基于短語的統(tǒng)計(jì)翻譯模型的研究與應(yīng)用.pdf

1、本文主要研究提高基于短語的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)的性能的方法。基于短語的統(tǒng)計(jì)機(jī)器翻譯方法具有在翻譯的過程中應(yīng)用上下文使目標(biāo)語言的構(gòu)建更為合理且符合自然語言特征，通過無監(jiān)督的形式從數(shù)據(jù)中學(xué)習(xí)得到短語翻譯對，不需要語言資源來輔助學(xué)習(xí)過程等優(yōu)點(diǎn)。但是，對于句子中短語間的長距離調(diào)序以及非連續(xù)的固定搭配翻譯等問題，目前沒有一個(gè)理想的辦法來解決，使得基于短語的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)性能仍不如意。 本文通過以下三個(gè)方面的改進(jìn)提高了基于短語的統(tǒng)計(jì)機(jī)器翻譯系

2、統(tǒng)的性能：對目標(biāo)語言語料庫進(jìn)行了復(fù)合詞的捆綁處理，提高了詞語對齊的精度；對Och的短語抽取算法進(jìn)行了改進(jìn)，解決了局部連續(xù)短語以及非連續(xù)短語模板的抽取問題；引入了翻譯模板的概念，利用模板自動(dòng)抽取方法，構(gòu)造了農(nóng)業(yè)領(lǐng)域模板，在一定程度上解決了目標(biāo)語言語序混亂問題；在此基礎(chǔ)上構(gòu)建了基于短語和模板的雙層翻譯模型，并結(jié)合語言模型及相應(yīng)的解碼算法，實(shí)現(xiàn)了一個(gè)面向農(nóng)業(yè)領(lǐng)域的漢語到民族語言的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)，最后將該系統(tǒng)嵌入到農(nóng)業(yè)知識處理平臺中，利用記憶

3、庫，詞典以及編碼統(tǒng)一處理技術(shù)，完成了基于UNICODE編碼的漢民(漢蒙、漢維、漢彝)雙語農(nóng)業(yè)知識處理統(tǒng)一平臺。 實(shí)驗(yàn)表明，本文提出的基于短語和模板的雙層翻譯模型的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)在性能上超過了原來的系統(tǒng)。復(fù)合詞的捆綁處理使得詞語對齊結(jié)果更精確。局部連續(xù)短語及非連續(xù)短語模板的抽取，在一定程度上擴(kuò)充了語料庫，尤其對于漢語和民族語言這種目前規(guī)模還相對較小的雙語語料庫來說，采用這種翻譯方法，可以減少未登錄詞，提高翻譯效率。在統(tǒng)計(jì)機(jī)器翻譯