基于维基百科的汉日双语命名实体翻译等价对自动获取方法

• 作 者: 茹旷 徐金安
• 机 构: 北京市海淀区北京交通大学计算机与信息技术学院
• 出 处: 第六届全国青年计算语言学会议
• 发表日期: 2012年11期

提出了一种基于维基百科的汉日双语命名实体对自动获取方案。基本思想是先从维基百科中抽取汉日双语标题对作为训练数据，训练一个统计机器翻译系统；再抽取汉语或者日语的单语标题，通过翻译得到目标语言的翻译结果；然后，使用互联网对翻译结果进行自动查错；自动查错后的双语实体对抽取结果，抽取双语对中日语或汉语的每个条目的首段内容的主要特征，与条目的分类信息一起作为最大熵模型训练数据的特征集合，对命名实体进行词性标注，获得最终的双语命名实体对；通过反馈处理扩大统计机器翻译和最大熵模型的训练集合，不断提高翻译精度。实验结果表明，词性标注准确率达91．131％，翻译结果的BLEU和NIST均值分别达到0．8688和13．7564。