本文就制定《信息处理用现代汉语词类标记集规范》阐述我们对于规范问题的看法和做法。规范不是强制的 ,只规范加工结果 ,不规范加工过程。《规范》研制的目的在于为中文信息处理研究提供一套可以作为国家规范的现代汉语词类标记集体系 ,以便各个中文信息处理系统能够使用规范统一的词类标记集。这个《规范》试图解决词类标记的统一问题 ,该《规范》的特点是 :继承性 ,单功能性 ,通用性和可扩充性。本文还主要讨论了关于研制规范的一些原则性问题和小类标记问题 ,最后给出基于《规范》的词性标注在真实语料中的覆盖实验数据。
介绍了MTS2000英汉机器翻译系统中译文选择和转换生成的实现策略.基于句法结构的译文选择将句法上下文集合视为词包,统计集合中各词的词信息和词性信息作为上下文特征,以Bayes最小错误概率公式作为评价函数选择译文.基于规则的转换生成模块在句法分析树的基础上,利用词性、语义,甚至词特征进行源语言句法树向目标语句法树的转换.
本文首先介绍了我们在“面向新闻领域的汉英机器翻译系统”中语言资源建设的总体框架,然后着重介绍了其中扩充词典的建设方法。扩充词典是相对于核心词典而言的,特点是词汇量大,每个词的信息相对较少。扩充词典的建设包括以下几个阶段:收集;格式整理;词条拆分;词性标记归一化;词性标记补齐;词条合并。实验结果表明,采用这种方法,利用较少的人工,就可以得到规模很大、并初步可用的双语机器翻译词典,并且这部词典可以大大减少翻译中未定义词的数量,提高翻译的质量.
