統(tǒng)計(jì)機(jī)器翻譯領(lǐng)域適應(yīng)性研究.pdf

1、統(tǒng)計(jì)機(jī)器翻譯是一種以大規(guī)模平行語(yǔ)料為基礎(chǔ)，從互為翻譯的雙語(yǔ)文本中統(tǒng)計(jì)學(xué)習(xí)翻譯知識(shí)、構(gòu)建翻譯模型，進(jìn)而利用此模型完成翻譯任務(wù)的自動(dòng)化翻譯技術(shù)。當(dāng)前，統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)由規(guī)模較大、領(lǐng)域混雜的平行語(yǔ)料訓(xùn)練獲得，面向非特定領(lǐng)域翻譯任務(wù)時(shí)，往往表現(xiàn)出較好的翻譯性能。然而，針對(duì)特定領(lǐng)域翻譯需求，例如，科技文獻(xiàn)翻譯，通用領(lǐng)域機(jī)器翻譯系統(tǒng)無(wú)法根據(jù)特定領(lǐng)域知識(shí)和特有的語(yǔ)言表述形式，做出適應(yīng)性調(diào)整，導(dǎo)致特定領(lǐng)域機(jī)器翻譯性能降低。為此，本文集中研究統(tǒng)計(jì)機(jī)器翻譯

2、領(lǐng)域適應(yīng)性問(wèn)題，并提出解決這一問(wèn)題的新方法，主要研究?jī)?nèi)容歸納如下：
　　1）通用領(lǐng)域平行語(yǔ)料庫(kù)建設(shè)
　　平行語(yǔ)料庫(kù)建設(shè)旨在收集互為翻譯的雙語(yǔ)文本，是統(tǒng)計(jì)機(jī)器翻譯領(lǐng)域適應(yīng)性研究必不可少的資源基礎(chǔ)。其中，識(shí)別雙語(yǔ)網(wǎng)站內(nèi)平行網(wǎng)頁(yè)對(duì)是平行語(yǔ)料庫(kù)建設(shè)的關(guān)鍵步驟。針對(duì)此問(wèn)題，本文提出一種基于鏈接的平行網(wǎng)頁(yè)對(duì)識(shí)別新方法。該方法能夠充分利用網(wǎng)頁(yè)對(duì)之間的內(nèi)部信息和外部信息，識(shí)別雙語(yǔ)網(wǎng)站內(nèi)的平行網(wǎng)頁(yè)對(duì)。實(shí)驗(yàn)結(jié)果表明，相較于基準(zhǔn)系統(tǒng)，本文所提方法

3、在測(cè)試集上提升6.2個(gè)F值點(diǎn)（％），可以驗(yàn)證該方法的有效性。
　　2）特定領(lǐng)域雙語(yǔ)句對(duì)選擇
　　面向特定領(lǐng)域的翻譯任務(wù)往往缺少充足的目標(biāo)領(lǐng)域平行資源，雙語(yǔ)句對(duì)選擇方法旨在從大規(guī)模通用領(lǐng)域雙語(yǔ)句對(duì)中，抽取與待翻譯文本領(lǐng)域相關(guān)性較高的句對(duì)，用以增補(bǔ)或形成專門的領(lǐng)域雙語(yǔ)知識(shí)庫(kù)，并唯一地用于特定領(lǐng)域的機(jī)器翻譯系統(tǒng)。針對(duì)此問(wèn)題，本文從句對(duì)生成建模的角度出發(fā)，提出三種基于翻譯模型和語(yǔ)言模型相融合的雙語(yǔ)句對(duì)選擇方法。該方法能夠合理評(píng)價(jià)雙語(yǔ)

4、句對(duì)的領(lǐng)域性及互譯性。實(shí)驗(yàn)結(jié)果顯示，利用本文所提方法選擇雙語(yǔ)句對(duì)并訓(xùn)練翻譯系統(tǒng)，相比于基準(zhǔn)系統(tǒng)，在測(cè)試集上平均提升3個(gè)BLEU值（%）。
　　3）通用領(lǐng)域和特定領(lǐng)域翻譯模型融合
　　特定領(lǐng)域雙語(yǔ)句對(duì)選擇旨在從通用領(lǐng)域平行語(yǔ)料庫(kù)中，抽取TopN領(lǐng)域相關(guān)性較高的平行句對(duì)，并用于訓(xùn)練領(lǐng)域機(jī)器翻譯系統(tǒng)。然而，N值往往難以自動(dòng)優(yōu)化。為此，本文探索在模型層次上融合不同領(lǐng)域翻譯模型，并提出一種基于翻譯模型特征加權(quán)的融合方法。該方法能夠重新