統(tǒng)計機器翻譯譯文錯誤檢測與校正方法研究.pdf

1、目前，基于統(tǒng)計的機器翻譯方法得到廣泛的應用，如軟件本地化、翻譯后編輯等領域。然而，受限于雙語語料的規(guī)模和質量，當前的統(tǒng)計機器翻譯系統(tǒng)仍然無法提供等同于人類的翻譯質量，因此，在實際應用中，統(tǒng)計機器翻譯系統(tǒng)一般作為輔助手段協(xié)助翻譯后編輯人員工作，以提高工作效率。
　　對譯文中的翻譯錯誤準確定位，且在一定條件下對翻譯錯誤進行自校正，是提高后編輯人員工作效率的一個重要途徑。針對該問題，本文提出基于監(jiān)督學習的翻譯錯誤自動檢測和基于復述的錯誤

2、自校正策略，用以改善統(tǒng)計機器翻譯質量。
　　課題主要針對機器翻譯譯文中出現(xiàn)的集外詞與非集外詞進行分類研究。對于集外詞而言，可以直接從翻譯結果中識別，然后用其含有翻譯候選的復述(paraphrases)進行替換，從而達到顯著降低集外詞的概率。對于非集外詞而言，將譯文錯誤檢測問題作為一個監(jiān)督分類問題，即給定一組候選譯文，從標注分類類別的數(shù)據(jù)集中抽取多個置信度特征，采用監(jiān)督學習方法訓練分類模型，然后將測試集候選譯文中的單詞分為“正確”與

3、“錯誤”兩類。最后，通過將錯誤的譯文單詞或短語映射到源語言端，并對該源語言詞或短語進行復述表示，使得機器翻譯系統(tǒng)的解碼器在最優(yōu)翻譯候選選擇時，可以搜索到更符合上下文環(huán)境的翻譯候選，從而提高翻譯質量，降低翻譯錯誤率。
　　在基于Moses的統(tǒng)計機器翻譯基線系統(tǒng)上，本文以NIST2008作為開發(fā)集，NIST2005作為測試集進行了錯誤分類和錯誤自校正實驗。實驗結果表明，利用多特征組合方法可以顯著降低分類錯誤率，提高譯文錯誤預測能力；在