摘要：為了構建面向電力行業(yè)信息系統的漢維哈自動翻譯引擎，需要構建大量的漢維哈語種的平行語料庫。該文中，設計與實現了漢維哈平行語料庫構建系統的文檔導入及對齊功能。文檔導入登記文檔的屬性，并對文檔進行拼寫檢查等編輯操作，文檔對齊對漢語文檔與維吾爾語或哈薩克語文檔建立對齊關系。

關鍵詞： 電力； 漢語； 維吾爾語；哈薩克語；文檔對齊

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2014）36-8657-02

新疆維吾爾自治區(qū)的電力系統員工及用電群眾中都有漢語水平較差的少數民族群眾，為了給各族員工和群眾提供多語種的信息系統服務，新疆電力公司要求面向用戶的信息產品必須提供漢、維、哈語種的操作界面。為了提高系統開發(fā)速度、充分利用已翻譯的資源和統一電力術語的譯文，設計與開發(fā)了面向電力系統的信息系統漢語菜單、提示自動翻譯引擎。

1 漢維哈文檔對齊工具的設計與實現

文檔是所有語料庫建設工作的基礎，也是目前自然語言處理能夠考慮的最大的單元。為了構建機器翻譯系統需要構建大量的平行語料庫。因為維吾爾文在線平行語料庫不多，所以需要從出版社、日報社、有關行業(yè)單位收集圖書、雜志或文件等，對其進行文檔、句子級別的對齊處理，所以本文中設計與實現了整理文檔、編輯文檔及對齊文檔的工具軟件。

1.1 文檔導入

文檔導入模塊主要功能是完成各種文件的導入。文件成功導入到數據庫之后，等待文件編輯員檢查是否合理，若合理就提交給文件審核員，否則就修改并保存然后提交給審核員。如果需要導入新文檔，單擊“瀏覽”按鈕選擇你要導入的文檔。選擇文檔后你所選擇的文檔的部分信息將會顯示在下面的文本框中，如圖1所示。再選擇你所導入文檔的語種、領域和作者信息。然后單擊“提交文檔”按鈕，會彈出一個消息框，提示是否確認提交。單擊“確定”按鈕則完成該次文檔導入；如果需要重新寫入文檔信息，則可單擊“重寫信息”按鈕，重新選擇要導入的文檔；如果不需要導入文檔，則點擊“退出程序”按鈕，退出該模塊。單擊“已經導入的文檔”按鈕，即可進入查看已經導入的文檔界面。用戶可以根據導入時間和審核狀態(tài)來查詢，也可以選擇“顯示全部”按鈕來查詢所有已審核或未審核的文檔。

1.2文檔編輯模塊

該模塊的主要功能是對成功導入的文檔進行編輯。該模塊默認的功能界面是“查看新導入文檔”。單擊“查看新導入文檔”按鈕，可以選擇兩個對應的雙語文檔右鍵單擊彈出快捷菜單，如圖3所示。

選擇“文檔編輯”即可對所選擇的文檔進行編輯，如圖4所示。在編輯狀態(tài)可以加載原始文檔、進行字體設置、維文校對、提交文檔、保存并更新等操作，還可以對已編輯的文本內容進行替換和查找操作。

1.3 文檔對齊文檔

該模塊的主要功能是找出所選擇文檔對應的另一種語言的文檔，必須是審核成功的文檔才能分配給用戶進行文檔對齊。文檔對齊是對兩種不同語種的文檔進行對齊，建立它們的對照關系。界面左邊是“維語文檔”，右邊是“漢文文檔”。如果用戶被系統管理員分配文檔對齊任務，則文檔對齊界面顯示給用戶所安排文檔的第一個文檔。如圖5所示。

對齊：首先要選擇對應的兩個文檔（維語文檔一個或多個，漢語文檔一個或多個），然后右鍵單擊彈出快捷菜單選擇“對齊”子菜單，或者單擊界面下面的“對齊”按鈕，都可以建立所選擇的兩個文檔的對齊關系。

取消對齊：取消對齊只能在已建立對齊的兩個文檔之間進行操作，取消對齊前確定所取消的文檔，選擇一個文檔系統會自動選擇給另一個語種對應的文檔。

2 結論

本文中對文檔導入、編輯及對齊進行了介紹，并實現了該工具軟件。該軟件提高了文獻整理工作的效率，質量，避免了以前的語料庫存儲松散及重復工作的問題。今后，繼續(xù)研究自動對齊漢維哈文檔算法，進一步提高語料庫的建設速度。

參考文獻：

[1] 武毅.基于 Lucene.Net 的全文檢索研究與應用[D].長沙：國防科學技術大學，2011.

[2] 李穎，李志蜀，鄧歡.基于 Lucene 的中文分詞方法設計與實現[J].四川大學學報，2008，45（5）：1095-1098.

[3] 陳震明.智能機器翻譯前后端處理系統的設計和實現[D].北京：中國科學院計算技術研究所，1998.

[4] 尼加提·納吉米，席小剛，馬斌，買合木提·買買提.多語種輔助翻譯系統研究與實現[J]. 電腦知識與技術，2012，8（2）：345-350.

[5] 黃河燕，陳肇雄.一種智能譯后編輯器的設計及其實現算法[J].軟件學報，1995，6（3）：129-135

[6] 王克非.雙語對應語料庫研制與應用[J].外語教學與研究，2004（4）.endprint

摘要：為了構建面向電力行業(yè)信息系統的漢維哈自動翻譯引擎，需要構建大量的漢維哈語種的平行語料庫。該文中，設計與實現了漢維哈平行語料庫構建系統的文檔導入及對齊功能。文檔導入登記文檔的屬性，并對文檔進行拼寫檢查等編輯操作，文檔對齊對漢語文檔與維吾爾語或哈薩克語文檔建立對齊關系。

關鍵詞： 電力； 漢語； 維吾爾語；哈薩克語；文檔對齊

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2014）36-8657-02

新疆維吾爾自治區(qū)的電力系統員工及用電群眾中都有漢語水平較差的少數民族群眾，為了給各族員工和群眾提供多語種的信息系統服務，新疆電力公司要求面向用戶的信息產品必須提供漢、維、哈語種的操作界面。為了提高系統開發(fā)速度、充分利用已翻譯的資源和統一電力術語的譯文，設計與開發(fā)了面向電力系統的信息系統漢語菜單、提示自動翻譯引擎。

1 漢維哈文檔對齊工具的設計與實現

文檔是所有語料庫建設工作的基礎，也是目前自然語言處理能夠考慮的最大的單元。為了構建機器翻譯系統需要構建大量的平行語料庫。因為維吾爾文在線平行語料庫不多，所以需要從出版社、日報社、有關行業(yè)單位收集圖書、雜志或文件等，對其進行文檔、句子級別的對齊處理，所以本文中設計與實現了整理文檔、編輯文檔及對齊文檔的工具軟件。

1.1 文檔導入

文檔導入模塊主要功能是完成各種文件的導入。文件成功導入到數據庫之后，等待文件編輯員檢查是否合理，若合理就提交給文件審核員，否則就修改并保存然后提交給審核員。如果需要導入新文檔，單擊“瀏覽”按鈕選擇你要導入的文檔。選擇文檔后你所選擇的文檔的部分信息將會顯示在下面的文本框中，如圖1所示。再選擇你所導入文檔的語種、領域和作者信息。然后單擊“提交文檔”按鈕，會彈出一個消息框，提示是否確認提交。單擊“確定”按鈕則完成該次文檔導入；如果需要重新寫入文檔信息，則可單擊“重寫信息”按鈕，重新選擇要導入的文檔；如果不需要導入文檔，則點擊“退出程序”按鈕，退出該模塊。單擊“已經導入的文檔”按鈕，即可進入查看已經導入的文檔界面。用戶可以根據導入時間和審核狀態(tài)來查詢，也可以選擇“顯示全部”按鈕來查詢所有已審核或未審核的文檔。

1.2文檔編輯模塊

該模塊的主要功能是對成功導入的文檔進行編輯。該模塊默認的功能界面是“查看新導入文檔”。單擊“查看新導入文檔”按鈕，可以選擇兩個對應的雙語文檔右鍵單擊彈出快捷菜單，如圖3所示。

選擇“文檔編輯”即可對所選擇的文檔進行編輯，如圖4所示。在編輯狀態(tài)可以加載原始文檔、進行字體設置、維文校對、提交文檔、保存并更新等操作，還可以對已編輯的文本內容進行替換和查找操作。

1.3 文檔對齊文檔

該模塊的主要功能是找出所選擇文檔對應的另一種語言的文檔，必須是審核成功的文檔才能分配給用戶進行文檔對齊。文檔對齊是對兩種不同語種的文檔進行對齊，建立它們的對照關系。界面左邊是“維語文檔”，右邊是“漢文文檔”。如果用戶被系統管理員分配文檔對齊任務，則文檔對齊界面顯示給用戶所安排文檔的第一個文檔。如圖5所示。

對齊：首先要選擇對應的兩個文檔（維語文檔一個或多個，漢語文檔一個或多個），然后右鍵單擊彈出快捷菜單選擇“對齊”子菜單，或者單擊界面下面的“對齊”按鈕，都可以建立所選擇的兩個文檔的對齊關系。

取消對齊：取消對齊只能在已建立對齊的兩個文檔之間進行操作，取消對齊前確定所取消的文檔，選擇一個文檔系統會自動選擇給另一個語種對應的文檔。

2 結論

本文中對文檔導入、編輯及對齊進行了介紹，并實現了該工具軟件。該軟件提高了文獻整理工作的效率，質量，避免了以前的語料庫存儲松散及重復工作的問題。今后，繼續(xù)研究自動對齊漢維哈文檔算法，進一步提高語料庫的建設速度。

參考文獻：

[1] 武毅.基于 Lucene.Net 的全文檢索研究與應用[D].長沙：國防科學技術大學，2011.

[2] 李穎，李志蜀，鄧歡.基于 Lucene 的中文分詞方法設計與實現[J].四川大學學報，2008，45（5）：1095-1098.

[3] 陳震明.智能機器翻譯前后端處理系統的設計和實現[D].北京：中國科學院計算技術研究所，1998.

[4] 尼加提·納吉米，席小剛，馬斌，買合木提·買買提.多語種輔助翻譯系統研究與實現[J]. 電腦知識與技術，2012，8（2）：345-350.

[5] 黃河燕，陳肇雄.一種智能譯后編輯器的設計及其實現算法[J].軟件學報，1995，6（3）：129-135

[6] 王克非.雙語對應語料庫研制與應用[J].外語教學與研究，2004（4）.endprint

摘要：為了構建面向電力行業(yè)信息系統的漢維哈自動翻譯引擎，需要構建大量的漢維哈語種的平行語料庫。該文中，設計與實現了漢維哈平行語料庫構建系統的文檔導入及對齊功能。文檔導入登記文檔的屬性，并對文檔進行拼寫檢查等編輯操作，文檔對齊對漢語文檔與維吾爾語或哈薩克語文檔建立對齊關系。

關鍵詞： 電力； 漢語； 維吾爾語；哈薩克語；文檔對齊

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2014）36-8657-02

新疆維吾爾自治區(qū)的電力系統員工及用電群眾中都有漢語水平較差的少數民族群眾，為了給各族員工和群眾提供多語種的信息系統服務，新疆電力公司要求面向用戶的信息產品必須提供漢、維、哈語種的操作界面。為了提高系統開發(fā)速度、充分利用已翻譯的資源和統一電力術語的譯文，設計與開發(fā)了面向電力系統的信息系統漢語菜單、提示自動翻譯引擎。

1 漢維哈文檔對齊工具的設計與實現

文檔是所有語料庫建設工作的基礎，也是目前自然語言處理能夠考慮的最大的單元。為了構建機器翻譯系統需要構建大量的平行語料庫。因為維吾爾文在線平行語料庫不多，所以需要從出版社、日報社、有關行業(yè)單位收集圖書、雜志或文件等，對其進行文檔、句子級別的對齊處理，所以本文中設計與實現了整理文檔、編輯文檔及對齊文檔的工具軟件。

1.1 文檔導入

文檔導入模塊主要功能是完成各種文件的導入。文件成功導入到數據庫之后，等待文件編輯員檢查是否合理，若合理就提交給文件審核員，否則就修改并保存然后提交給審核員。如果需要導入新文檔，單擊“瀏覽”按鈕選擇你要導入的文檔。選擇文檔后你所選擇的文檔的部分信息將會顯示在下面的文本框中，如圖1所示。再選擇你所導入文檔的語種、領域和作者信息。然后單擊“提交文檔”按鈕，會彈出一個消息框，提示是否確認提交。單擊“確定”按鈕則完成該次文檔導入；如果需要重新寫入文檔信息，則可單擊“重寫信息”按鈕，重新選擇要導入的文檔；如果不需要導入文檔，則點擊“退出程序”按鈕，退出該模塊。單擊“已經導入的文檔”按鈕，即可進入查看已經導入的文檔界面。用戶可以根據導入時間和審核狀態(tài)來查詢，也可以選擇“顯示全部”按鈕來查詢所有已審核或未審核的文檔。

1.2文檔編輯模塊

該模塊的主要功能是對成功導入的文檔進行編輯。該模塊默認的功能界面是“查看新導入文檔”。單擊“查看新導入文檔”按鈕，可以選擇兩個對應的雙語文檔右鍵單擊彈出快捷菜單，如圖3所示。

選擇“文檔編輯”即可對所選擇的文檔進行編輯，如圖4所示。在編輯狀態(tài)可以加載原始文檔、進行字體設置、維文校對、提交文檔、保存并更新等操作，還可以對已編輯的文本內容進行替換和查找操作。

1.3 文檔對齊文檔

該模塊的主要功能是找出所選擇文檔對應的另一種語言的文檔，必須是審核成功的文檔才能分配給用戶進行文檔對齊。文檔對齊是對兩種不同語種的文檔進行對齊，建立它們的對照關系。界面左邊是“維語文檔”，右邊是“漢文文檔”。如果用戶被系統管理員分配文檔對齊任務，則文檔對齊界面顯示給用戶所安排文檔的第一個文檔。如圖5所示。

對齊：首先要選擇對應的兩個文檔（維語文檔一個或多個，漢語文檔一個或多個），然后右鍵單擊彈出快捷菜單選擇“對齊”子菜單，或者單擊界面下面的“對齊”按鈕，都可以建立所選擇的兩個文檔的對齊關系。

取消對齊：取消對齊只能在已建立對齊的兩個文檔之間進行操作，取消對齊前確定所取消的文檔，選擇一個文檔系統會自動選擇給另一個語種對應的文檔。

2 結論

本文中對文檔導入、編輯及對齊進行了介紹，并實現了該工具軟件。該軟件提高了文獻整理工作的效率，質量，避免了以前的語料庫存儲松散及重復工作的問題。今后，繼續(xù)研究自動對齊漢維哈文檔算法，進一步提高語料庫的建設速度。

參考文獻：

[1] 武毅.基于 Lucene.Net 的全文檢索研究與應用[D].長沙：國防科學技術大學，2011.

[2] 李穎，李志蜀，鄧歡.基于 Lucene 的中文分詞方法設計與實現[J].四川大學學報，2008，45（5）：1095-1098.

[3] 陳震明.智能機器翻譯前后端處理系統的設計和實現[D].北京：中國科學院計算技術研究所，1998.

[4] 尼加提·納吉米，席小剛，馬斌，買合木提·買買提.多語種輔助翻譯系統研究與實現[J]. 電腦知識與技術，2012，8（2）：345-350.

[5] 黃河燕，陳肇雄.一種智能譯后編輯器的設計及其實現算法[J].軟件學報，1995，6（3）：129-135

[6] 王克非.雙語對應語料庫研制與應用[J].外語教學與研究，2004（4）.endprint