摘要：为解决将汉语人物简历翻译成维吾尔语版本所面临的高成本、低效率等问题,设计并实现了一种基于模板与词典相结合的人物简历汉维机器翻译系统。通过分析汉语简历的句子结构特点,泛化命名实体并自动创建汉语的简历模板,然后利用正则表达式建立汉维模板库并结合基于规则与词典的方法翻译命名实体,以获取维吾尔语的人物简历。实验结果表明,该系统在单语的情况下使用有限的模板和词典,BLUE值可达到0.38,与需要大规模双语语料训练的机器翻译系统相比具有较好的实际应用价值。

摘要：命名实体是文本信息的主要承载者,识别与翻译命名实体是目前自然语言处理领域的研究热点。地址翻译在学术上属于命名实体翻译任务,地址表达文本中的关键信息,在机器翻译系统中,地址的正确翻译对译文整体翻译质量具有十分重要的影响。使用PyTorch构建基于神经网络的地址翻译模型,设计与实现基于Django的汉语-维吾尔语地址在线翻译网络服务,并使用UWSGI以及Nginx服务器来负载均衡。实验结果表明,所设计的系统具有良好的并发性以及高鲁棒性。