基于單語語料庫的詞語新譯挖掘方法研究.pdf

1、機器翻譯是應(yīng)用計算機將一種源自然語言自動地翻譯成另一種目標(biāo)自然語言的技術(shù)。隨著時代的迅速發(fā)展，人們?yōu)榱烁菀椎鼗ハ嘟涣骱瞳@取信息，對于機器翻譯的需求也在逐漸加強。如何提高機器翻譯質(zhì)量已經(jīng)成為研究者們的研究熱點。
　　統(tǒng)計機器翻譯系統(tǒng)對平行語料有很強的依賴性，然而，一些語言對以及特定領(lǐng)域中平行語料資源稀缺，甚至不存在，使得機器翻譯不能順利進行。即使存在豐富數(shù)據(jù)資源，一般也來自于不同領(lǐng)域。這種領(lǐng)域上的差異導(dǎo)致很多詞語在不同領(lǐng)域中有不同

2、的譯法，使得跨領(lǐng)域機器翻譯效果并不理想。為了解決這些問題，本文提出了基于單語語料庫的詞語新譯挖掘方法研究。
　　本文在進行詞語新譯挖掘時，將其拆分為兩個子任務(wù)，分別是：詞語新譯法發(fā)現(xiàn)和詞語譯文挖掘，并將二者融合進行一體化研究，最終還將挖掘的詞語新譯應(yīng)用在機器翻譯實際場景中。本文的具體研究內(nèi)容如下：
　　(1)在詞語新譯法發(fā)現(xiàn)任務(wù)中，本文將其轉(zhuǎn)換為分類問題，判斷詞語是否存在新譯法。在原有方法基礎(chǔ)上對特征加以改進，提出了基于豐富

3、特征的方法，引入了語言學(xué)特征，分別是目標(biāo)語言、詞性和句法特征，這些特征更符合本文所要解決的新譯法發(fā)現(xiàn)任務(wù)的特點，能夠提高分類器的準(zhǔn)確性。
　　(2)在詞語譯文挖掘任務(wù)中，本文對基于分布表示的方法加以改進，提出了基于神經(jīng)網(wǎng)絡(luò)的方法。首先對詞語進行聚類，然后在每個類別中利用神經(jīng)網(wǎng)絡(luò)來代替線性函數(shù)，挖掘詞語向量表示之間的映射關(guān)系。所有操作都是在單語語料庫上進行。改進后能夠更好地挖掘同一語言詞語之間的關(guān)聯(lián)，以及不同語言詞語之間的映射關(guān)系，