Ressourcen für Pattern Extraktion

• Das DE-EN parallele Korpus muss satzweise aliniiert werden
  • Extrahieren Sie den Text aus den PDF-Dateien
  • Benutzen sie den Alignierungs-Algorithmus nach Gale and Church
  • Kodieren Sie die Ergebnisse hinterher in einem einfachen XML-Format
• Das Lexikon muss erweitert werden.
  • Extrahieren Sie bilinguale Einträge aus einem oder mehreren der folgenden on-line Lexika:
    • http://wortschatz.uni-leipzig.de/
    • http://www.unixwerk.de/meyer-larsen/armin/vok/vokabeln_de.html#A
    • http://www.ims.uni-stuttgart.de/phonetik/joerg/worldwide/Databases.html#Dict

-- CristinaVertan -- 12 Apr 2006

Der Code zu "A Program for Aligning Sentences in Bilingual Corpora" im Plain-Text: http://research.microsoft.com/users/church/wwwfiles/published_1991_acl.txt

Nochmal der Code mit Beispiel-Dateien und auch schon für Linux 80386 kompiliert: http://nl.ijs.si/telri/Vanilla/src/