[发明专利]从候选数据集获取目标数据集的方法和装置以及翻译机器

权利要求书

1.一种从候选数据集获取目标数据集的方法，包括：

从目标数据样本提取特征；

利用所述特征从所述候选数据集中抽取目标数据，形成目标数据集。

2.根据权利要求1所述的方法，其中，

从所述候选数据集抽取目标数据包括：利用所述特征来查询所述候选数据集，根据查询到的候选数据与目标数据样本的相似度而获得所述目标数据。

3.根据权利要求1所述的方法，其中，

从所述候选数据集抽取目标数据包括：利用所述特征对候选数据集中的候选数据进行聚类，根据聚类所产生的类与目标数据样本的相似度来选择合适的类作为所述目标数据。

4.一种用于从候选数据集获取目标数据集的装置，其具有：

特征提取单元，用于从目标数据样本提取特征；

抽取单元，用于利用所述特征从所述候选数据集中抽取目标数据以形成目标数据集。

5.根据权利要求4所述的装置，其中，

所述抽取单元包括查询单元和生成单元，该查询单元利用所述特征查询所述候选数据集，所述生成单元根据所述查询单元查询到的候选数据与目标数据样本的相似度而获得所述目标数据。

6.根据权利要求4所述的装置，其中，

所述抽取单元包括聚类单元和生成单元，该聚类单元利用所述特征对候选数据集中的数据进行聚类，该生成单元根据聚类所产生的类与目标数据样本的相似度来选择合适的类作为所述目标数据。

7.根据权利要求5所述的装置，其中，

所述抽取单元还包括聚类单元和比较单元，该聚类单元利用所述特征对候选数据集中的候选数据进行聚类，该比较单元将根据聚类所产生的类以及查询到的候选数据与目标数据的样本的相似度比较，所述生成单元被配置为根据比较结果来选择合适的候选数据作为所述目标数据。

8.根据权利要求4至7之一所述的装置，其中，

所述数据中的每一项包括数据元素，由所述数据元素中的至少一部分构成所述特征。

9.一种翻译机器，其具有包括至少两种语言的相互对应的语料的语料数据库，该语料数据库包括根据权利要求1至3之一所述的方法获得的目标数据集。

10.一种翻译机器，其具有根据权利要求4至8之一所述的装置。