双语短语库建设

1、双语短语库建设n为什么建设双语短语库n短语库收录原则n短语库的工作基础n短语库的描述内容n短语库的一致性检查n短语库的样例n短语库的应用为什么建设双语短语信息数据库？n(1)短语分析失败导致整个句子分析失败，整个句子不能正确翻译。n(2)很多短语作为一个整体进行翻译，不能通过逐词的方式翻译。n(3)即使可以进行逐词翻译，义项选择问题n(4)机器翻译要覆盖真实文本，资源积累很重要。收录原则n出现频率较高n新闻领域优先n不能逐词对译的短语n短语组成成分歧义较多的短语n以收集np、vp为主，兼顾其它类型n有歧义的结构作多条处理n英文原则上不是释义，而是翻译等价物n兼顾成语、专有名称工作基础nICL原

2、短语库（ 44869 ）n短语对齐语料库中提取的双语短语从双语对齐语料库中提取9447条，经过筛选得到8365条n探索将来自动提取翻译等价短语ICL短语库情况n三个库共103635个短语n其中44869条是双语的，描述内容：（1）切词信息（2）词性信息（3）拼音信息（4）英语翻译n 信息有点少短语库描述内容（1）汉语短语的切词信息；（2）汉语短语的组成单词的词性信息；（3）汉语短语的句法类；（4）汉语短语的中心词信息；（5）汉语短语直接组成成分间的句法关系； （6）英语短语的切词信息； （7）英语短语的组成单词的词性信息； （8）英语语短语的句法类； （9）英语短语的中心词信息；（10）汉英短

3、语对的若干属性信息。是否成语、习用语、人名、地名、商标字号等等 汉语词类的设置n采用ICL/PKU标记集合n取消了非功能标记i、j 、l、g等n实际采用21个标记汉语句法类设置n使用了9个短语类（1）动词短语：vp（2）名词短语：np（3）小句： dj（4）形容词短语：ap（5）数量短语：mp (6) 介词短语：pp (7) 处所短语：sp (8) 时间短语：tp (9) 副词性短语：dpn标记名称和规则引擎一致汉语短语组成成分间内部句法关系n只标记短语最高层直接组成成分之间的句法关系 n共设有9类关系（1）定中关系 DZ（2）述宾关系 SB（3）述补关系 SBU（4）并列关系 LH（5）主谓

4、关系 ZW（6）连谓关系 LW（7）状中关系ZZ（8）的字结构DE（9）介宾结构 JB关于短语中心词的规定n有些短语类的中心词容易确定，大家认识一致，如名词短语、动词短语n有些短语类的中心词确定没有统一认识，采用规定的方式，如介词短语、连谓结构、并列结构等等英语短语的词类设置n37个标记n采用Upenn标记英语短语类设置n设置6类（1）名词短语 NP（2）动词短语 VP（3）形容词短语 AdjP（4）副词短语 AdvP（5）介词短语 PP（6）小句 CS一致性检查n并列结构是多中心的，可有多个中心词；其余的结构有并且只能有有并且只能有一个中心词。n不允许出现 i,j,l,Ag等词性标记 n词类

5、、短语类和结构关系类是封闭的n短语类和结构关系之间的一致性n 检查短语类和中心词词性的一致性样例（目前）ZH_PHRASEZH_PHRASEZH_PHRASE_CZH_PHRASE_CATEGORYATEGORYZH_GRAM_RELATIOZH_GRAM_RELATION NEN_PHRASEEN_PHRASEN NR RN NS SN NT TN NM MN NZ ZI IJ JL L!谎报/v 年龄/n vpSBlie about ones age !虚报/v 年龄/n vpSBlie about ones age 征兵/v !年龄/nnpDZconscription age; age for enlistment 最低/a !年龄/n npDZminimum age 法定/b !年龄/n npDZlawful age; legal age !达到/v 法定/b 年龄/n vpSBcome of age 未/d !达到/v 规定/v 年龄/nvpZZunder