到汉语平行语料库构建方法、建议的总结。最终,成功构建了波斯语到汉语、印地语到汉语、印度尼西亚语到汉语各50万条高质量平行语料。实验结果表明,所构建的平行语料库有较好的质量,提高了小语种神经机器翻译模型的训练效果。

摘要： 三江源国家公园的正式设立是党中央、国务院统筹推进“五位一体”总体布局的重大战略决策。三江源国家公园英汉平行语料库建设是响应国家政策、顺应时代发展,以青海大学为依托,构建国家公园专用双语平行语料库为目的的一次尝试,对提升三江源国家公园宣传外译质量、保护和传承三江源原生生态、打造三江源地区优质旅游品牌,促进区域产业经济绿色发展具有积极意义。三江源国家公园英汉平行语料库建设方案包括建设意义、指导依据、总体设计、语料采集、语料电子化、语料抽样、文本清洁、语料分词、元信息标注、词性标注、句级平行对齐及其保存。通过自建微型语料库的应用案例展示,拟建语料库可应用于翻译实践、语言分析、国际传播等多领域研究。

摘要： 辽宁凭借地缘优势,长期以来吸引了大量韩国入境旅游者,但省内的5A级景区却鲜有官方韩语解说词,而5A级景区导游词汉韩双语线上平行语料库的构建恰好可解决这一难题。文章首先对国内外双语平行语料库的研究历程进行了梳理;其次阐述了语料库的创建过程,具体分为源语料的撰写、韩语语料的翻译、人工校对、语料校对及语料标注几个环节;最后分析了语料库构建成功后服务于课堂教学与省内未来旅游业发展的现实意义。

摘要： 戏剧翻译兼具静态剧本和动态“可表演性”两个特征,不同译者会针对这两个特性进行不同程度的取舍,展现出其不同的译者风格。本文将以尤金·奥尼尔的戏剧作品Long Day’s Journey into Night为例,自建中英文平行语料库,运用文本处理软件分别对原文与两中译本的类符/形符比、高频词、四字成语、平均句长、话语标记词等基本特征进行数据统计,并采用定性和定量相结合的方法进行对比分析,借以揭示两位中国翻译家乔志高和张延琛的译者风格。研究发现:乔志高译本语言简洁且高雅,适于阅读鉴赏;而张延琛译本具有口语化和明晰化的特征,更适合于舞台表演。

摘要： 基于Gone with the Wind(《飘》)22个译本平行语料库,结合传统典型实例分析法的研究表明,“给VP”结构在译语中使用频次明显高于汉语原创文学;该结构具有“致使性”和“方向性”特征,直指某一预定目标或已经造成的结果;逻辑施事、受事与“给”的位置关系决定了“给VP”的语义:施事位于主语位置时,凸显主语自主处置力及结果;受事移位至“给VP”的主语位置时,强调共现的施事或外因作用(当施事省略或隐含)致使主语遭受某结果。“给VP”口语色彩浓厚,具有帮助传递说话人的态度和情绪、彰显人物所处状态等语用价值。

摘要： 手语汉语平行语料库建立的目的是用于机器翻译和语言对比研究,并且能够系统地保存手语资源,保护手语和聋人文化.手语汉语平行语料库存储的内容主要包括手语视频、被采集者信息和标注者信息,以及通过多媒体标注软件ELAN转写的十四层标注信息,包括手控和非手控信息.本文提出使用基于向量空间的余弦相似性算法实现了手语语料相似度的计算来帮助语料库去重,并取得了较明显的效果;同时用此算法进行专家相似度测试以确保语料库的质量.

摘要： 除了机器翻译,平行语料库对信息检索、信息抽取及知识获取等研究领域具有重要的作用,但是传统的平行语料库只是在句子级对齐,因而对跨语言自然语言处理研究的作用有限.鉴于此,本文以OntoNotes中英文平行语料库为基础,通过自动抽取、自动映射加人工标注相结合的方法,构建了一个面向信息抽取的高质量中英文平行语料库.该语料库不仅包含中英文实体及其相互关系,而且实现了中英文在实体和关系级别上的对齐.因此,该语料库将有助于中英文信息抽取的对比研究,揭示不同语言在语义表达上的差异,也为跨语言信息抽取的研究提供了一个有价值的平台.

摘要： 语料库语言学作为一门新兴学科,在语料库的基础上描述、分析和研究语言,为英语教学的发展注入了较为新颖的理念.在中医药英语教学中应用英语平行语料库,并针对词汇教学、语法教学和阅读教学等方面进行具体探索,结果发现将英语平行语料库恰当地应用到中医药英语教学,有助于学生消除在中医药英语学习过程中的焦虑心理,逐步将学生的自主学习积极性培养和激发起来,并促使学生的中医药英语应用能力得到提高,最终将促进教学效果的改善和教学质量的提升.

摘要： 双语平行语料库的构建为当前翻译研究的一个新热点,同时是ESP翻译研究新的视角.本文简单介绍了语料库翻译研究方法,通过分析中医药英语语料库的研究现状发现构建中药汉英平行语料库的重要性及必要性,并就此语料库构建的具体步骤——语料库的设计、语料的选择、语料的采集和加工以及双语语料库的平行等进行详细介绍.

摘要： 本文对跨语言信息检索、平行语料库进行了介绍，对平行语料库、机器翻译、词典翻译方法进行比较，翻译消歧方面平行语料库比机器翻译和词典翻译要有优势，而机器翻译具有迅速翻译大量文献的特点，词典使翻译的字词更精确。并对跨语言信息检索未来的发展进行了展望。

摘要： 本文运用汉英双向平行语料库描写和分析了汉语翻译语言的总体特征。研究认为，汉语翻译语言的独有特征不支持翻译共性。汉语翻译语言把汉语结构的容量扩大了，这一特征不能用简化、显化和规范化来解释。汉语翻译语言在词性分布和组合方式上与汉语原创文本存在明显差异，这些差异大多是受英语源语影响造成的，也成就了汉语翻译语言独特的过渡语特征。

摘要： 明晰化是翻译普遍性的特征之一。利用平行语料库研究明晰化具有较强的说服力。本文试图利用自建英汉平行语料库来验证英汉互译中的明晰化特征，总结出明晰化在如下几个层次(词汇、句法及语篇)都有明显的特征。通过例证，探讨了明晰化翻译策略，旨在为翻译教学与研究提供一种可行性参考。

摘要： 平行语料库是对机器翻译、跨语言信息检索等应用技术具有重要支撑作用的基础数据资源。虽然互联网上的平行网页数量巨大且持续增长，但由于平行网站的异构性和复杂性，如何快速自动获取高质量的平行网页进而构造平行语料库仍然是巨大的挑战。本文提出了一种URL模式与HTML结构相结合的平行网页获取方法，利用HTML结构实现平行网页的递归访问，使用URL模式优化遍历平行网站的拓扑顺序，从而实现高效准确的平行网页获取。在联合国与香港政府1两个平行网站上的实验表明，我们的方法相对传统获取方法在获取时间上减少50％以上，准确率提高15％，并显著提高了机器翻译的质量(BLEU值分别提高1.6和0.7个百分点)。

摘要： 双语平行语料库是自然语言处理领域的重要资源。针对当前双语语料获取困难的现状，本文提出基于模板转换的方法对互联网上平行语料进行自动获取，采用基于转换模式数量和转换模式检索排序的方法进行双语平行文本验证。本系统可通过对互联网中的大量平行文本的自动获取来构建大规模的汉英平行语料库。该方法的性能在ClueWeb09数据集上得到了实验验证。

摘要： 语料库翻译研究是20世纪90年代兴起的全新的翻译研究范式。语料库不仅为纯翻译研究提供了有力的工具，而且在应用翻译研究中也大有作为。本文力求结合语料库在翻译教学、翻译批评和机器翻译等领域的应用成果，对语料库的应用翻译研究作一个概述性介绍，以便我国研究者形成比较全面的了解和认识，更好地拓展我国翻译研究的新视野。

摘要： 本发明属于数据处理技术领域，具体涉及一种建筑工程多模态双语平行语料库的构建方法；语料筛选、语料提取、校对、语料切分、对齐、去噪、得到平行语料库、语料库更新和扩容六个步骤；为建筑词汇提供了丰富的对比样本，检索出的词汇或句法的含义都是与建筑相关的，排除了一些无用的含义；为使用者提供数量巨大的双语对译样本，切分精细，精准度高，检索出的词汇或句法含义都是建筑相关的，排除了一些无用的含义，为使用者提供了数量巨大的建筑类双语对译样本。

摘要： 本发明公开了一种基于平行语料库的跨语种新闻主题相似性对比方法。步骤如下：(1)平行语料库中每个文档都有独立的主题分布，并且语言描述同一个主题、共享主题分布；首先，检索中文中关于T主题的文章集，基于平行语料库中的中文通用语料库，由LDA主题模型算法得到文章集的中文LDA主题模型；然后，将中文的T主题LDA主题模型映射到广义主题模型空间得到T主题的中文和F语言共享的LDA主题模型，使用LDA算法，由F语言的待筛选的未知主题的文章和平行语料库中的F语言语料库得到F语言LDA主题模型；将这广义空间上的LDA主题模型和F语言LDA主题模型作对比，如果相似则认为此待筛选文章是关于T主题的文章。本发明能够快速准确不经翻译自动筛选出特定主题的文章。

摘要： 一种基于伪平行语料库构造的蒙汉机器翻译方法，通过利用简单数据增强、回译两种方式以精确蒙汉平行语料库为依据分别构造出蒙汉伪平行语料库和其中回译技术中所使用的汉蒙翻译模型ΘB采用条件生成对抗网络的架构来构建。将精确蒙汉平行语料库、三个语料库混合得到大规模蒙汉伪平行语料库，使用此语料库同样以条件生成对抗网络的架构来训练蒙汉翻译模型ΘA,并在训练过程中使用软上下文数据增强技术将输入到蒙汉翻译模型ΘA的编码器中的蒙语词的one‑hot向量进行平滑处理，利用这个平滑向量随机的替换原本要输入到翻译模型ΘA中编码器的one‑hot向量进行训练；目的在于优化翻译模型ΘA的参数，提升模型ΘA的翻译能力。

摘要： 本分案申请公开了一种汉英蒙藏维多语平行语料库构建的方法，属于电商信息翻译领域，用于解决完成多语平行语料库的构建的问题，技术要点是通过各中文电子商务平台获取待翻译的中文商品信息，利用双语词典对部分商品信息进行翻译；且将网页标签序列的相似性以及最大匹配计算数字序列的相似性作为特征信息，利用支持向量机提取候选平行网页，再对网页进行语句切分、对齐、整理的操作，获得商品信息的汉英、汉蒙、汉藏、汉维双语平行语料，完成多语平行语料库的构建，效果是完成了多语平行语料库的构建。

摘要： 本发明公开了一种基于平行语料库的术语译文挖掘方法，具体包括如下步骤：S1、提取待译稿件中的原文术语S；S2、检索平行语料库M；S3、获得含有相同原文术语S的候选原文和译文句子集合Q；S4、分词和词对齐；S5、提取词对齐结果中原文术语S所对应的术语译文t；S6、生成译文短语集p；S7、生成嵌入向量并计算距离d；S8、融合模型，获取原文术语S的最佳译文。本发明通过检索平行语料库快速获取原文术语的最佳译文，保证术语译文的准确性和一致性，提高翻译效率。

摘要： 本发明涉及一种基于多语言平行语料库的医学术语提取方法及系统，包括：对医学知识数据中的所有句子进行语义相似度计算，得到平行语料；对每一平行语料的空缺语言进行翻译后将所有类型语言的句子构建为多语言平行语料库；对各平行语料中的句子进行分词，提取医学术语并结合对应的术语类型对所有句子进行编码标注，得到每一句子的编码序列并结合对应的句子训练神经网络模型，根据训练后的神经网络识别待识别的医学文本，得到待识别的医学文本的编码序列；根据待识别的医学文本的编码序列确定所述待识别的医学文本中的医学术语和对应术语类型。通过多语言平行语料库和对应语言的医生术语训练神经网络模型，从而准确的提取更多语言类型的医学术语。

摘要： 本发明公开了一种基于钢结构工程平行语料库提升翻译效率的方法，在使用时将所述语料库作为术语库导入计算机辅助翻译软件中,当翻译文本遇到与语料库相对应的句对或词汇表时,计算机辅助翻译软件将自动匹配。所述的翻译过程采用“自制语料库+CAT辅助”的翻译模式在保证建筑行业翻译质量的同时也提高了翻译效率。大大节省了译者以及公司技术人员的时间以及精力，尽最大程度的打破了语言上的障碍，使得公司技术人员可以将更多精力投入到海外项目的技术攻坚上面。同时随着海外项目的逐渐增多，公司译者所处理的文本越来多，钢结构平行语料的规模也会越来越大。CAT预翻译的准确率也会随着语料库的规模逐年提升。

摘要： 本发明涉及一种基于非平行语料库的熵模型英中作者实体自动识别方法，属于人工智能领域。首先本发明构建中英文非平行语料库，基于构建的医学中英文文献摘要非平行语料库生成人名及机构词典；接着构建英中文献作者音译特征函数、机构特征函数、论文主题相似特征函数；进行最大熵模型训练，得到英文作者的中文名称推荐结果。本发明较为方便的解决了英文作者的中文对应问题，在自动翻译、学者画像等方面具有广泛应用前景。

摘要： 一种融合迁移学习的伪平行语料库的蒙汉机器翻译方法，通过大规模的英汉平行语料库训练一个英汉神经机器翻译模型；对蒙古语进行预处理后构建蒙汉神经机器翻译模型；将训练好的英汉神经机器翻译模型的模型参数权重迁移到蒙汉神经机器翻译模型中；将现有的蒙汉平行语料库对蒙汉神经机器翻译模型进行完善训练，用完善好的蒙汉神经机器翻译模型对现有的蒙汉平行语料库中的汉语单语语料进行回译、加噪，形成一个伪平行语料库D1；将伪平行语料库D1和现有的蒙汉平行语料库融合形成伪平行语料库D；用伪平行语料库D重新训练完善好的蒙汉神经机器翻译模型，得到最终的蒙汉神经机器翻译模型；利用所述最终的蒙汉神经机器翻译模型进行蒙汉翻译。

摘要： 一种基于伪平行语料库构造的蒙汉机器翻译方法，通过利用简单数据增强、回译两种方式以精确蒙汉平行语料库为依据分别构造出蒙汉伪平行语料库和其中回译技术中所使用的汉蒙翻译模型ΘB采用条件生成对抗网络的架构来构建。将精确蒙汉平行语料库、三个语料库混合得到大规模蒙汉伪平行语料库，使用此语料库同样以条件生成对抗网络的架构来训练蒙汉翻译模型ΘA,并在训练过程中使用软上下文数据增强技术将输入到蒙汉翻译模型ΘA的编码器中的蒙语词的one‑hot向量进行平滑处理，利用这个平滑向量随机的替换原本要输入到翻译模型ΘA中编码器的one‑hot向量进行训练；目的在于优化翻译模型ΘA的参数，提升模型ΘA的翻译能力。