【毕业设计day02】

未完全理解，摸索中...

当语料库预处理完毕后，才能进行翻译。

3种对象：

- 语料库：语料库信息须预处理后，被TreeTagger进行词性标注
- 词典文件：词典中单词，编号并合并。

- 停用词：

1种功能：

- 对新词进行翻译：
对获取的词语进行标注，更新词语编号信息；
在文档层面上，获取所有的 word-count & word-context 信息
合并语料库信息
在语料库水平上，提取相关的 word-count & word-context 信息，为后续的词典提取做准备

工具：
- TreeTagger ：词性标注器,对句子中的词语进行词性标注
- straberry perl：windows下的perl程序，可编译后缀名为pl的脚本文件。

可比语料库 新词翻译 系统：
1. 将从语料库目录中导入的两种语言的语料库，分别进行预处理，
2. 将两种语言的停用词从语料库中删去，提高预处理效率。
3. 词典文件中，


语料库相关资料：

1. 语料库中存放的是在语言的实际使用中真实出现过的语言材料；语料库是以电子计算机为载体承载语言知识的基础资源；真实语料需要经过加工（分析和处理），才能成为有用的资源。

2. 可比语料库（comparable corpus）是由具有某些相同属性的文本构成，双语可比语料库是由具有某些相同属性的文本构成，双语可比语料库是由某些具有相似性的两种语言文本构成，比如，不同网站同一天、同一主题的中文和英文新闻，其中中文和英文均为原文，双语可比语料库的两种语言的文本，完全是不同撰稿人或记者用母语对事件的描述。可比语料库不存在平行语料库中译文受原文限制的缺点，极有希望从双语可比语料库中提取真正对应的双语词对。