雙語(yǔ)短語(yǔ)庫(kù)建設(shè)

1、雙語(yǔ)短語(yǔ)庫(kù)建設(shè)n為什么建設(shè)雙語(yǔ)短語(yǔ)庫(kù)n短語(yǔ)庫(kù)收錄原則n短語(yǔ)庫(kù)的工作基礎(chǔ)n短語(yǔ)庫(kù)的描述內(nèi)容n短語(yǔ)庫(kù)的一致性檢查n短語(yǔ)庫(kù)的樣例n短語(yǔ)庫(kù)的應(yīng)用為什么建設(shè)雙語(yǔ)短語(yǔ)信息數(shù)據(jù)庫(kù)？n(1)短語(yǔ)分析失敗導(dǎo)致整個(gè)句子分析失敗，整個(gè)句子不能正確翻譯。n(2)很多短語(yǔ)作為一個(gè)整體進(jìn)行翻譯，不能通過(guò)逐詞的方式翻譯。n(3)即使可以進(jìn)行逐詞翻譯，義項(xiàng)選擇問(wèn)題n(4)機(jī)器翻譯要覆蓋真實(shí)文本，資源積累很重要。收錄原則n出現(xiàn)頻率較高n新聞?lì)I(lǐng)域優(yōu)先n不能逐詞對(duì)譯的短語(yǔ)n短語(yǔ)組成成分歧義較多的短語(yǔ)n以收集np、vp為主，兼顧其它類型n有歧義的結(jié)構(gòu)作多條處理n英文原則上不是釋義，而是翻譯等價(jià)物n兼顧成語(yǔ)、專有名稱工作基礎(chǔ)nICL原

2、短語(yǔ)庫(kù)（ 44869 ）n短語(yǔ)對(duì)齊語(yǔ)料庫(kù)中提取的雙語(yǔ)短語(yǔ)從雙語(yǔ)對(duì)齊語(yǔ)料庫(kù)中提取9447條，經(jīng)過(guò)篩選得到8365條n探索將來(lái)自動(dòng)提取翻譯等價(jià)短語(yǔ)ICL短語(yǔ)庫(kù)情況n三個(gè)庫(kù)共103635個(gè)短語(yǔ)n其中44869條是雙語(yǔ)的，描述內(nèi)容：（1）切詞信息（2）詞性信息（3）拼音信息（4）英語(yǔ)翻譯n 信息有點(diǎn)少短語(yǔ)庫(kù)描述內(nèi)容（1）漢語(yǔ)短語(yǔ)的切詞信息；（2）漢語(yǔ)短語(yǔ)的組成單詞的詞性信息；（3）漢語(yǔ)短語(yǔ)的句法類；（4）漢語(yǔ)短語(yǔ)的中心詞信息；（5）漢語(yǔ)短語(yǔ)直接組成成分間的句法關(guān)系； （6）英語(yǔ)短語(yǔ)的切詞信息； （7）英語(yǔ)短語(yǔ)的組成單詞的詞性信息； （8）英語(yǔ)語(yǔ)短語(yǔ)的句法類； （9）英語(yǔ)短語(yǔ)的中心詞信息；（10）漢英短

3、語(yǔ)對(duì)的若干屬性信息。是否成語(yǔ)、習(xí)用語(yǔ)、人名、地名、商標(biāo)字號(hào)等等 漢語(yǔ)詞類的設(shè)置n采用ICL/PKU標(biāo)記集合n取消了非功能標(biāo)記i、j 、l、g等n實(shí)際采用21個(gè)標(biāo)記漢語(yǔ)句法類設(shè)置n使用了9個(gè)短語(yǔ)類（1）動(dòng)詞短語(yǔ)：vp（2）名詞短語(yǔ)：np（3）小句： dj（4）形容詞短語(yǔ)：ap（5）數(shù)量短語(yǔ)：mp (6) 介詞短語(yǔ)：pp (7) 處所短語(yǔ)：sp (8) 時(shí)間短語(yǔ)：tp (9) 副詞性短語(yǔ)：dpn標(biāo)記名稱和規(guī)則引擎一致漢語(yǔ)短語(yǔ)組成成分間內(nèi)部句法關(guān)系n只標(biāo)記短語(yǔ)最高層直接組成成分之間的句法關(guān)系 n共設(shè)有9類關(guān)系（1）定中關(guān)系 DZ（2）述賓關(guān)系 SB（3）述補(bǔ)關(guān)系 SBU（4）并列關(guān)系 LH（5）主謂

4、關(guān)系 ZW（6）連謂關(guān)系 LW（7）狀中關(guān)系ZZ（8）的字結(jié)構(gòu)DE（9）介賓結(jié)構(gòu) JB關(guān)于短語(yǔ)中心詞的規(guī)定n有些短語(yǔ)類的中心詞容易確定，大家認(rèn)識(shí)一致，如名詞短語(yǔ)、動(dòng)詞短語(yǔ)n有些短語(yǔ)類的中心詞確定沒(méi)有統(tǒng)一認(rèn)識(shí)，采用規(guī)定的方式，如介詞短語(yǔ)、連謂結(jié)構(gòu)、并列結(jié)構(gòu)等等英語(yǔ)短語(yǔ)的詞類設(shè)置n37個(gè)標(biāo)記n采用Upenn標(biāo)記英語(yǔ)短語(yǔ)類設(shè)置n設(shè)置6類（1）名詞短語(yǔ) NP（2）動(dòng)詞短語(yǔ) VP（3）形容詞短語(yǔ) AdjP（4）副詞短語(yǔ) AdvP（5）介詞短語(yǔ) PP（6）小句 CS一致性檢查n并列結(jié)構(gòu)是多中心的，可有多個(gè)中心詞；其余的結(jié)構(gòu)有并且只能有有并且只能有一個(gè)中心詞。n不允許出現(xiàn) i,j,l,Ag等詞性標(biāo)記 n詞類

5、、短語(yǔ)類和結(jié)構(gòu)關(guān)系類是封閉的n短語(yǔ)類和結(jié)構(gòu)關(guān)系之間的一致性n 檢查短語(yǔ)類和中心詞詞性的一致性樣例（目前）ZH_PHRASEZH_PHRASEZH_PHRASE_CZH_PHRASE_CATEGORYATEGORYZH_GRAM_RELATIOZH_GRAM_RELATION NEN_PHRASEEN_PHRASEN NR RN NS SN NT TN NM MN NZ ZI IJ JL L!謊報(bào)/v 年齡/n vpSBlie about ones age !虛報(bào)/v 年齡/n vpSBlie about ones age 征兵/v !年齡/nnpDZconscription age; age for enlistment 最低/a !年齡/n npDZminimum age 法定/b !年齡/n npDZlawful age; legal age !達(dá)到/v 法定/b 年齡/n vpSBcome of age 未/d !達(dá)到/v 規(guī)定/v 年齡/nvpZZunder