Đ I H C QU C GIA TP. H CHÍ MINHẠ Ọ Ố Ồ
TR NG Đ I H C BÁCH KHOAƯỜ Ạ Ọ
------oOo------
LÊ NG C S NỌ Ơ
CANH L VĂN B N SONG NGỀ Ả Ữ
VÀ NG D NG GI I QUY T NH NG TR NG H PỨ Ụ Ả Ế Ữ ƯỜ Ợ
Đ C THÙ C A NGÔN NG ANH - VI TẶ Ủ Ữ Ệ
Chuyên ngành : Công Ngh Thông Tinệ
Mã s ngành : 01.02.10ố
LU N VĂN T T NGHI PẬ Ố Ệ
TP. H CHÍ MINH, THÁNG 12 NĂM 2006Ồ
CÔNG TRÌNH Đ C HOÀN THÀNH T IƯỢ Ạ
TR NG Đ I H C BÁCH KHOAƯỜ Ạ Ọ
Đ I H C QU C GIA TP. H CHÍ MINHẠ Ọ Ố Ồ
Cán b h ng d n khoa h c:ộ ướ ẫ ọ
Phó Giáo s , Ti n sĩ ư ế PHAN TH T IỊ ƯƠ
Cán b ch m nh n xét 1:ộ ấ ậ
Cán b ch m nh n xét 2:ộ ấ ậ
Lu n văn th c sĩ đ c b o v t i:ậ ạ ượ ả ệ ạ
H I Đ NG CH M B O V LU N VĂN TH C SĨỘ Ồ Ấ Ả Ệ Ậ Ạ
TR NG Đ I H C BÁCH KHOAƯỜ Ạ Ọ
Ngày . . . . . tháng . . . . . năm 2006
Đ I H C QU C GIA TP. HCMẠ Ọ Ố C NG HÒA XÃ H I CH NGHĨA VI T NAMỘ Ộ Ủ Ệ
TR NG Đ I H C BÁCH KHOAƯỜ Ạ Ọ Đ c l p - T do - H nh phúcộ ậ ự ạ
------oOo------ ------oOo------
Tp. H Chí Minh, ngày ….. tháng ….. năm 2006 ồ
NHI M V LU N VĂN TH C SĨỆ Ụ Ậ Ạ
H và tên h c viênọ ọ : Lê Ng c S nọ ơ Phái : Nam
Ngày sinh : 28/05/1981 N i sinhơ: Ti n Giangề
Chuyên ngành : Công Ngh Thông TinệMSHV : 00704179
I. TÊN Đ TÀI:ỀCanh l văn b n song ng và ng d ng gi i quy t nh ng tr ng h pề ả ữ ứ ụ ả ế ữ ườ ợ
đ c thù c a ngôn ng Anh - Vi t.ặ ủ ữ ệ
II. NHI M V VÀ N I DUNG:Ệ Ụ Ộ
Tìm hi u các công trình nghiên c u tr c đây v canh l văn b n song ng .ể ứ ướ ề ề ả ữ
Nghiên c u gi i thu t phân đo n t , phân đo n câu, canh l theo chi u dài câu vàứ ả ậ ạ ừ ạ ề ề
LSSA.
ng d ng các gi i thu t này đ gi i quy t nh ng tr ng h p đ c thù trong canh lỨ ụ ả ậ ể ả ế ữ ườ ợ ặ ề
văn b n song ng Anh - Vi t.ả ữ ệ
Xây d ng m t kho ng li u (corpus) ch a các c p câu song ng Anh - Vi t phân lo iự ộ ữ ệ ứ ặ ữ ệ ạ
theo lĩnh v c.ự
III. NGÀY GIAO NHI M VỆ Ụ : / / 2006
IV. NGÀY HOÀN THÀNH NHI M VỆ Ụ : / / 2006
V. H VÀ TÊN CÁN B H NG D NỌ Ộ ƯỚ Ẫ : PGS., TS. Phan Th T iị ươ
CÁN B H NG D NỘ ƯỚ Ẫ
PGS., TS. Phan Th T iị ươ
N i dung và đ c ng lu n văn th c sĩ đã đ c H i Đ ng Chuyên Ngành thông qua.ộ ề ươ ậ ạ ượ ộ ồ
Ngày ….. tháng ….. năm 2006
PHÒNG ĐÀO T O SAU Đ I H CẠ Ạ Ọ KHOA QU N LÝ NGÀNHẢ
L I C M NỜ Ả Ơ
Tôi xin đ c g i l i c m n chân thành đ n:ượ ử ờ ả ơ ế
PGS., TS. Phan Th T i đã t n tình ch b o, h ng d n tôi nghiên c u vàị ươ ậ ỉ ả ướ ẫ ứ
th c hi n lu n văn này. Cám n Cô đã theo dõi, h tr và đ ng viên tôi trong nh ngự ệ ậ ơ ỗ ợ ộ ữ
lúc khó khăn nh t.ấ
Các th y cô c a Khoa Công Ngh Thông Tin tr ng đ i h c Bách khoa TP.ầ ủ ệ ườ ạ ọ
H Chí Minh đã t n tâm gi ng d y trong su t quá trình h c, trang b cho tôi nh ngồ ậ ả ạ ố ọ ị ữ
ki n th c n n t ng và kh năng nghiên c u.ế ứ ề ả ả ứ
Th y TS. Võ Văn Huy, cô ThS. Huỳnh Ng c Li u, KS. Nguy n Hoàngầ ọ ễ ễ
Thanh Nhàn, KS. Nguy n Ng c Bình Ph ng, CN. Thái Kim Ph ng, các anh ch emễ ọ ươ ụ ị
trong Trung tâm nghiên c u và h tr đào t o Qu n tr doanh nghi p (BR&T) đã hứ ỗ ợ ạ ả ị ệ ỗ
tr tôi trong su t th i gian th c hi n lu n văn. ợ ố ờ ự ệ ậ
Gia đình và nh ng b n bè thân thi t đã luôn đ ng viên khuy n khích tôi h cữ ạ ế ộ ế ọ
t p và ph n đ u.ậ ấ ấ
TÓM T TẮ
Văn b n song ng (parallel text) là m t văn b n đ c th hi n m t ngônả ữ ộ ả ượ ể ệ ở ộ
ng và b n d ch (translation) c a nó m t ngôn ng khác. Đ khai thác đ c tínhữ ả ị ủ ở ộ ữ ể ượ
h u d ng c a ngu n d li u này, vi c đ u tiên là ti n hành canh l (hay đ i sánh)ữ ụ ủ ồ ữ ệ ệ ầ ế ề ố
văn b n đ tìm đ c b n d ch t ng ng c a m t đo n, m t câu, m t t trong haiả ể ượ ả ị ươ ứ ủ ộ ạ ộ ộ ừ
ngôn ng .ữ
G n đây, canh l văn b n đã và đang đ c quan tâm r t nhi u. Nhi uầ ề ả ượ ấ ề ề
ph ng pháp và gi i thu t đ c đ a ra, áp d ng, và cũng đ t đ c nh ng k t quươ ả ậ ượ ư ụ ạ ượ ữ ế ả
t ng đ i chính xác. Tuy nhiên, m i c p ngôn ng có nh ng đ c đi m riêng. Vi cươ ố ỗ ặ ữ ữ ặ ể ệ
áp d ng vào canh l văn b n song ng Anh – Vi t c n đ c đi u ch nh cho phùụ ề ả ữ ệ ầ ượ ề ỉ
h p v i đ c đi m c a ngôn ng ti ng Vi t.ợ ớ ặ ể ủ ữ ế ệ
Trong đ tài này, tôi xây d ng m t qui trình canh l m i, áp d ng gi i thu tề ự ộ ề ớ ụ ả ậ
canh l theo chi u dài câu, gi i thu t canh l t d a vào t đi n và gi i thu tề ề ả ậ ề ừ ự ừ ể ả ậ
Longest Sorted Sequence (LSSA). Đi m m i trong lu n văn là x lý m t tr ngể ớ ậ ử ộ ườ
h p đ c bi t trong d ch thu t cũng r t th ng x y ra là d ch chéo. Khi đó, ch ngợ ặ ệ ị ậ ấ ườ ả ị ươ
trình ph i x lý tr ng h p canh l chéo, mà h u h t các gi i thu t tr c đây đ uả ử ườ ợ ề ầ ế ả ậ ướ ề
b qua tr ng h p này.ỏ ườ ợ
Đ chính xác c a gi i thu t t ng đ i cao. Nó t o ra m t kho ng li u g mộ ủ ả ậ ươ ố ạ ộ ữ ệ ồ
các c p câu đ c canh l và đ c phân chia theo lĩnh v c c a văn b n. Ngoài ra,ặ ượ ề ượ ự ủ ả
ch ng trình cũng đánh d u các đi m t ng ng gi a các t trong câu. Nó s làươ ấ ể ươ ứ ữ ừ ẽ
m t t p d li u b ích cho d ch máy, t o t đ ng t đi n chuyên ngành khi khoộ ậ ữ ệ ổ ị ạ ự ộ ừ ể
ng li u đ l n.ữ ệ ủ ớ
Trong quy n lu n văn này, tôi trình bày chi ti t các gi i thu t s d ng vàể ậ ế ả ậ ử ụ
cách hi n th c gi i thu t ng d ng vào canh l văn b n song ng Anh – Vi t.ệ ự ả ậ ứ ụ ề ả ữ ệ