基于短語句法結(jié)構(gòu)的樹-串漢英對齊模板抽取研究.pdf

1、翻譯模板是機器翻譯系統(tǒng)中的一種重要知識源，其質(zhì)量和規(guī)模直接影響機器翻譯系統(tǒng)的性能，如何高質(zhì)量、高效率地從語料庫中自動獲取翻譯模板已經(jīng)成為當(dāng)前研究的一個熱點。
　　 本文首先提出了一種基于句法結(jié)構(gòu)的樹—串對齊模板（tree-to-stringalignmenttemplate，TAT）。該模板描述了源語言句法樹和目標語言串之間的對齊關(guān)系。模板中引入了句法結(jié)構(gòu)和大量的結(jié)構(gòu)標記和變量，使得基于句法的模型能夠處理非連續(xù)短語，并具有泛化能

2、力。模板可根據(jù)解碼器的不同而應(yīng)用到基于句法統(tǒng)計的、基于實例的、基于規(guī)則的機器翻譯系統(tǒng)中。
　　 在此基礎(chǔ)上，本文提出了一種從未經(jīng)標注的雙語語料庫和單語句法樹庫中自動獲取該種模板的方法。該方法是一種半監(jiān)督的、數(shù)據(jù)驅(qū)動方法。該方法綜合利用兩個方面的信息來抽取翻譯模板。一方面是基于詞對齊的結(jié)果，通過對句法樹進行后序遍歷，提取候選模板三元組信息，包括源語言句法子樹、對應(yīng)的目標語言串及其對齊信息；另一方面從源語言的單語句法樹庫語料中通過后