基于英汉双语短语级平行语料的类别知识挖掘研究  

Research of Mining the Category Knowledge Based on English-Chinese Humanities and Social Sciences Parallel Corpus in Phrase Level

作　　者：王东波[1] 韩普[2] 沈思[2] 魏向清[3] 

机构地区：[1]南京农业大学信息科学技术学院,南京210095 [2]南京大学信息管理学院,南京210093 [3]南京大学双语词典研究中心,南京210093

出　　处：《现代图书情报技术》2012年第11期40-46,共7页New Technology of Library and Information Service

基　　金：国家高技术研究发展计划(863计划)"以科技文献服务为主的搜索引擎研制"(项目编号:2011AA01A206);国家社会科学基金重点项目"人文社会科学汉英动态术语数据库的构建研究"(项目编号:11AYY002);江苏省研究生培养创新工程"基于异构社会网络数据的信息集成与检索研究"(项目编号:CXZZ12-0073)的研究成果之一

摘　　要：在已有聚类算法的基础上,基于英汉双语短语级人文社会科学平行语料,进行类别知识挖掘的实验。根据实验数据并结合具体的研究需求,确定相应的聚类算法和英语形态转换的算法。通过对汉语、英语和英汉双语词汇级知识聚类的性能进行对比,确定英汉双语词汇特征的性能优于单语。获取的类别知识可以直接应用到知识库、机器翻译模型的构建中,同时探究英汉两种词汇在类别知识获取过程中具体表现。The experiment of mining the category knowledge from English - Chinese humanities and social sciences parallel corpus in phrase level is performed based on the established clustering algorithm. The clustering and morphological conver- sion algorithms are determined by experimental data and specific research needs. The performance of English - Chinese bilingual word features is better than monolingual word by comparing the performance of the Chinese, English and English - Chinese word level knowledge clustering. The category knowledge is directly applied to knowledge base and machine translation system, and the English and Chinese word＇ s expression is explored in mining the category knowledge.

关 键 词：CSSCI英汉双语短语级平行语料Bisecting K—means Clustering算法类别知识 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]