基于短語對齊的漢—英翻譯知識自動獲取.pdf

1、隨著因特網的迅猛發(fā)展，“信息爆炸”已成為信息處理領域中的瓶頸問題。信息的日益國際化及語言之間的障礙形成了人們對機器翻譯系統(tǒng)的強烈需求，而普遍存在的知識獲取難題始終制約著翻譯系統(tǒng)的發(fā)展。語言學知識和統(tǒng)計模型在自然語言信息處理領域所取得的成功，為人們利用語言學資源和統(tǒng)計方法實現(xiàn)翻譯知識自動獲取在理論和實踐方面指明了方向，對機器翻譯的研究將具有重要的理論意義和實用價值。本文提出了翻譯知識自動獲取及優(yōu)化方案。在知識獲取方面，研究了平行雙語語料庫

2、的對齊加工技術；探索了翻譯模板自動獲取方法。在知識優(yōu)化方面，研究了短語翻譯對的評價與過濾技術；探索了基于評價的模板庫自動優(yōu)化方法。將獲取的翻譯知識用于一個基于模板的機器翻譯系統(tǒng)中，并對機器譯文進行自動評測。實驗結果表明：本文提出的知識獲取方法可以提高系統(tǒng)的譯文輸出質量，降低人工獲取翻譯知識的代價。具體地講，本文將從以下幾個方面開展研究：
　　1．研究了平行雙語語料庫的短語對齊加工技術。分析了常用的短語對齊方法，及制約對齊結果的各項

3、因素。為雙語句對建立譯文等價樹，利用貪心算法來消除同層結點譯文邊界之間的交叉沖突。該等價樹僅考慮源語言句法信息，避開了源語言和目標語兩種語法體系之間的不一致性對短語對齊的影響，以便從中獲取高質量的短語翻譯對。
　　2．研究了短語翻譯對自動優(yōu)化方法。探討了評價雙語互譯的常用方法，提出了短語翻譯對的評價特征。該特征同時包含了源語言與目標語兩部分信息，以期望能夠從語言現(xiàn)象本身去反映短語對的互譯程度，獲取較好的優(yōu)化結果。使用評價特征對自動

4、獲取的短語翻譯對集合進行過濾，以消除其中的噪聲。同時在評價特征的基礎之上，使用多種機器學習算法來提高短語對的評價與過濾性能。
　　3．研究了翻譯模板自動提取技術。對比了幾種常用的模板抽取方法，提出了使用錯誤驅動的學習方法來獲取模板。利用源語言的句法特征、詞性特征、詞法特征、核心結點信息及機器翻譯詞典，對短語對進行簡單地映射以提取學習實例。采用錯誤驅動的學習方法從中抽取翻譯模板，力圖解決模板自動獲取問題。同時，對翻譯模板庫進行合理地