跨语言词义消歧

Question

我是一名计算机编程初学者，正在完成一篇关于词义消歧中平行语料库的论文。 基本上，我想说明用一个词义代替一个词的翻译简化了识别歧义词意义的过程。我已经用GIZA++对齐了我的平行语料库（EUROPARL-English-西班牙语），但是我不知道如何处理输出文件。我的意图是建立一个分类器来计算一个翻译词的概率给定上下文特征的标记，围绕在源文本中的歧义词。 所以，我的问题是：如何从平行语料库中提取一个歧义词的实例并进行对齐翻译？你知道吗

我在Python上尝试过各种脚本，但是这些脚本是基于这样的假设运行的：1）英语和西班牙语文本在不同的语料库中；2）英语和西班牙语句子共享相同的索引，这显然不起作用。 e、 g

def ambigu_word2(document, document2):
    words = ['letter']
    for sentences in document:
        tokens = word_tokenize(sentences)
        for item in tokens:
            x = w_lemma.lemmatize(item)
            for w in words:
                if w == x in sentences:
                    print (sentences, document2[document.index(sentences)])
print (ambigu_word2(raw1, raw2))

如果您能就此事提供任何指导，我将不胜感激。你知道吗