統(tǒng)計機器翻譯的鄰接調(diào)序短語模型.pdf

1、機器翻譯是利用計算機把一種自然源語言轉變成另一種自然目標語言的過程。機器翻譯基本分為基于規(guī)則的方法和基于語料庫的方法,基于語料庫的方法又可以分為基于統(tǒng)計的方法和基于實例的方法。近年來,隨著統(tǒng)計方法不斷發(fā)展并在各項評測中取得好成績,它已逐漸成為機器翻譯領域的研究熱點之一。
　　 本文首先介紹了機器翻譯的歷史、研究現(xiàn)狀、主要方法和分類,介紹了機器翻譯的四種經(jīng)典思想,并重點強調(diào)了統(tǒng)計思想。通過一些典型模型和方法的展開介紹了統(tǒng)計翻譯模型

2、的三個主要關注點:語言模型、翻譯模型和解碼模型。
　　 其次,分別從翻譯模型和解碼模型入手,本文提出了五種翻譯模型:由最簡單的最少短語條數(shù)模型,到由基本短語模型發(fā)展而來的無調(diào)序基本短語模型和鄰接調(diào)序基本短語模型,再到由Koehn短語模型發(fā)展而來的無調(diào)序Koehn短語模型和鄰接調(diào)序Koehn短語模型,其中允許調(diào)序的鄰接調(diào)序基本短語模型和鄰接調(diào)序Koehn短語模型要受到鄰接調(diào)序約束的限制。傳統(tǒng)上,一般認為短語統(tǒng)計機器翻譯的解碼在計算

3、復雜度上是NP完全問題,因此解碼器為了在有限時間內(nèi)盡快找到最優(yōu)解,必須采用有風險的方法來降低計算復雜度,這樣往往引入了解碼錯誤從而降低了翻譯質量。而本文提出的五個模型在鄰接調(diào)序約束下的解碼計算復雜度都是多項式難度的,因而可以獲得更好的翻譯質量。
　　 再次,本文利用已有的漢英雙語語料庫,設計并實現(xiàn)了一個漢英翻譯系統(tǒng),其中的主要工作包括:雙語語料庫的預處理和對齊訓練,短語提取及概率計算,建立倒排索引,訓練語言模型,譯前、譯后處理,