基于多特征融合的先秦典籍汉英句子对齐研究

摘要：

[目的]实现先秦典籍古文-英文双语句子自动对齐,为构建典籍双语句级平行语料库、跨语言检索提供支持.[方法]将典籍汉英句子自动对齐问题视为候选句对分类问题,根据实验语料特点,结合已有研究选取对齐句对特征,基于"整体分类"与"序列标注"两种不同的理念,识别候选句对中的对齐句对.[结果]在序列标注实验中,LSTM-CRF模型的句子对齐效果最佳F值为92.67％;在整体分类实验中,SVM识别效果最佳F值为90.63％;在特征组合实验中,同时使用4种特征的F值为91.01％,效果优于其他特征组合.[局限]有待补充类型更丰富的原始语料.[结论]融合4种特征的LSTM-CRF神经网络模型能够有效识别古文-英文对齐句对,实现典籍双语句子自动对齐.

关键词：句子对齐、多语言信息处理、汉英平行语料、先秦典籍、数字人文

所属期刊栏目：4

分类号：G351(情报学、情报工作)

资助基金：本文系国家自然科学基金面上项目"基于典籍引得的句法级汉英平行语料库构建及人文计算研究"项目编号:71673143

在线出版日期：2020-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：123-132