ترازبندی پیکره تطبیقی دو زبانی انگلیسی فارسی حوزه فاوا در سطح جمله و کلمه

در زبانشناسی رایانه ای مهمترین مرحله ساخت پیکرههای چند زبانی ترازبندی داده های پیکره است. در این مقاله روشی برای ترازبندی جمله های پیکره فارسی تخصصی حوزه فاوا (ICT) و جملات انگلیسی پیکره تخصصی حوزه فاوا ارائه شده است. هدف ما در این پروژه طراحی یک سیستم ترازبندی برای استخراج جمله های متناظر دو زبان است. در این روش ما با استفاده از یک لغتنامه دو زبانی که خودمان ایجاد کرده ایم و تکنیک lcs ، امتیازی را که نشان دهنده شباهت دو جمله است، محاسبه می کنیم. این امتیاز میزان شباهت دو جمله را نشان می دهد. در نهایت اطلاعات مربوط به نگاشت جمله های دو مجموعه ی انگلیسی و فارسی در پایگاه داده پیکره ذخیره می گردد. آزمایشات نشان می دهد که این تکنیک علاوه بر اینکه از نظر دقت بسیار قوی است، تعداد جمله های کاندید را نیز کاهش می دهد

کلیدواژه ها:

ترازبندی جمله (Sentence alignment) ، پیکره تطبیقی ، بلندترین زیر دنباله مشترک ( LCS)