王东明，徐金安，陈钰枫，张玉洁

(北京交通大学 计算机与信息技术学院，北京 100044)



基于单语语料的面向日语假名的日汉人名翻译对抽取方法

王东明，徐金安，陈钰枫，张玉洁

(北京交通大学 计算机与信息技术学院，北京 100044)

命名实体的翻译等价对在跨语言信息处理中非常重要。传统抽取方法通常使用平行语料库或可比语料库，此类方法受到语料库资源的质量和规模的限制。在日汉翻译领域，一方面，双语资源相对匮乏；另一方面，对于汉字命名实体，通常使用汉字对照表；对于日语纯假名的命名实体，通常采用统计翻译模型，此类方法受到平行语料库的质量和规模的限制，且精度低下。针对此问题，该文提出了一种基于单语语料的面向日语假名的日汉人名翻译对自动抽取方法。该方法首先使用条件随机场模型，分别从日语和汉语语料库中抽取日语和汉语人名；然后，采用基于实例的归纳学习法自动获取人名实体的日汉音译规则库，并通过反馈学习来迭代重构音译规则库。使用音译规则库计算日汉人名实体之间的相似度，给定阈值判定人名实体翻译等价对。实验结果表明，提出的方法简单高效，在实现系统高精度的同时，克服了传统方法对双语资源的依赖性。

机器翻译；命名实体；日语假名；归纳学习法；音译

1 引言

命名实体是标识某一特定实体的词或词组，其主要包括人名、地名和组织机构名等[1]，是自然语言的重要信息载体，在机器翻译、信息检索、问答系统以及跨语言信息处理等研究领域至关重要。……