基于字形的英漢機器音譯改進研究.pdf

1、機器音譯就是根據(jù)發(fā)音將給定的源語言中的專有名詞自動翻譯成目標語言對應(yīng)的詞匯的過程。相對于機器翻譯而言，機器音譯不存在語義層次的翻譯要求，并且是一種順序翻譯的過程，不存在音譯對之間調(diào)序問題，所以機器音譯是一種相對弱化的機器翻譯。因此機器音譯的研究對于機器翻譯而言具有重要的理論意義。目前不斷增長的全球化趨勢需要跨過語言壁壘獲得全世界范圍內(nèi)的有效有價值的信息，因此機器音譯在跨語言應(yīng)用中的作用也日益凸現(xiàn)，機器音譯的研究因此也受到越來越多的關(guān)注。

2、
　　不同語系間的機器音譯存在著巨大的挑戰(zhàn)性，如英/漢之間的機器音譯。因其采用不同字母表和發(fā)音系統(tǒng)，音譯過程相當復雜且存在眾多導致音譯性能下降的因素。目前關(guān)于中英文的跨語言應(yīng)用研究有很多，本文調(diào)研了近三年機器音譯研究現(xiàn)狀，對重要會議上發(fā)表的所有16篇音譯相關(guān)文獻中提出的新方法進行了全面而詳實的分析，通過比較，本文采用性能較好的基于字形的英漢機器音譯框架，首先探索了語料規(guī)模的擴大對于音譯性能的影響，進而引入判別學習解決英漢音譯中提高

3、性能的瓶頸問題，即改進音譯單元對齊效果的問題，并探討了不同的半指導學習樣本對于判別式模型的作用，以期獲得較好的學習性能。本文即是從提高英漢機器音譯性能的可能途徑入手，研究改進音譯的方法。
　　具體的講，本文從以下幾個方面進行了研究：
　　1.本文進行了語料規(guī)模對于機器音譯性能影響的研究。在基于字形的英漢機器音譯框架下，采用了噪聲通道模型(NCM)和聯(lián)合信源通道模型(JSCM)建模以捕捉字形的上下文信息，并進行了兩種模型下機器

4、音譯性能實驗。進而進行不同語料規(guī)模的實驗，研究語料規(guī)模給基于字形機器音譯帶來的改變。
　　2.利用EM算法進行了英漢音譯單元等級上的對齊研究，并引入判別學習方法解決英漢音譯單元對齊中存在的問題。本文使用了新的音譯單元對齊EMD方法，并通過實驗比較了EM算法和EMD方法獲得的對齊語料的性能。實驗表明采用EMD算法提高了英漢機器音譯單元對齊的性能。
　　3.本文介紹了現(xiàn)有的機器學習方法，及判別學習框架下的機器音譯單元對齊方法，并