英漢機(jī)器翻譯模板自動(dòng)抽取算法的研究與實(shí)現(xiàn).pdf

1、雖然機(jī)器翻譯已經(jīng)有了50年左右的歷史，但目前它的研究仍然沒(méi)有取得實(shí)質(zhì)性的突破。機(jī)器翻譯的方法主要包括基于規(guī)則、基于例子和基于統(tǒng)計(jì)的三種方法，但它們都有各自的局限性，而基于模板的機(jī)器翻譯(簡(jiǎn)稱TBMT)在某種程度上可以綜合它們的優(yōu)點(diǎn)，所以引起了國(guó)內(nèi)外學(xué)術(shù)界一定的關(guān)注。但TBMT需要大規(guī)模的翻譯模板才可以獲得較高的正確率，因此如何解決構(gòu)建大規(guī)模模板庫(kù)的問(wèn)題就顯得非常重要，本文的目的就是對(duì)怎樣從雙語(yǔ)平行語(yǔ)料庫(kù)中自動(dòng)抽取翻譯模板的算法進(jìn)行研究。

2、 本文首先概括了機(jī)器翻譯的歷史、發(fā)展及主要的方法策略，同時(shí)對(duì)基于模板的機(jī)器翻譯作了簡(jiǎn)單介紹。然后以TranslationTemplateLearner(TTL)算法為原型，提出了一種改進(jìn)的英漢翻譯模板提取算法——基于句子比較的翻譯模板抽取(簡(jiǎn)稱ATTEBSC)算法。TTL算法最初被應(yīng)用于英語(yǔ)——土耳其語(yǔ)模板自動(dòng)抽取的研究，而這里ATTEBSC算法主要被應(yīng)用于自動(dòng)抽取英漢翻譯模板。ATTEBSC算法的基本思想是通過(guò)句子的比較來(lái)獲取

3、翻譯模板，既不需要雙語(yǔ)詞典，也不需要進(jìn)行句法分析，它的實(shí)質(zhì)是先利用一種基于向量空間模型的方法對(duì)語(yǔ)料庫(kù)中的句子進(jìn)行聚類(lèi)，把具有相同或相似結(jié)構(gòu)的句子合成一類(lèi)；再利用計(jì)算最長(zhǎng)公共子序列(LCS)的方法把同一類(lèi)中的句子按照設(shè)定的閾值進(jìn)行過(guò)濾并把相應(yīng)的句子對(duì)改寫(xiě)成TTL算法所要求的格式，最后通過(guò)這種格式分析對(duì)應(yīng)變量或常量實(shí)現(xiàn)模板的自動(dòng)抽取。實(shí)驗(yàn)表明，ATTEBSC算法能夠?qū)W出許多有價(jià)值的模板、效果良好。雖然它也會(huì)生成大量的無(wú)用模板，但是它具有容易