基于大规模术语语料库对译稿自动碎片化分类的方法

摘要

本发明提供了一种基于大规模术语语料库对译稿自动碎片化分类的方法，包括：对译稿进行分词处理，去除停用词，获得其关键词集合，提取译稿每段的各个关键词，建立每个段落与其包含的各个关键词的对应关系；将所述译稿的各个关键词逐个在术语语料库中匹配，将每个关键词匹配的术语的行业类别属性，作为该关键词在其对应的每个段所归属的行业类别属性；根据所述对应关系，确定每个段包含相同的最多的行业类别属性；将最多的行业类别属性对该段分类。由于译稿的词语数要远小于术语库的词语数；且术语库具备按字母顺序查找的功能，在其中进行关键词匹配不需要采用模式匹配算法，可以极大的减少查询时间。缩短对译稿碎片化的时间，提高碎片化效率。

主权项

一种基于大规模术语语料库对译稿自动碎片化分类的方法，其特征在于，包括：提取译稿每段的各个关键词，建立每个段落与其包含的各个关键词的对应关系；将所述译稿的各个关键词逐个在术语语料库中匹配，将每个关键词匹配的术语的行业类别属性，作为该关键词在其对应的每个段所归属的行业类别属性；根据所述对应关系，确定每个段包含相同的最多的行业类别属性；将最多的行业类别属性对该段分类。