基于在線適應(yīng)的機(jī)器翻譯后編輯研究.pdf

1、傳統(tǒng)的機(jī)器翻譯模型使用批量學(xué)習(xí)的方法進(jìn)行參數(shù)優(yōu)化。隨著稀疏特征等概念的提出，批量學(xué)習(xí)方法已經(jīng)遠(yuǎn)遠(yuǎn)無法滿足現(xiàn)有的需要，在線學(xué)習(xí)技術(shù)逐漸進(jìn)入了人們的視野。一些研究者提出了在線適應(yīng)的學(xué)習(xí)框架，不僅對(duì)特征權(quán)重進(jìn)行調(diào)節(jié)，而且能夠?qū)μ卣骱瘮?shù)進(jìn)行實(shí)時(shí)地修改。另一方面，機(jī)器翻譯自動(dòng)后編輯技術(shù)已經(jīng)被證明能夠顯著提升人工編輯的效率，并且對(duì)于譯文質(zhì)量也有一定程度的提高。為此，本文對(duì)基于在線適應(yīng)的機(jī)器翻譯后編輯進(jìn)行了研究，主要的研究?jī)?nèi)容分為如下幾個(gè)方面：

2、>　　（1）在線適應(yīng)模型研究。在方法層面使用相同規(guī)模的數(shù)據(jù)上對(duì)比了傳統(tǒng)的批量學(xué)習(xí)方法與在線適應(yīng)方法的性能。在系統(tǒng)層面比較了自動(dòng)后編輯系統(tǒng)與機(jī)器翻譯系統(tǒng)的區(qū)別。在模型層面針對(duì)在線適應(yīng)的三個(gè)模型參數(shù)——迭代次數(shù)、kbest列表長(zhǎng)度以及最大更新步長(zhǎng)分別進(jìn)行了探究實(shí)驗(yàn)。
　?。?）基于主動(dòng)學(xué)習(xí)的在線適應(yīng)后編輯研究。提出了一種主動(dòng)學(xué)習(xí)的方法并將其應(yīng)用于在線適應(yīng)的學(xué)習(xí)過程中。首先分別對(duì)學(xué)習(xí)開始時(shí)和學(xué)習(xí)結(jié)束時(shí)的句子級(jí)BLEU得分進(jìn)行計(jì)算，并利用

3、BLEU的漲幅為每一個(gè)句子標(biāo)注類別。然后保留所有類別為正的句子進(jìn)行下一階段的主動(dòng)學(xué)習(xí)。另外，還保留最優(yōu)測(cè)試集的特征權(quán)重并對(duì)訓(xùn)練集進(jìn)行解碼，以便查看主動(dòng)學(xué)習(xí)方法對(duì)于大規(guī)模測(cè)試集的性能。
　?。?）基于規(guī)則表過濾的在線適應(yīng)后編輯研究。提出了一種規(guī)則表過濾的方法期待提升譯文質(zhì)量。首先分別從開發(fā)集和測(cè)試集中抽取解碼用到的規(guī)則，然后探究每條規(guī)則對(duì)于解碼性能的影響。把能夠增大解碼收益的規(guī)則設(shè)定為正例，把減小解碼收益的規(guī)則設(shè)定為負(fù)例。在確定了類