Extracção de corpora paralelo a partir da web: construção e disponibilização

Abstract

Ao longo deste documento descrever-se-á um conjunto de ferramentas construídas para extracção automática de recursos bilingues a partir da Web, a partir de um site específico, a partir de um sistema de ficheiros contendo alguns textos que sejam traduções de outros, ou ainda a partir de memórias de tradução. Neste trabalho apresenta-se todo o processo de construção de corpora paralelo desde os algoritmos de minagem dos dados (data mining) até à construção de vários tipos de recursos bilingues incluindo a construção automática de corpus paralelos pesquisáveis na Internet.