基于语料库的机器翻译中翻译知识的获取方法.pdf

了红沙殷乐学位论文版权使用授权书月码齀阡年上卜签字日期:徊本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索,提供阅览服务,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。C艿难宦畚脑诮饷芎笫视帽臼谌ㄋ得签字日期:学位论文作者签名:导师签名:
北京交通大学硕士学位论文基于语料库的机器翻译中翻译知识的获取作者姓名:殷乐导师姓名:张玉洁学1职称:教授学位类别:学术型学位级别:硕士学科专业:计算机科学与技术研究方向:us-lneKnowledgetransiation中图分类号:10004密级:公开acquisition1UDC0048●'’
摘要机器翻译抢玫缱蛹扑慊诓煌镅灾涫现翻译的一门实验性学科。随着互联网技术和机器翻译技术的发展,机器翻译在产品手册本地化、旅游会话和信息检索等领域得到越来越多的应用。虽然近年来机器翻译研究工作已经取得了长足进步,但在长文的机器翻译中翻译质量和解码速度还远未达到令人满意的水平。在基于语料库的机器翻译中,如何从大规模语料中自动获取高质量的机器翻译知识一直是该领域的研究热点。在基于实例的机器翻译中,翻译实例库是翻译知识的主要表现形式。不同语系的平行句对之间,句子的语序常常有很大出入。目前仅使用单词对齐信息从平行句对中获取翻译实例的方法经常会产生译文中的语序错误。针对这一问题,本文提出利用依存句法信息为翻译知识获取提供句法约束的方法,以减少语序错误的发生。依存句法信息是句子内成分之间修饰与被修饰的关系,借助这些信息可以获得长距离的语序调整信息;同时待翻译句子的依存句法信息也可以作为计算实例相似度和解码算法的依据,提高翻译精度。本文根据这一方法构建了的方法。该方法通过引入虚拟上下文模拟解码时的语境来计算短语对在语言模型上的得分增量;并设计了一种对短语对重排序的翻译知识过滤策略,即通过分配最佳和最差语境来计算短语对的最大和最小得分增量。基于以上考虑,本文在基于语料库的机器翻译中,设计了利用依存句法信息约束来获得翻译知识和利用虚拟上下文信息过滤翻译知识的方法。为了验证所提方法的有效性,该工作在基于实例机器翻译框架中设计并实现了带有依存结构的翻译实例的获取方法、基于依存结构特征为主的实例相似度的计算模式和译文生成算法。本文利用国际公开评测的中英专利数据模拟实际翻译系统的开发过程,构建了基于依存结构化实例的系统并进行了评测实验。评测结果对短语表过滤方法,本文在的中英数据上进行了验证实验。结果显示,当短语表的规模下降到原来的%时,翻译质量的值提高了坏倍语表的规模下降到原来的%时,值仅下降J笛榻峁砻鳎诖规模短语表的过滤中,本文的方法是有效可行的。塞窒适叁堂亟±堂焦迨塞揸翌基于依存结构化实例的机器翻译系统。在统计机器翻译逃锉硎欠胫J兜闹饕1硐中问健W远袢〉亩语表中不可避免的包含大量的冗余和错误的短语对,这极大影响了解码速度又会影响翻译质量。为了缓解这个问题,本文提出一种基于虚拟上下文的过滤短语表显示系统的性能接近公布的最好系统“钡姆胨健U
韭墓重超哒登塑堕登焦论塞瑆.,瑃△旦墨鳌琺甌瑆,瓸,猯瓵,—.
目录摘要⋯⋯⋯⋯.⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯......⋯⋯⋯绪论⋯⋯.⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯研究背景和意义⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯.国内外研究现状⋯⋯..⋯⋯⋯⋯⋯.⋯⋯⋯.⋯⋯..鞣氲姆⒄购脱芯肯肿础。鞣氲墓丶侍狻论文的主要内容和组织结构⋯⋯⋯⋯..⋯⋯⋯.⋯⋯.基于语料库的机器翻译理论和基础技术⋯⋯⋯⋯锚⋯⋯⋯.基于实例的机器翻译方法⋯⋯⋯⋯⋯⋯⋯..的原理和框架..⋯⋯⋯⋯..⋯⋯⋯⋯⋯。..〉奈侍狻句法分析⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.逃锝峁咕浞ǚ治觯!.来娼峁咕浞ǚ治觯#.来娼峁咕浞ǖ挠攀啤中基于依存结构的翻译知识获取和翻译系统的实现⋯⋯⋯..结构化实例的获取方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.。!系统实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯.∧??〉奈侍猓#,。..。.⋯。,,.。。。。。。.,.................................................。。ⅲ.
髀研究背景和意义机器翻译,又称为自动翻译,是利用计算机把一种语言的文本和语音转变为另一种语言的文本和语音的过程,用以完成这一过程的软件叫做机器翻译系统。机器翻译是自然语言处理分支,它与语言学⒒餮凶琶懿豢煞值步入二十一世纪以来,随着国际互联网难该头⒄购褪澜缇靡体化的加速,网络信息急剧膨胀,国际交流日益频繁,如何