基于Web的语料自动采集技术研究  

Research on Corpus Collection Based on Web in Lexicography

作　　者：郭浩[1] 刘伟[2] 段富[1] 

机构地区：[1]太原理工大学计算机与软件学院,山西太原030024 [2]中国电子科技集团第三十三研究所,山西太原030006

出　　处：《太原理工大学学报》2008年第S1期59-62,共4页Journal of Taiyuan University of Technology

基　　金：国家863计划资助项目(2006AA01Z142);国家社科基金资助项目(07CYY022)

摘　　要：在为词典编撰进行大规模语料采集工作的背景下,以实现语料的批量自动采集为目的,介绍了基于Web的词典编撰语料自动采集技术。同时提出了该技术在图书信息领域的实验模型,图书信息搜寻系统(SearchBook v2.1.0)的设计与实现,包括如何利用搜索引擎技术及信息提取技术进行图书信息的搜索及提取。Under the aims at corpus automatic collection on the process of the large-scale Lexicography corpus collection,the paper described corpus collection technology which is based on Web.And then,the paper introduces the book information corpus tool,including how to make use of the technique of searching engine and information extraction in our system.

关 键 词：语料采集 搜索引擎 信息抽取 

分 类 号：TP274[自动化与计算机技术—检测技术与自动化装置]