徐润华，王东波

(1.金陵科技学院人文学院, 江苏 南京 210038； 2.南京农业大学信息管理学院, 江苏 南京 210095)

随着信息化时代的到来，基于Web的信息获取技术得到迅速发展,从拥有海量信息资源的互联网中获取有效的数据和知识以便更好地服务基础和应用研究成为一种趋势。英汉双语句子级平行语料库的构建有助于跨语言检索自动衍生英汉双语词典和潜语义自动标注,可以为辅助机器翻译和机器翻译系统的开发提供基本语法、语义和语用素材,也有助于英汉双语词典编纂者选取例证和确定词目。利用Web资源可以获取大量非结构化和结构化的英汉双语句子信息，从而达到构建更高质量英汉平行语料库的目的。

一、研究综述

传统的语料库加工主要依靠人工，费时费力且不便于数据更新。在搜索引擎和数据挖掘技术的推动下,利用互联网Web的双语平行资源自动构建语料库的方法逐渐引起学者们的注意。黄苏豪[1]提出一种利用互联网自动构建英汉平行语料库的系统设计及实现方法。该方法优化了双语网页对文本的句子抽取和对齐的效果, 并在此基础上开发完成了语料检索平台，实现了检索服务。但是该平行语料库未对收录资源进行深度加工，对后续研究利用缺乏有力支撑。韩名利[2]重点探讨了《庄子》英译的翻译策略与方法，并提出了语料收集、对齐、标注、检索等操作的具体方案,拓宽了古籍文献的英译研究思路,但也存在语料规模较小的局限性。……