基于層次短語的漢蒙統(tǒng)計機器翻譯后處理研究.pdf

1、在漢蒙統(tǒng)計機器翻譯方法中最流行的是基于短語的漢蒙統(tǒng)計機器翻譯方法，而該方法有它自己的缺點，即長距離調(diào)序能力較弱，另外，短語長度擴展到3個以上時，出現(xiàn)非常嚴重的數(shù)據(jù)稀疏問題，使得模型性能提高不是很大，為此，D.CHiang（蔣偉）提出基于層次短語的翻譯模型試圖解決這一問題?；趯哟味陶Z的統(tǒng)計機器翻譯方法屬于形式化句法的翻譯方法，該方法的主要思想是短語本身包含了更小的短語，從而利用層次短語本身的規(guī)則來解決短語之間的長距離調(diào)序問題。
　

2、　本文采用基于短語的翻譯模型和基于層次短語的翻譯模型分別做了3、4、5和6元語言模型的漢蒙統(tǒng)計機器翻譯實驗。分析實驗結(jié)果可以知道基于層次短語方法中4元語法語言模型的譯文質(zhì)量最好，其評測結(jié)果的NIST值為:5.9508，BLEU_SBP值為:0.2820，在基于短語方法中也是4元語言模型的譯文質(zhì)量最好，其評測結(jié)果的NIST值為5.9054，BLEU-SBP值為0.2689。在這兩種機器翻譯方法中，基于層次短語方法的評測結(jié)果比基于短語方法的

3、評測結(jié)果在NIST值上提高了0.0454，在BLEU_SBP值上提高了0.0131。
　　我們對漢蒙統(tǒng)計機器翻譯譯文進行研究發(fā)現(xiàn)存在以下幾個問題，并對其進行了相應處理。第一，在譯文中存在很多未登錄漢語數(shù)詞。數(shù)詞是一類無窮詞匯的開放性詞，是無法用統(tǒng)計方法將文本中的所有數(shù)詞進行翻譯。為此，我們用基于規(guī)則的方法實現(xiàn)了漢蒙數(shù)詞自動翻譯程序，然后用該程序?qū)ψg文進行后處理，對未登錄數(shù)詞進行翻譯。在基于層次短語的4-gram語言模型的譯文上進行

4、未登錄漢語數(shù)詞后處理后，其評測結(jié)果NIST值為:5.9734，BLEU_SBP值為:0.2836。與基準實驗相比其NIST值提高了0.0226，BLEU_SBP值提高了0.0016。第二，在譯文中存在很多句尾以句中形式出現(xiàn)的蒙古語動詞，對這種情況，我們實現(xiàn)了蒙古語動詞自動生成程序，并在蒙古語動詞詞干基礎(chǔ)上，生成了包含所有可能詞形的蒙古語動詞庫。接著，利用蒙古語動詞庫，將譯文中句尾以句中形式出現(xiàn)的錯誤動詞用動詞庫中最可能正確的句尾形式動詞