[发明专利]具有领域定制功能的术语译文挖掘系统及方法

权利要求书

1.一种具有领域定制功能的术语译文挖掘系统，其特征在于：包括学习训练单元和术语译文挖掘单元，

学习训练单元：包括输入子单元和训练子单元，

输入子单元：输入领域种子用以输入用户指定领域的小规模汉英关键词翻译列表，用以作为学习训练的种子；

训练子单元：从互联网获取用户指定领域的双语网页资源并得到该领域的双语翻译对；训练子单元包括双语网站和网页识别模块、双语资源噪声过滤模块、双语网页领域相似度计算模块、翻译句对抽取模块，

双语网站和网页识别模块：采用基于关键词的领域定制模型，首先输入一个特定领域的汉英关键词翻译列表，利用通用搜索引擎建立相关站点集，再利用采集器对每个站点及其相关链接进行扩展查找，形成原始的特定领域的双语网页集，使用向量空间模型对原始双语网页集进行初步过滤形成候选双语网页；

双语资源噪声过滤模块：基于机器翻译特征进一步过滤获取的双语噪声对；

双语网页领域相似度计算模块：计算候选双语网页的领域相似程度，将候选双语网页分成平行网页、可比网页，同时过滤掉不相关的候选网页；

翻译句对抽取模块：利用获取的平行网页和可比网页进一步抽取出双语翻译对，形成对齐的双语文本；

术语译文挖掘单元：采用自反馈、增量式的领域术语翻译自动获取方法，根据接收到的领域术语关键词得到对应的译文并输出；术语译文挖掘单元包括自动获取翻译候选单元模块和选择最终译文模块，

自动获取翻译候选单元模块：从取出的双语翻译对中选择合法的翻译候选单元；

选择最终译文模块：经过筛选和排序，得到最终译文。

2.如权利要求1所述的具有领域定制功能的术语译文挖掘系统，其特征在于：在自动获取翻译候选单元模块中，具体为：首先以领域术语、关键词或命名实体，及其翻译作为种子，进行给定领域双语语料库的自动获取；然后，根据获取的双语语料库采用传统的术语翻译获取方法实现领域术语翻译的自动获取；根据获取的术语翻译去获取更大规模的领域双语语料库，再进行新一轮的术语翻译获取；如此经过多次反馈，增量式地获得领域双语语料库及领域术语翻译。

3.一种实现权利要求1或2所述系统的具有领域定制功能的术语译文挖掘方法，其特征在于，包括以下步骤：

S1、候选双语混合网页的选取；步骤S1具体为：采用基于关键词的领域定制模型，首先输入一个特定领域的汉英关键词翻译列表，利用通用搜索引擎建立相关站点集，再利用采集器对每个站点及其相关链接进行扩展查找，形成原始的特定领域的双语网页集，使用向量空间模型对原始双语网页集进行初步过滤形成候选双语网页；

S2、双语混合网页中双语资源抽取；步骤S2中，双语混合网页中双语资源抽取为基于机器翻译特征进一步过滤步骤S1获取的双语噪声对；

S3、双语网页领域相似度的计算，计算候选双语网页的领域相似程度，将候选双语网页分成平行网页、可比网页，同时过滤掉不相关的候选网页；

S4、基于双语网页的翻译句对抽取，利用获取的平行网页和可比网页进一步抽取出双语翻译对，形成对齐的双语文本；

S5、基于领域双语语料库的术语翻译的自动获取，采用自反馈、增量式的领域术语翻译自动获取方法，根据接收到的领域术语关键词得到对应的译文并输出。

4.如权利要求3所述的具有领域定制功能的术语译文挖掘方法，其特征在于： 步骤S5中，采用自反馈、增量式的领域术语翻译自动获取方法，具体为：首先以领域术语、关键词或命名实体，及其翻译作为种子，进行给定领域双语语料库的自动获取；然后，根据获取的双语语料库采用传统的术语翻译获取方法实现领域术语翻译的自动获取；根据获取的术语翻译去获取更大规模的领域双语语料库，再进行新一轮的术语翻译获取；如此经过多次反馈，增量式地获得领域双语语料库及领域术语翻译。