基于句法結(jié)構(gòu)信息的統(tǒng)計機器翻譯模型研究.pdf

1、機器翻譯的研究近年來取得了重大進展，尤其是統(tǒng)計機器翻譯。它解決了從大規(guī)模語料庫中獲取大量細粒度翻譯知識的問題，并為多種復(fù)雜因素下的譯文優(yōu)選提供了合理的解決辦法。目前基于短語的方法是統(tǒng)計機器翻譯主流的方法，并取得了較好的翻譯結(jié)果。但由于此類模型沒有利用更深層次的句法語義等結(jié)構(gòu)信息，很難解決翻譯過程中的長距離詞序調(diào)整問題；而且生成的譯文也經(jīng)常不符合目標語言的語法；特別是對于漢語和英語這兩種結(jié)構(gòu)差別比較大的語言而言，問題尤其嚴重。為解決這類問

2、題，將短語內(nèi)詞對齊知識和句法知識有效結(jié)合起來，本文對經(jīng)典的基于詞、基于短語的翻譯模型進行了研究，在理論上和實驗中比較了每個模型的優(yōu)缺點。在此基礎(chǔ)上，本文提出了元結(jié)構(gòu)、元結(jié)構(gòu)組等概念，及結(jié)構(gòu)模型的理論和算法；進而建立了基于結(jié)構(gòu)對齊的統(tǒng)計機器翻譯模型。為建立泛化能力更好翻譯模型，本文在理論上分析了圖同構(gòu)問題，提出子圖對映射的方法和理論；并在多文本文法框架下，給出了基于子圖映射的翻譯模型。具體地講，本文從以下幾個方面開展了研究：
　　(

3、1)句法結(jié)構(gòu)與短語模型相融合的研究：提出元結(jié)構(gòu)、元結(jié)構(gòu)組等概念。以元結(jié)構(gòu)組為單位對雙語句法樹進行分解，在此基礎(chǔ)上定義結(jié)構(gòu)映射。通過句法結(jié)構(gòu)轉(zhuǎn)換的方法，改進基于短語翻譯模型的調(diào)序模型以及翻譯結(jié)果。模型中把翻譯任務(wù)定義為包括樹分解、轉(zhuǎn)換、詞匯化等步驟的隨機過程。從句法角度研究翻譯候選項是否正確，翻譯假設(shè)的生成、排序等問題。
　　(2)結(jié)構(gòu)模型研究：這部分研究是基于結(jié)構(gòu)對齊研究的繼續(xù)；它從句法角度研究譯文句法結(jié)構(gòu)的合理性。介紹了關(guān)于馬爾

4、可夫、隱馬爾可夫等統(tǒng)計學習理論和算法。文中引入判別訓練理論及其算法，給出了此算法收斂性質(zhì)的判定方法。研究了在此模型下特征函數(shù)的選取依據(jù)；并給出了結(jié)構(gòu)模型的建模理論框架和訓練算法。
　　(3)面向統(tǒng)計機器翻譯的中間語模型研究：中間語獨立于所有自然語言，可以減小源語言與目標語之間詞對齊的跨度、以及句法結(jié)構(gòu)的異構(gòu)性對于翻譯結(jié)果的影響；文中給出了基于雙語短語塊劃分算法；在最大熵理論框架下，論述了基于IBM和ITG限制的中間語生成模型方法；