面向機器翻譯的模板自動獲取技術(shù)研究.pdf

1、語料庫語言學(xué)的興起，使得基于實例的機器翻譯(example based machine translation，EBMT)得到越來越多的研究。 而隨著信息時代的到來和Internet的迅猛發(fā)展，在面對海量信息的今天，傳統(tǒng)的基于實例的機器翻譯系統(tǒng)中關(guān)于語料庫的建設(shè)方式已凸顯不足。如何快速、準(zhǔn)確的收集資源、構(gòu)建所需的語料庫成為一個急需解決的問題。本文的研究正是解決這一問題的有力手段之一。 面向機器翻譯的模板自動獲取技術(shù)研究

2、以東北大學(xué)自然語言處理實驗室和日本富士施樂公司合作開發(fā)的“面向奧運新聞的漢日機器翻譯系統(tǒng)”為需求背景。該系統(tǒng)分為三個模塊兒：翻譯記憶(TM)、詞表層翻譯(WBMT)和模板層翻譯(TBMT)。本研究正是為了解決模板層翻譯(TBMT)所涉及的一系列問題。 本文主要針對如何自動快速構(gòu)造模板層翻譯所需的語料庫即模板庫進行了研究，提出了一種對譯模板的表示形式，設(shè)計了一套完整的生成規(guī)范并給出了一種自動獲取的算法，最終實現(xiàn)了該系統(tǒng)。我們從項目

3、已有的五萬詞對齊庫中一共抽出近三萬六千個對譯模板對兒，并成功構(gòu)造模板庫用于模板層翻譯。經(jīng)實驗測試準(zhǔn)確率和召回率分別為66％和61.3％，已通過項目驗收。 本文另外一個研究工作是針對漢語單語模板的抽取研究。該方法既可用于構(gòu)造漢語單語模板庫，也可用于模板層翻譯(TBMT)時的源語模板生成。針對這一問題，本文同樣提出了漢語單語模板的表示形式和一套完整的生成規(guī)范以及自動獲取的算法，最終實現(xiàn)了系統(tǒng)。我們從項目已有的五萬詞對齊庫中共抽出單語