[发明专利]双语语料库的数据扩充方法和装置

摘要

本发明公开了一种双语语料库的数据扩充方法和装置。所述双语语料库的数据扩充方法包括在源语言‑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；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；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；将组合形成的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。本发明对双语语料库中的数据进行扩充，解决了双语语料库中的数据稀疏问题。

主权项

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。