[发明专利]双语语料库的数据扩充方法和装置

权利要求书

1.一种双语语料库的数据扩充方法，其特征在于，包括：

在源语言-枢轴语言语料库中查找与第一源语言短语语义匹配的至少一个第一枢轴语言短语；

在源语言-枢轴语言语料库中查找与各所述第一枢轴语言短语语义匹配的至少一个第二源语言短语，并由各所述第二源语言短语组成源语言短语集合；

在枢轴语言-目标语言语料库中查找与各所述第一枢轴语言短语语义匹配的至少一个第一目标语言短语，并由各所述第一目标语言短语组成目标语言短语集合；

将所述源语言短语集合中的第二源语言短语与所述目标语言短语集合中的第一目标语言短语进行组合，形成至少一个源语言短语与目标语言短语之间的短语对，结合方式包括将第二源语言短语与第一目标语言短语进行任意的一一对应组合，或将各对组合进行统计筛选；

将形成的至少一个源语言短语与目标语言短语之间的短语对存储至源语言-目标语言语料库。

2.根据权利要求1所述的方法，其特征在于，在源语言-枢轴语言语料库中查找与各所述第一枢轴语言短语语义匹配的至少一个第二源语言短语，并由各所述第二源语言短语组成源语言短语集合包括：

利用所述至少一个第一枢轴语言短语中的每一个在所述源语言-枢轴语言语料库中查找与之语义相同的第二源语言短语；

在查找到的第二源语言短语中去除重复的源语言短语；

将去除重复后的第二源语言短语组成源语言短语集合。

3.根据权利要求1所述的方法，其特征在于，在枢轴语言-目标语言语料库中查找与各所述第一枢轴语言短语语义匹配的至少一个第一目标语言短语，并由各所述第一目标语言短语组成目标语言短语集合包括：

利用所述至少一个第一枢轴语言短语中的每一个在所述枢轴语言-目标语言语料库中查找与之语义相同的第一目标语言短语；

在查找到的第一目标语言短语中去除重复的目标语言短语；

将去除重复后的第一目标语言短语组成目标语言短语集合。

4.根据权利要求1所述的方法，其特征在于，将所述源语言短语集合中的第二源语言短语与所述目标语言短语集合中的第一目标语言短语进行组合，形成至少一个源语言短语与目标语言短语之间的短语对包括：

将所述源语言短语集合中的每一个第二源语言短语作为键，并将所述目标语言短语集合中的每一个第一目标语言短语作为值，形成至少一个源语言短语与目标语言短语之间的短语对。

5.一种双语语料库的数据扩充装置，其特征在于，包括：

枢轴语言短语查找模块，用于在源语言-枢轴语言语料库中查找与第一源语言短语语义匹配的至少一个第一枢轴语言短语；

源语言短语集合建立模块，用于在源语言-枢轴语言语料库中查找与各所述第一枢轴语言短语语义匹配的至少一个第二源语言短语，并由各所述第二源语言短语组成源语言短语集合；

目标语言短语集合建立模块，用于在枢轴语言-目标语言语料库中查找与各所述第一枢轴语言短语语义匹配的至少一个第一目标语言短语，并由各所述第一目标语言短语组成目标语言短语集合；

短语对组合模块，用于将所述源语言短语集合中的第二源语言短语与所述目标语言短语集合中的第一目标语言短语进行组合，形成至少一个源语言短语与目标语言短语之间的短语对，结合方式包括将第二源语言短语与第一目标语言短语进行任意的一一对应组合，或将各对组合进行统计筛选；

短语对存储模块，用于将形成的至少一个源语言短语与目标语言短语之间的短语对存储至源语言-目标语言语料库。

6.根据权利要求5所述的装置，其特征在于，所述源语言短语集合建立模块包括：

源语言短语查找子模块，用于利用所述至少一个第一枢轴语言短语中的每一个在所述源语言-枢轴语言语料库中查找与之语义相同的第二源语言短语；

源语言短语去重子模块，用于在查找到的第二源语言短语中去除重复的源语言短语；

源语言短语集合建立子模块，用于将去除重复后的第二源语言短语组成源语言短语集合。