| 专利名称 | 一种网络可比语料的挖掘方法及装置 | 申请号 | CN201310382010.1 | 专利类型 | 发明专利 | 公开（公告）号 | CN103473280A | 公开（授权）日 | 2013.12.25 | 申请（专利权）人 | 中国科学院合肥物质科学研究院 | 发明（设计）人 | 李淼;朱泽德;张健;曾新华;陈雷;曾伟辉;郑守国;高会议;胡泽林;杨振新;陈晟;李华龙;董瀚琳;吴娜;卞程飞;翁士状 | 主分类号 | G06F17/30(2006.01)I | IPC主分类号 | G06F17/30(2006.01)I;G06F17/27(2006.01)I | 专利有效期 | 一种网络可比语料的挖掘方法及装置 至一种网络可比语料的挖掘方法及装置 | 法律状态 | 实质审查的生效 | 说明书摘要 | 本发明涉及网络可比语料的挖掘方法，包括：利用网络爬虫获取源语言网页，经预处理后形成源语言文档；分析源语言文档的跨语言主题的概率，产生对应的目标语言查询词；将目标语言查询词提交搜索引擎，选取前N的文档构成目标语言候选相似文档集；计算源语言文档和目标语言候选相似文档的相似度，筛选出相似度较高的文档构建可比语料库。本发明还公开了一种实施网络可比语料的挖掘方法的装置。本发明避免词汇翻译产生歧义或消耗大量时间；源语言文档源自于网络爬虫获取的特定网站内容，目标语言文档来自于整个互联网，有效提高对源语言文档的利用率；源语言和目标语言相似文档匹配通过主题分布的相似性实现，提高了语料库建设的准确度。 |
1、源头对接，价格透明
2、平台验证，实名审核
3、合同监控，代办手续
4、专员跟进，交易保障