采用統(tǒng)計機器翻譯模型的復述生成技術研究.pdf

1、所謂復述，就是對相同語義的不同表達方式，是自然語言中比較普遍的一個現(xiàn)象，它集中反映了語言的靈活性和多樣性。近年來，自然語言處理各種底層技術的不斷發(fā)展和成熟，為復述研究提高了可能，使之受到越來越多的關注。有許多學者針對復述問題展開了大量研究，在英文和日文方面，復述技術已經(jīng)被成功的應用到信息檢索、自動問答、信息抽取、自動文摘以及機器翻譯等多個領域，有效地提高了這些系統(tǒng)的性能。
　　復述研究主要分為兩大類：一類是復述資源的獲取，即從各式

2、語料中基于各種方法抽取復述句對、復述短語、復述模板等不同粒度和形式的復述資源；另一類是復述生成，通常指的是句子級的復述生成，即由計算機自動生成給定句子的復述句。本文重點研究了基于統(tǒng)計模型的復述生成技術。
　　復述生成在自然語言處理的諸多方向均有重要應用，但目前在這方面的研究還很不夠。本文通過對復述生成問題本質(zhì)的分析以及與其它相關研究問題（尤其是機器翻譯）的比較，在統(tǒng)計機器翻譯模型的基礎上進行改進，提出了一種統(tǒng)計復述生成方法。該方法

3、的主要特色體現(xiàn)在以下兩方面：
　　（1）該方法可以基于一個統(tǒng)一的統(tǒng)計模型框架，針對不同的復述任務生成復述；（
　　2）該方法可以輕易地結(jié)合多種資源來提升復述生成的性能。然而，該方法仍然需要極為豐富的復述資源作為基礎，但優(yōu)質(zhì)的復述資源往往是很難獲得的。因此，本文在此基礎上又提出了一種基于樞軸法和多機器翻譯引擎生成復述的方法，該方法首先利用多樞軸方法為源語言句子獲得候選復述集，然后分別使用基于選擇和基于解碼的技術，為源語言句子生