應用混淆音矩陣之中英文音譯詞組自動抽取

機器音譯（Machine Transliteration）是機器翻譯中重要的一環，因為許多文章中常有人名、地名及組織名等專有名詞夾雜其中，雖然經由查閱預先整理之詞典可以解決部分的問題，但是這些專有名詞數量隨時間不斷的增加及成長，而辭典的整理既費時又費力，透過音譯詞組自動抽取（Transliterated-Term Pair Extraction），可動態補充辭典內容之不足。有足夠的中英文音譯詞組做為訓練語料之後，則可建立一中英文音節對應（Syllable Mapping）系統，應用於中英文詞組音譯，但問題是該如何快速獲取足夠的中英文音譯詞。本文提出一方法，自網頁中抽取出大量的中英文音譯詞組，利用中文語音辨認系統在辨認過程所產生的混淆矩陣（Confusion Matrix）來克服發音變異（Pronunciation Variation）。從實驗結果發現本文所提出的方法可達到32.26%的檢出率（Recall）及95.23%的準確率（Precision），足以證明所用方法確實可有效的應用於音譯詞組自動抽取。