基于多特征融合的先秦典籍汉英句子对齐研究

作者：梁继文; 江川; 王东波^*

来源：数据分析与知识发现, 2020, 4(09): 123-132.

• 句子对齐
• 多语言信息处理
• 汉英平行语料
• 先秦典籍
• 数字人文

【目的】实现先秦典籍古文-英文双语句子自动对齐,为构建典籍双语句级平行语料库、跨语言检索提供支持。【方法】将典籍汉英句子自动对齐问题视为候选句对分类问题,根据实验语料特点,结合已有研究选取对齐句对特征,基于"整体分类"与"序列标注"两种不同的理念,识别候选句对中的对齐句对。【结果】在序列标注实验中,LSTM-CRF模型的句子对齐效果最佳F值为92.67%;在整体分类实验中,SVM识别效果最佳F值为90.63%;在特征组合实验中,同时使用4种特征的F值为91.01%,效果优于其他特征组合。【局限】有待补充类型更丰富的原始语料。【结论】融合4种特征的LSTM-CRF神经网络模型能够有效识别古文-英文对齐句对,实现典籍双语句子自动对齐。

• 单位
  南京农业大学; 南京大学