[发明专利]基于两两对齐的多语种句对齐方法及装置

权利要求书

1.基于两两对齐的多语种句对齐装置，其特征在于，它包括：

用于获取同一文件至少三种不同语言版本的文本的装置；

用于分别对每个语种的文本进行句子分割，获得不同语种待对齐的句子的装置；

用于对不同语种待对齐的句子进行两两对齐，然后对每组两两对齐的句子进行评分，获得所有两两对齐句子的集合A的装置；

用于对集合A中每组两两对齐句子进行冲突识别，将不冲突的两两对齐的句子从集合A中剔除，获得集合A中所有冲突的句子的集合，即差异部分的装置；

用于对差异部分进行评分，然后对该差异部分进行重新对齐，获得重新对齐的结果集合B，将A的非差异部分与B合在一起，获得全部句对齐结果的装置。

2.根据权利要求1所述基于两两对齐的多语种句对齐装置，其特征在于，用于分别对每个语种的文本进行句子分割，获得不同语种待对齐的句子的装置进一步包括：

用于将每个语种的文本中所有的时间标识和换行符删除，获得所有句子均合并为一行的文本的装置；

用于对文本中所有字符进行扫描，扫描所有表示语句结束的符号，然后根据所述符号将文本分割成若干条句子，每条句子作为一个独立的单语种句子的装置。

3.根据权利要求1所述基于两两对齐的多语种句对齐装置，其特征在于，用于对两两对齐句子进行冲突识别的装置进一步包括：

用于将所有两两对齐的句子放入索引表中进行索引的装置；

用于判断所有两两对齐的句子是否冲突，并将冲突的两两对齐句子标记为冲突的装置。

4.基于两两对齐的多语种句对齐方法，其特征在于，该方法包括以下步骤：

步骤一：用于获取同一文件至少三种不同语言版本的文本的步骤；

步骤二：用于分别对步骤一获得的每个语种的文本进行句子分割，获得不同语种待对齐的句子的步骤；

步骤三：用于对步骤二获得的不同语种待对齐的句子进行两两对齐，然后对每组两两对齐的句子进行评分，获得所有两两对齐句子的集合A的步骤；

步骤四：用于对步骤三获得的集合A中每组两两对齐句子进行冲突识别，将不冲突的两两对齐的句子从集合A中剔除，获得集合A中所有冲突的句子的集合，即差异部分的步骤；

步骤五：用于对步骤四获得的差异部分进行评分，然后对该差异部分进行重新对齐，获得重新对齐的结果集合B，将A的非差异部分与B合在一起，获得全部句对齐结果的步骤。

5.根据权利要求4所述基于两两对齐的多语种句对齐方法，其特征在于，步骤二中对每个语种的文本进行句子分割的方法为：

步骤二一：用于将每个语种的文本中所有的时间标识和换行符删除，获得所有句子均合并为一行的文本的步骤；

步骤二二：用于对步骤二一获得的文本中所有字符进行扫描，扫描所有表示语句结束的符号，然后根据所述符号将文本分割成若干条句子，每条句子作为一个独立的单语种句子的步骤。

6.根据权利要求4所述基于两两对齐的多语种句对齐方法，其特征在于，步骤四中对两两对齐结果中的差异部分进行识别的方法为：

步骤四一：用于将集合A中所有两两对齐的句子放入索引表中进行索引的步骤；

步骤四二：用于判断所有两两对齐的句子是否冲突，并将冲突的两两对齐句子标记为冲突的步骤。

7.根据权利要求6所述基于两两对齐的多语种句对齐方法，其特征在于，步骤四一所述的索引表包括四层，第一层为源语言的语种序号i；第二层为目标语言的语种序号j；第三层为所有两两对齐句子中，源语言句子的标识N_i；第四层为与N_i两两对齐的目标语言句子的标识N_j。

8.根据权利要求6所述基于两两对齐的多语种句对齐方法，其特征在于，步骤四二所述判断所有两两对齐的句子是否冲突的方法为：

根据索引获得的结果，当N_i-N_j的值为0时，则构成一个冲突。