面向汉英机器翻译的双语语料库的建设及其管理

近年来，在语言信息处理的研究和开发中，单语和多语语料库（主要是双语语料库）的作用日益突显出来。为了支持一项正在进行的汉英机器翻译系统的开发，我们建立了一个汉英双语语料库。本文简要介绍了该语料库的建设和管理情况。  

基于长度和位置信息的双语句子对齐方法

提出了一种利用句子长度和位置信息的双语句子对齐方法,该方法的根本思想是:一定长度的句对在双语文本中的位置分布是相似的,利用(1∶1)型的句珠代替高频词作为候选锚点,使这种方法具有通用性.利用多种形式的测试数据进行的评价结果显示,这种方法有着良好的健壮性和语言无关性,有效地解决了双语真实文本的句子对齐问题.  

词性标注规则的获取和优化

本文提出一种词性标注规则自动学习算法。通过对规则进行评价、优化，有效提高标注正确率和标注效率。系统对PFR标注语料库进行标注，相对于NA假设的词性兼类消歧模型标注结果，封闭测试正确率提高了5.53％，开放测试提高了4．57％。  

基于汉英双语语料库的翻译等价单位自动获取研究

双语语料库在机器翻译或机器辅助翻译研究中的重要作用已经越来越多地得到研究人员的认可。本文探讨了如何利用汉英双语语料进行汉英翻译等价单位的抽取，提出了基于词语关联度进行多词组合单位的识别方法，并利用假设－检验的方法，在汉英双语语料库中抽取翻译等价单位。本文还对不同的关联度量方法进行了对比，并提出利用范畴假设改进抽取算法的效率。  

基于Web语料挖掘技术及其系统设计

提出了将XML技术与Web挖掘相结合、根据研究者的个人需求制定个性化的Web语料挖掘系统框架和实现方案，并给出了面向法律领域的Web语料挖掘系统IawsMiner的案例。  

学习者语料库及其在外语教学中的应用价值

学习者语料库是通过收集语言学习者各种笔语和口语的自然语料而建立起来的一种语言学习数据库。其研究方法包括中介语对比分析和计算机辅助错误分析。作为一种专用语料库,学习者语料库对学习者的语言学习和教师的外语教学可以起到积极的反拨作用。  

统计与神经网络相结合的词义消歧模型

介绍了一种基于BP神经网络和统计方法相结合的有导词义消歧模型，阐述了BP神经网络原理，通过对使用这种混合人工智能的消歧模型的可能性和优越性进行了讨论，最后通过试验发现实际和预测结果的误差并不随着试验迭代次数而递减，而是实际误差随着次数的增加在零的附近呈现波动状态，即使用很少的迭代次数也可以得到比较好的结果。  

基于经验主义的语料库研究

语料库研究是建立在经验主义哲学的基础之上的。语料库给语言学研究提供了无比丰富的语言资源，它有优点，也有不足。因此，在语料库研究中，我们应当把经验主义方法和理性主义方法紧密地结合起来。本文介绍了国内外语料库研究的历史和现状，指出树库建设将成为今后语料库研究的一个新的发展趋势。  

无监督的动态分词方法

介绍了一种变长汉语语料自动分词方法，这种方法以信息理论中极限熵的概念为基础，运用汉字字串间最大似然度的概念，对汉语语料进行自动分词。讨论了这些方法的局限性，并列出了一些试验结果。  

信息领域汉英术语的特征及其在语料中的分布规律

在对 725万字的信息领域专业文献中带英文注释的术语（汉英术语）进行了人工标记，然后利用程序提取汉英术语及其前界环境（前至少 4个汉字）的工作基础上 ,本文对汉英术语的自身特征和前界环境进行了分析，目的是为术语的自动抽取提供规则及相关统计数据。