严灿勋

(解放军外国语学院 语言工程系，河南 洛阳 471003)

二分图顶点配对模型下的英汉句子对齐研究

严灿勋

(解放军外国语学院 语言工程系，河南 洛阳 471003)

英汉平行文本句子对齐可以视为一个二分图顶点配对模型。利用完全基于英汉词典的双语句子相关性评价函数，能够对二分图的“顶点对”进行加权。该文提出的顶点配对句子对齐方法首先获取二分图全局最大权重顶点配对作为临时锚点；在此基础上，根据句子先后顺序，局部最大权重顶点配对和英汉句长比的值域范围，纠正临时锚点中的错误，补充锚点序列未覆盖的合法顶点对，同时划分句对，实现句子对齐处理。在对比实验中该句子对齐方法优于Champollion句子对齐系统。从实验对比结果和实践效果看，该句子对齐方法可行。

句子对齐；双语词典；平行文本；二分图；顶点配对；顶点对

1 引言

英汉汉英句子对齐平行语料库在英译汉和汉译英翻译训练、英语教学、英汉汉英词典编纂、英汉汉英计算机辅助翻译，以及围绕英汉汉英进行的各项自然语言处理工作中有着广泛的应用[1-2]。在进行短语、词汇对齐前一般也需要首先实现句子对齐。句子对齐平行语料是效用最大的平行语料[3]。

常见的句子对齐方法有三种： (1)基于句长的方法，有根据单词个数计算句长的[4]，也有根据字符长度计算的[5]； (2)基于双语词汇互译信息的方法，词汇互译信息的获取有基于语料的[6-8]，也有基于双语词典的[3]； (3)句长和双语词汇互译信息混合的方法[9-11]。……