面向機器翻譯的模板自動獲取技術研究.pdf

1、語料庫語言學的興起，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)中關于語料庫的建設方式已凸顯不足。如何快速、準確的收集資源、構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研究

2、以東北大學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，并成功構造模板庫用于模板層翻譯。經(jīng)實驗測試準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