汉印双语平行语料自动采集的系统及实现方法
基本信息
| 申请号 | CN201510407512.4 | 申请日 | - |
| 公开（公告）号 | CN105045861A | 公开（公告）日 | 2015-11-11 |
| 申请公布号 | CN105045861A | 申请公布日 | 2015-11-11 |
| 分类号 | G06F17/30(2006.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 温家凯;农强;刘连芳;潘媛媛 | 申请（专利权）人 | 广西达译科技有限公司 |
| 代理机构 | 北京科亿知识产权代理事务所（普通合伙） | 代理人 | 广西达译商务服务有限责任公司;南宁市平方软件新技术有限责任公司 |
| 地址 | 530007 广西壮族自治区南宁市科园东五路4号508室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 一种汉印双语平行语料自动采集的系统及实现方法，包括汉印双语平行信息的自动发现、自动提取、自动整理，首先，制定需要采集语料的关键词组，通过搜索引擎搜索网站，采集网页得到搜索结果，对搜索结果的信息进行过滤和筛选后，将经过滤得搜索结果存储于搜索结果数据库；其次，通过访问搜索结果数据库里的网页，自动提取汉印双语平行信息；最后，针对自动提取的汉印双语平行信息，进行数据过滤，并将经过过滤处理后的汉印双语平行数据存放到汉印双语平行语料库。本发明为汉印语言研究和机器翻译应用提供重要基础数据，解决了语料采集人员和研究人员所面临的数据来源的问题，为双语语料自动采集的发展和汉印自然语言处理做出了杰出的贡献。 |
