[发明专利]汉越双语平行语料自动采集的系统及实现方法在审
| 申请号： | 201510407507.3 | 申请日： | 2015-07-13 |
| 公开（公告）号： | CN104933194A | 公开（公告）日： | 2015-09-23 |
| 发明（设计）人： | 温家凯;农强;刘连芳;卢梁春 | 申请（专利权）人： | 广西达译商务服务有限责任公司;南宁市平方软件新技术有限责任公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京科亿知识产权代理事务所(普通合伙) 11350 | 代理人： | 张锋 |
| 地址： | 530007 广西壮族*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种汉越双语平行语料自动采集的系统及实现方法，包括汉越双语平行信息的自动发现、自动提取、自动整理，首先，制定需要采集语料的关键词组，通过搜索引擎搜索网站，采集网页得到搜索结果，对搜索结果的信息进行过滤和筛选后，将经过滤得搜索结果存储于搜索结果数据库；其次，通过访问搜索结果数据库里的网页，自动提取汉越双语平行信息；最后，针对自动提取的汉越双语平行信息，进行数据过滤，并将经过过滤处理后的汉越双语平行数据存放到汉越双语平行语料库。本发明为汉越语言研究和机器翻译应用提供重要基础数据，解决了语料采集人员和研究人员所面临的数据来源的问题，为双语语料自动采集的发展和汉越自然语言处理做出了杰出的贡献。 | ||
| 搜索关键词： | 双语 平行 语料 自动 采集 系统 实现 方法 | ||
【主权项】：
一种汉越双语平行语料自动采集的系统，包括汉越双语平行信息的自动发现模块、自动提取模块、自动整理模块，其特征在于：（1）自动发现模块：实现汉越双语平行语料自动发现的功能，制定需要采集语料的关键词组，通过搜索引擎搜索网站，采集网页得到搜索结果，对搜索结果的信息进行过滤和筛选后，将经过滤得搜索结果存储于搜索结果数据库；（2）自动提取模块：实现汉越双语平行语料自动提取的功能，通过访问搜索结果数据库里的网页，自动提取汉越双语平行信息；（3）自动整理模块：针对自动提取的汉越双语平行信息，进行数据过滤，并将经过过滤处理后的汉越双语平行数据存放到汉越双语平行语料库。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广西达译商务服务有限责任公司;南宁市平方软件新技术有限责任公司，未经广西达译商务服务有限责任公司;南宁市平方软件新技术有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201510407507.3/，转载请声明来源钻瓜专利网。
