Teksta korpusu datoranalīze dažādu valodu terminu ekvivalences noteikšanai

Abstract

Apvienojot vairākas divvalodu terminoloăijas datubāzes vienā daudzvalodu datubāzē, nepieciešams vienā ierakstā apvienot vienam un tam pašam jēdzienam atbilstošos dažādu valodu terminu ierakstus. Lai identificētu šādus ierakstus, nepieciešams par terminiem dažādās valodās noskaidrot, vai tie ir ekvivalenti. Bakalaura darbā ir mēăināts šo problēmu risināt ar teksta korpusu datoranalīzi. Autors izstrādājis vairākas metodes terminu ekvivalences noteikšanai, balstoties uz teksta korpusu apstrādē iegūtiem statistiskiem datiem. Šīs metodes ar datoreksperimentu palīdzību ir notestētas un ir izanalizēti rezultāti.

When merging multiple bilingual terminology databases into one multilingual, it is necessary to combine corresponding terms of different languages denoting the same concept into one record. A method for determining term equivalence is needed to identify such records. In the work this problem is being solved by using corpus based analysis. Author has developed multiple methods for determining term equivalence using statistical data from text corpora. These methods have been tested and the results have been analysed.