如何创建一个英汉双语语料库？如何创建一个任意两种语言的语料库？.docx

如何创建一个英汉双语语料库？如何创建一个任意两种语言的语料库？.docx

《如何创建一个英汉双语语料库？如何创建一个任意两种语言的语料库？.docx》由会员分享，可在线阅读，更多相关《如何创建一个英汉双语语料库？如何创建一个任意两种语言的语料库？.docx（3页珍藏版）》请在冰豆网上搜索。

如何创建一个英汉双语语料库？

如何创建一个任意两种语言的语料库？

构建一个英汉双语语料库的主要步骤如下：

1、语料准备。

准备英汉对照的双语文档。

可以是两个文档，其中一个英文，一个中文；也可以是英中上下对照或左右对照的单文档。

无论是双文档还是单文档，都要注意原文与译文需要严格对照，这是后续软件识别的重要基础。

文档格式可以是office系列格式等，但最好是word这种简单的容易识别的格式。

如：

我们在word中准备一篇英中双语对照的文档。

2、语料对齐。

关于语料对齐，我以前专门写过一篇文章：

如何用最简单的方法创建双语平行语料库？

里面讲了几种对齐工具，我推荐的是Tmxmall在线对齐。

Tmxmall对齐功能的具体操作步骤我也写过文章，可参考：

双语平行语料库人工对齐工具说明│TmxmallAligner

我们准备好的英中文档对齐效果如下，将对齐好的文档导出，存为tmx格式。

3、在trados等CAT工具中新建翻译记忆库，把之前保存好的tmx文件导入即可。

以上就是自己构建一个英汉双语语料库的方法。

上述方法同样适用于建立中英语料库或其他任意语言对的语料库，如俄中、中俄、中葡、中日等等，只要在操作的时候选择对应的源语言和目标语言即可。

除了自己对齐语料存为tmx格式外，也可以直接购买Tmxmall公有云包月服务（里面有千万级句对的语料资源可供翻译时提取），或在Tmxamll语料商城上按需购买其他人放上去的各专门领域的语料库。