基于漢語虛詞用法的機器翻譯改進研究.pdf

1、在全球化的大背景下，世界各地之間的溝通日益頻繁，翻譯是人們克服語言障礙的最主要手段。然而翻譯人員需要學(xué)習大量的語言、傳統(tǒng)文化知識，人工翻譯的成本較高，從而提出利用機器來完成翻譯，在研究中產(chǎn)生了大量基于規(guī)則、基于統(tǒng)計以及基于神經(jīng)網(wǎng)絡(luò)的機器翻譯算法。
　　隨著語料資源的積累和計算能力的逐步提高，端到端的神經(jīng)機器翻譯模型產(chǎn)生的譯文與人工翻譯的譯文質(zhì)量越來越接近。但是，從學(xué)術(shù)研究報告和企業(yè)的測評報告中可以發(fā)現(xiàn)，漢語到英文的翻譯任務(wù)表現(xiàn)明顯

2、差于一些印歐語系語言到英文的翻譯任務(wù)，本文認為，造成這種現(xiàn)象的原因之一是漢語通常依靠虛詞或詞序來完成在其它語言中通過形態(tài)或句法所表達的語法意義。
　　本文基于現(xiàn)代漢語虛詞用法知識庫(CFKB，Chinese Function word Knowledge Base)，對現(xiàn)代漢語虛詞用法的自動識別進行嘗試，并研究漢語虛詞用法在漢英機器翻譯中的應(yīng)用，主要研究內(nèi)容包括:
　　(1)利用條件隨機場(CRF,Conditional R

3、andom Field)對漢語虛詞用法進行自動識別，并提出基于深度學(xué)習的漢語虛詞用法識別模型。利用基于門循環(huán)單元(GRU，Gated Recurrent Unit)的模型自動地從序列的兩側(cè)提取與任務(wù)有關(guān)的信息，完成虛詞用法自動識別。實驗表明，基于深度學(xué)習的漢語虛詞用法識別模型在部分常用虛詞的用法自動識別任務(wù)中準確率可以在條件隨機場模型的基礎(chǔ)上取得2個百分點以上的F1值提升。
　　(2)在虛詞用法自動識別的基礎(chǔ)上，對自動識別的虛詞用

4、法在神經(jīng)機器翻譯中的應(yīng)用展開初步嘗試。分別通過“拼接”、“劃分”和“區(qū)分”三種方式將虛詞用法信息融入神經(jīng)機器翻譯模型。實驗結(jié)果表明，通過“拼接”方式加入虛詞“的”的用法信息可以取得平均0.67個BLEU值的提升，通過“區(qū)分”方式加入虛詞“的”的用法使得平滑對齊錯誤率降低了1.42個百分點。證明部分常用虛詞對機器翻譯的積極影響，以及本文方法的有效性。
　　(3)對融入虛詞用法特征的神經(jīng)機器翻譯的線上部署進行初步探索，完成融入虛詞用法