Resumen

Con el continuo avance de la tecnología, la cantidad de información y conocimiento difundidos en Internet cada día se ha desarrollado varias veces. Al mismo tiempo, también se ha producido una gran cantidad de datos bilingües en el mundo real. Estos datos son sin duda un gran activo para la investigación en traducción automática estadística. Basándose en la selección de corpus de calidad de oraciones duales, se proponen dos estrategias de selección de corpus, primero basadas en el método de proporción de longitud de pares de oraciones dobles y en el método de información de alineación basada en palabras. La innovación de estos dos métodos es que no se necesitan recursos lingüísticos adicionales como diccionario bilingüe y analizador sintáctico como auxiliares. No se requiere intervención manual, y los pares de oraciones de baja calidad pueden ser seleccionados automáticamente y pueden aplicarse a cualquier par de idiomas. En segundo lugar, se propone un método adaptativo de dominio basado en corpus masivo. El método basado en corpus masivo utiliza el mecanismo de corpus masivo

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Avance; Información; Datos bilingües; Traducción automática; Selección de corpus; Adaptación de dominio.
• Keywords:Advancement; Information; Bilingual data; Machine translation; Corpus screening; Domain adaptive.