基于知識本體的俄漢可比語料庫建設與應用研究

　　可比語料庫作為近年來語料庫研究的熱點方向之一，可廣泛應用于語言學研究和自然語言處理領域。本體是一種基于語義網(wǎng)技術(shù)的知識表示方法，它與可比語料庫的融合式研究是對可比語料獲取、組織和應用方法的一次革新，將更好地發(fā)揮可比語料庫的效能并擴展其應用領域。經(jīng)過前期調(diào)查分析，國內(nèi)外鮮有俄漢可比語料庫相關(guān)研究，未見基于本體的俄漢可比語料庫相關(guān)成果。本研究首先在理論層面分析了可比語料庫研究的現(xiàn)存問題，提出將本體引入可比語料庫研究的思路，并以此為基礎提出了基于本體的可比語料庫理論構(gòu)想。隨后在實踐層面將該理論構(gòu)想運用到了面向俄漢可比語料庫的烏克蘭事件多語言復合型本體構(gòu)建、基于該本體的俄漢新聞及維基百科可比語料獲取、語料庫構(gòu)建和語料庫應用等核心問題的研究中。本研究所取得的成果：一，本研究所提出的基于本體的可比語料庫理論構(gòu)想由“一對關(guān)系、三個模型和四個問題”組成，闡釋了本體與語料的層次關(guān)系，建立了基于本體的單語料、語料庫和語料可比關(guān)系模型，在理論上討論了面向可比語料庫的本體構(gòu)建、基于本體的可比語料獲取、語料庫構(gòu)建和語料庫應用問題。第二，本研究所構(gòu)建的面向俄漢可比語料庫的烏克蘭事件多語言復合型本體（мопкус）由表征領域知識和描述存儲語料的2大類及8個子類組成，包含數(shù)據(jù)屬性46個，對象屬性9個，實例60733個（領域知識類實例4525個，語料描述類實例56207個）。第三，本研究所構(gòu)建的基于MO幾KYC的俄漢可比語料庫包含新聞原始語料3554篇，維基百科原始語料1670篇，其中包括中文語料163萬字，俄文語料132萬詞；以領域相同、發(fā)布時間相似對齊俄漢新聞可比語料文本50148對，以俄漢維基語言鏈接對齊維基百科可比語料文本835對，并對俄漢語料各層面的可比程度進行了評估計算，為語料庫的應用奠定了堅實的數(shù)據(jù)基礎。第四，在所構(gòu)建的基于本體的俄漢可比語料庫基礎上探討了三個應用問題：復雜語料調(diào)用與語義查詢、基于多維度特征的可比度評估以及跨語言文本推薦與信息整合，并研制了相關(guān)軟件系統(tǒng)。

暫缺《基于知識本體的俄漢可比語料庫建設與應用研究》作者簡介