英漢人名音譯的研究.pdf

1、人名音譯指利用源語言及目標(biāo)語言發(fā)音規(guī)則的異同將源語言形式人名翻譯成目標(biāo)語言形式，在機(jī)器翻譯、雙語語料庫對(duì)齊等多語言處理任務(wù)中有重要作用。本文重點(diǎn)研究如何構(gòu)建英文來源的英漢人名音譯模型及人名來源識(shí)別模型。
　　針對(duì)英漢人名音譯的特點(diǎn)及現(xiàn)有研究存在的問題，提出一種基于音節(jié)劃分和短語表優(yōu)化的人名音譯方法。本文將人名音譯轉(zhuǎn)換為以音節(jié)為基本單位的翻譯問題，將連續(xù)的音節(jié)組合看作短語，引入一種基于短語的統(tǒng)計(jì)機(jī)器翻譯方法，實(shí)現(xiàn)英漢人名的音譯。首先

2、，針對(duì)現(xiàn)有音節(jié)劃分方法存在的問題，提出一種改進(jìn)的劃分方法;其次，訓(xùn)練語料偏小導(dǎo)致短語表中存在雜質(zhì)信息，提出去除低頻詞法、基于C-value的除雜法及基于粘結(jié)度的除雜法等三種方法優(yōu)化短語表，實(shí)驗(yàn)表明，基于C-value的方法可有效去除短語表的雜質(zhì)信息;之后，融入漢語人名中首尾字的位置特征，對(duì)生成的音譯候選重新調(diào)整先后順序，改善了音譯候選漢字選取的不合理性;最后，提出在解碼階段引入兩階段音節(jié)劃分方法，緩解了由于音節(jié)劃分粒度過大導(dǎo)致在短語表中

3、找不到翻譯所引起的音譯錯(cuò)誤。實(shí)驗(yàn)結(jié)果表明，通過上述四方面的改進(jìn)，其音譯準(zhǔn)確率由63.08％提高到67.62％。
　　不同來源的人名具有不同的發(fā)音規(guī)則體系，因此，在對(duì)人名進(jìn)行來源識(shí)別后再進(jìn)行音譯，其效果會(huì)更加準(zhǔn)確。本文提出基于發(fā)音規(guī)則與統(tǒng)計(jì)融合的兩階段方法解決人名來源識(shí)別問題。首先，利用漢語拼音規(guī)則、日語片假名發(fā)音規(guī)則將人名粗略分為四大類;然后，使用基于統(tǒng)計(jì)的方法——樸素貝葉斯分類方法實(shí)現(xiàn)最終的語言來源識(shí)別。選取基于字符的N-gra