[发明专利]语料生成方法、装置、系统、设备和可读存储介质

权利要求书

1.一种语料生成方法，其特征在于，包括：

获取不同语言的文学作品以及文学作品的特征数据；

根据所述文学作品的特征数据将不同语言的文学作品进行匹配，以获得不同语言的文学作品对；

利用所述不同语言的文学作品对，获得不同语言的语料对。

2.根据权利要求1所述的方法，其特征在于，所述文学作品的特征数据包括：文学作品的标题、作者、摘要、篇章名称中的一种或多种。

3.根据权利要求2所述的方法，其特征在于，所述根据所述文学作品的特征数据将不同语言的文学作品进行匹配，以获得不同语言的文学作品对，包括：

获得不同语言的文学作品的标题之间的映射关系；

获得不同语言的文学作品的作者之间的映射关系；

根据所述标题之间的映射关系以及所述作者之间的映射关系将不同语言的文学作品进行匹配。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

计算不同语言的文学作品的标题之间的相似度；

计算不同语言的文学作品的作者之间的匹配度；

通过预设方式对所述标题之间的映射关系、所述标题之间的相似度、所述作者之间的映射关系和所述作者之间的匹配度进行加权计算，得到不同语言的文学作品对。

5.根据权利要求4所述的方法，其特征在于，所述计算不同语言的文学作品的标题之间的相似度，包括：

根据预设的多种语言的互译词典计算不同语言的文学作品的标题之间的相似度的第一相似度得分；

根据预设翻译工具对不同语言的文学作品的标题进行翻译，得到翻译结果；

对翻译结果以及待匹配的文学作品的标题进行分词和重合度计算，计算不同语言的文学作品的标题之间的相似度的第二相似度得分；

对所述第一相似度得分和所述第二相似度得分进行加权计算，以得到不同语言的文学作品的标题之间的相似度。

6.根据权利要求4所述的方法，其特征在于，所述计算不同语言的文学作品的作者之间的匹配度，包括：

根据预设注音方案对不同语言的文学作品的作者进行音译以获得音译作者名称；

根据所述音译作者名称与待匹配文学作品的作者名称是否一致计算不同语言的文学作品的作者之间的匹配度。

7.根据权利要求4所述的方法，其特征在于，所述方法还包括：

计算不同语言的文学作品的摘要之间的相似度；和/或

计算不同语言的文学作品的特定部分的内容之间的相似度；

对所述标题之间的映射关系、标题之间的相似度、作者之间的映射关系、作者之间的匹配度、摘要之间的相似度、和/或特定部分的内容之间的相似度进行加权计算，获取包含不同语言的文学作品对。

8.根据权利要求2所述的方法，其特征在于，所述利用所述不同语言的文学作品对，获得不同语言的语料对，包括：

根据所述文学作品的篇章内容和篇章名称对文学作品对中的不同语言的文学作品的篇章进行对齐；

从文学作品中的已对齐的篇章中生成包含不同语言的对应句的句组；

根据预设句组筛选规则，基于句组中的对应句之间的长度比和/或相似度对所述句组进行筛选；

根据筛选出的符合句组筛选规则的句组生成语料对。