摘要
我正在尝试设计一种启发式方法来匹配翻译中的句子（从原始语言到翻译语言），并希望得到指导和提示。也许有一种启发式方法已经做了类似的事情？因此，给定两个文本文件，我希望能够匹配这些句子（这样我就可以挑出一个句子，并说这是该句子的翻译）。
详细信息
输入的文本将是翻译过的小说。所以我不希望翻译是字面意思，尽管使用谷歌翻译之类的东西可能是测试启发式准确性的好方法。
为了帮助我，我有一个图书馆，它会对翻译文本的内容进行润色，并给我句子中单词的定义。我知道的其他事情：
- 章节和秩序得以保留；我知道第三章的第一句话将与翻译的第三章中的第一句匹配（注意，这不是严格意义上的正确；第一句话可能与前两句匹配，甚至与第二句匹配）
- 我可以计算整体大小（字符、句子、段落）；这可以让我了解句子大小的平均差异（例如，翻译可能长30%）
看看我的一些书，翻译版的句子比原文多30%。
实施
（如果重要的话）
- 我计划用Java做这件事，但我并不那么担心，任何语言都可以
- 我不太关心速度
我想为了确保匹配，可能需要一些用户反馈。比如说"是的，这个句子肯定和那个句子匹配。"这会给启发式提供更多的依据。这意味着用户需要对语言有一点精通。
背景
（对于感兴趣的人）
我之所以要做这个，是因为我希望它能帮助我学习外语。我正在学习日语，发现很难找到"好"的材料（"好"是指我喜欢什么）。已经有一些工具可以对视频中的字幕进行类似的处理（这是一项更容易的任务——使用视频的时间信息）。但据我所知，短信什么都没有。
在NLP研究中使用了一些称为"句子对齐器"的工具，这些工具可以完全满足您的需求。
我建议hunlign:
http://mokk.bme.hu/resources/hunalign/
和MS语句对齐器：
http://research.microsoft.com/en-us/downloads/aafd5dcf-4dcc-49b2-8a22-f7055113e656/
两者都还可以，但请记住，没有什么是完美的。太难对齐的句子会被删除，有些句子可能会被错误对齐。