基于Web的专利双语语料自动获取研究及实现——以esp@cenet数据库为例 |
| |
作者姓名: | 吴琳 魏星 霍翠婷 |
| |
作者单位: | 1. 中国科学技术信息研究所,北京,100038 2. 北京理工大学计算机学院,北京,100081 3. 北京万方数据股份有限公司,北京,100038 |
| |
基金项目: | 国家科技支撑计划基金项目"多语言信息服务环境关键技术研究与应用","科技文献信息服务系统应用示范"(项目 |
| |
摘 要: | 针对专利资源,研究一种有效地从专利数据库中获取高质量双语对译语料的方法.该方法利用网页的URL命名特点获取专利数据的详细网页,以实现网页的批量下载,并通过网页解析,采用正则匹配表达式提取出网页上的所需信息,合并数据后形成双语对照的语料数据库.
|
关 键 词: | 专利 著录信息 双语平行语料 网页解析 |
本文献已被 万方数据 等数据库收录! |
|