摘要：利用自然语言处理的各种技术完成濒危语言的口语记音、转写、标注和翻译是保护国家濒危语言非物质文化遗产的主要途径。濒危语言是低资源语言，在机器翻译过程中，构建其语言模型面临的主要问题是语料不足。以濒危语言——吕苏语的语料作为被扩展对象，首先提取吕苏语的关键词，然后依据提取的关键词在静态网页下爬虫获取大量的中文文本，最后通过基于最小哈希的Jaccard算法来计算吕苏语语料与获取的中文文本之间的相似度，将相似度较高的中文文本作为吕苏语的汉语平行扩展语料。这一过程有效地解决了濒危语言在机器翻译过程中的语料不足问题。
分类：期刊> 自然科学与工程技术> 信息科技> 计算机软件及计算机应用
收录：北大期刊(中国人文社会科学期刊) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：濒危语言 吕苏语 语料扩展 平行语料库
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
