面向奧運新聞的漢日機器翻譯系統(tǒng)研究與實現(xiàn).pdf

1、隨著計算機技術、網(wǎng)絡技術的發(fā)展、信息時代的到來，高性能的機器翻譯的研究具有理論意義和極大的應用前景，已經(jīng)成為當前國際上激烈競爭的研究領域之一。尤其是隨著北京2008奧運會的臨近，對多語種、多層次的機器翻譯的需求越來越迫切。“面向奧運新聞的漢日機器翻譯系統(tǒng)”是東北大學自然語言處理實驗室和FUJI-XEROX公司未來技術研究所的合作項目，是面向特定領域的真實文本翻譯系統(tǒng)。 本文以“面向奧運新聞的漢日機器翻譯系統(tǒng)”為線索，研究了漢日雙

2、語資源建設以及一種基于實例的機器翻譯系統(tǒng)實現(xiàn)的相關問題。 首先本文討論了機器翻譯的相關方法，探討了漢日雙語的語言差別，并在此基礎上論證了漢日機器翻譯的方法和系統(tǒng)結構。 本文介紹了漢日雙語資源建設問題，討論了包括漢日雙語電子詞典、雙語句對齊語料庫、雙語詞對齊語料庫、雙語Chunk對齊庫、雙語翻譯模板庫在內的百萬級的漢日雙語語料庫的結構、語料庫內容、語料庫標注規(guī)范等相關問題，討論了語料不同層次上的對齊技術。 本文提出

3、了一種結構化Chunk的概念，并介紹了基于結構化Chunk的文本局部分析方法，以及在此基礎上的雙語模板抽取、模板對齊的技術。本方法對含有嵌套結構的較大粒度的Chunk進行分析、識別處理，比如，可以抽出較長的帶有中心詞標注的名詞短語，提高了Chunk分析的覆蓋度。同時，作為局部模板分析，增加了模板翻譯中模板的匹配率。 本文也介紹了一種以Chunk結構為基礎的翻譯模板構造，討論了基于Chunk分析的雙語模板抽取、模板對齊的技術。