寄生虫的英文翻译英语怎么说

中英文翻译搜索引擎

项目报告

一、项目背景：

随着Internet的迅速发展，搜索引擎在网络中扮演着越来越重要的角

色，天网、百渡和google的使用者达到数百万。搜索引擎预先从网络上

抓取网页，在本地建立副本或者索引，对用户的查询作出快速响应。就

目前的搜索引擎而言，存在的问题还有很多，比如：如何提高搜索的精

确度和结果的有效性，如何提高搜索引擎的效率和性能，如何构建具有

智能代理的信息过滤和个性化服务，如何适应交叉语言在搜索中的使用

等等。因此，搜索引擎已经成为了一个新的研究、开发领域，由于对它

的研究需要涉及到信息检索、人工智能、计算机网络、分布式处理、数

据库、数据挖掘、数字图书馆、自然语言处理等多领域的理论和技术，

所以极具综合性和挑战性。

通过研究搜索引擎的发展趋势，我们把注意力集中在开发具有翻译

功能的搜索引擎上（具体项目计划可以参看《多语言翻译搜索引擎商业

计划》）。由于时间和技术限制，本次课程实习只实现了中英文翻译的搜

索引擎原型。

二、目的和意义

使用搜索引擎，我们只需要输入少量的关键字，就可以在数秒时间

内得到所需的信息结果集，从而大大提高我们的工作效率。中英文搜索

引擎中，用户只需要中文关键词，就可以自动翻译成英文关键词进行查

询。可以同时返回中文查询结果和英文查询结果，当然，该搜索引擎也

支持通常的单语言的查询。

三、中英文搜索引擎的实现方法

A.基本实现方法

中英文搜索引擎的执行流程如下：

中文关键词英文关键词网页抓取输出查询结果

金山词霸

在线翻译

查询结果

处理

词语提取：中

文切词

中文词语翻译

成英文

英文单词选取

比较不同

搜索引擎的

结果

按一定规

则将结果排

序

1．输入中文关键词

2．中文关键词到英文关键词的翻译

考虑到语料库实现的复杂性，该翻译功能由金山词霸琵琶行背诵口诀 在线翻译系统完

成。根据金山词霸返回的结果页面，提取较为合理的单词，作为英文关键

词。根据输入的中文短语，金山词霸的返回可能为单个英文单词或者英文

短句，在提取英文关键字的时候，必须对两种情况分别处理。通过分析返

回页面，找出统一标志域，然后提取该标志域对应的文本信息。提取出可

能作为关键词的英文单词或者英文语句。比如金山词霸返回的翻译结果页

面为，单词和短语的处理规则如下：

单词

结果页面中单词选取时，由于没有语义信息，主要是根据每

个词的权值进行选择，权值的大小和词在翻译结果网页中位置颠的拼音 ，以及其

在翻译结果网页中的词频有关。我们认为词频越大，正确地概率越大。

短语

对于短语的查询，返回的是包含短语的句子。通过对句子求最大公共子

句，找出翻译的结果短语。同样，对于不同的翻译结果，我们也根据频

率选择作为查询关键字。

3．网页的抓取

根据中英文关键词，搜索相关页面。

4．查询结果的返回

返回最为匹配的前10条结果。

B.完整的中英文搜索引擎流程

中文关键词到英文关键词的转化是该搜索引擎的关键部分，为了提高搜索引

擎的速率和准确性，建立转化词表，用户输入某个查询词时，先在词表中找

是否已经有对应的词条，如果没有，则到金山词霸实现在线翻译，并将翻译

的结果加入词表中。这样，完整的中英文搜索引擎流程可以用下图表示：

输入中文

查询词

返回英文

查询词

查找

存在匹

配项

不存在

匹配项

金山词霸

在线翻译

翻译结

果加入

词典

中英文

网页查找

四、性能评测

中英文翻译搜索引擎的开发已经基本完成，我们选取了部分查询词进

行测试，测试集包括计算机，医学，经济，人名，地名等常用词汇。

测试结果：

类别测试词数正确结果数准确率

计算机181583％

医学262180％

人名201050％

地名574070％

经济211571％

其他252392％

测试中可以发现，受金山词霸的影响，人名、地名等翻译支持的不是很好，我们

在查询中盎怎么读 维护查询记录，可以在词典中增加常用查询词的翻译。我们的中英文翻

译搜索引擎在金山词霸可以正确翻译的情况下，基本上可以正确的获取查询结

果。可以通过更强大的翻译支持，或者本地词典，增加搜索引擎的性能。

五、项目总结

从该搜索引擎项目的提出到开发完成，历时一个月左右，小组内成员分工如

下：

调研阶段：施澍网络连接与网页抓取

刘姝网页中单词和短语的提取

黄嘉露网页查询返回结果的选取

赵雅测试集或者词典的选取

开发阶段：施澍、刘姝基本平台的构建，网页中单词短语的提取

测试阶段：赵雅计算机和人名

黄嘉露地名和其他常用词汇

刘姝经济和医学

施澍根据测试中发现的不足修改程序

文档：黄嘉露、刘姝商业计划

刘姝项目开发报告

施澍PPT及报告

六、附录

测试原始数据

关键字翻译结果中文有效页面英文有效页面异常情况

爱滋病

AIDS10

很好

非典

SARS

癌症

cancer10

很好

霍乱

cholera

7(另外3个相关)

酵母

yeast

7（另外3个相

关）

干燥病

xerosis82

冠心病

Coronaryheart读懂红楼梦的人就要死

disease

10

很好

冠周炎

pericoronits91

肝炎

Hepatitis10

很好

白血病

leucocythemia6

百日咳

Whoopingcough10

很好

哮喘

Asthmaand

dyspnea

6

结核病

tuberculosis10

痛风

gout10

炭疽病

anthracnose

无

糖尿病

Diabetesmellitus10

很好

红斑性肢痛病

erythromelalgia10

很好

肝硬化

hepatocirrhosis10

很好

支气管炎

bronchitis10

很好

类风湿性关节炎

0

无

骨质疏松症

osteoporosis10

很好

精神分类症

schizophrenia10

很好

血吸虫病

schistosomiasis10

很好

咽炎

pharyngitis10

很好

寄生虫病

Parasiticdisease73

资本主义经济

Capitalist

economy

10

很好

混合经济

Mixedeconomy10

很好

固定资产

Fixedassets10

很好

浮动汇率

Floatingrate10

很好

证券公司

stockjobber9

证券交易所

Stockexchange7

利息

interest7

短期贷款无

估税标准无

税制

Taxsystem7

国际商会无

万国邮政联盟

Universalpostal

union

10

联合国贸易与发

展理事会

Unitednations

tradeand

development

board

3

欧洲自由贸易区无

中国银行

Bankofchina23

世界银行

Worldbank9

大通银行

Thechasebank8

国际开发协会

IDA7

国际结算银行

BIS91

控股公司

Holding

co可可托海的牧羊人简谱完整版 mpany

46

尔菲尔铁塔无

100

无英文

凯旋门Triumphalarch810

金字塔Pyramid5

比萨斜塔LeaningTower710

迪斯尼乐园Disneyland109

莱茵河Rhine10

多瑙河Danube55

天坛无

3

中国国家图书馆无

10

清华大学Qinghua

University

107

关公庙无

大雄宝殿无

东方明珠无

莫斯科红场

西湖金soft软件king

山

错误！

太湖kikngXsoft3

错误！

唐人街无

雅鲁藏布江Brahmaputra5

喜马拉雅山错误！错误！

珠穆朗玛峰Everest10

狮身人面像Sphinx10

三峡错误！

神农架无

泰山TaishanMountain10

九寨沟未知只有一个网站

加勒比海CaribbeanSea10

富士山Fuji1

变成富士了

好莱坞Hollywood8

洞庭湖错误！

圆明园无

长江YangtseRive3

苏伊士运河SuezCanal10

安第斯山ANDES10

黄河YellowRiver10

长城GreatWall10

亚马逊雨林无

地中海Mediterranean

Sea.

10

死海THEDEADSEA10

曼彻斯特Manchester7

北海道Hokkaido8

冲绳Okinawa9

玛雅Mayan3

伊斯坦布尔Istanbul5，其他非英语

阿根廷Argentina3，除去非英语

布拉格Prague9

夏威夷Hawaii7

旧金山SanFrancisco6

马赛Marseilles5

开罗Cairo7

盐湖城SaltLakeCity5

威尼斯Venice5

柏林Berlin3

好望角kingXsoft错误！

马六甲Malacca10

尼日利亚Nigeria10

莫斯科Moscow8

马尔代夫Maldive10

杯子CUP10

显示器DisplayUnit10

书籍Liber1现代在线作诗生成器 0

打字机typewriter10

公寓RoomingHouse10

手套Gloves10

狮子LION10

日光灯FluorescentLamp10

演讲MakeaSpeech10

女孩RAGAZZA10

星座Constellation10

雪花Snowflake10

报警器Annunciator10

自信Self-Trust10

绅士Signior10

走廊Corridor10

无中文结果

乌贼SEPIA都是英文网站但是其他意思

神化Mythos10

宙斯Zeus10

耳机Earphone10

豆腐BeanCurd10

水母jellyfish10

缓存

Buffermemory1010

无

高速缓存

Cache107

无

电路

electrocircuit105

无

芯片

Chip1010

无

键盘

Keyboard1010

无

电源

Power1010

无

主板

Mainborad108

无

只读存储器

Read-only

memory/rom

10Rom:2;Read-only

memory:8

无

声卡

Soundcard108

无

选择器

Selector1010

无

界面

Interface1010

无

模板

Template1010

无

漫游

Vagabondize1010

无

口令

Password1010

无

协议

Protocol108

无

防火墙无

10

无没有英文结果

搜索引擎无

10

无没有英文结果

多媒体

Multimedia109

无

克林顿

Bushmeetsclinton104

无

布什

N100

无

大仲马

Dumas1010

雨果无

10

无

列夫.托尔斯泰

LeoTolstoy1010

马克吐温

10

没有英文结果

左拉

Zola1010

乔伊斯

10

没有英文结果

乔治.华盛顿

Washington1010

林肯

Lincoln1010

富兰克林

franklin1010

卡特

10

没有英文结果

莎士比亚

Shakespeare1010

泰戈尔

Tagore1010

威廉

William86

朱立叶

10

没有英文结果

杰克伦敦

10

没有英文结果

简奥斯汀

10

没有英文结果

小仲马

10

没有英文结果

狄更斯

10

没有英文结果

大海

ocean109

草原

veldt108

旅游

Tour108