統(tǒng)計(jì)機(jī)器翻譯譯文錯(cuò)誤檢測(cè)方法研究.pdf

1、近年來(lái)，隨著統(tǒng)計(jì)機(jī)器翻譯(SMT)的快速發(fā)展，SMT系統(tǒng)開(kāi)始應(yīng)用于各大軟件公司。高質(zhì)量的譯文對(duì)于進(jìn)一步促進(jìn)SMT實(shí)用化至關(guān)重要，然而，到目前為止，面向工業(yè)界應(yīng)用的SMT系統(tǒng)生成的譯文質(zhì)量仍然無(wú)法真正滿足用戶要求。因此，為了提高機(jī)器翻譯譯文質(zhì)量，自動(dòng)對(duì)譯文進(jìn)行錯(cuò)誤預(yù)測(cè)與分類成為SMT技術(shù)發(fā)展和應(yīng)用的重要研究?jī)?nèi)容之一。
　　本文基于機(jī)器學(xué)習(xí)策略，將機(jī)器翻譯譯文錯(cuò)誤檢測(cè)問(wèn)題作為一個(gè)監(jiān)督分類問(wèn)題，即給定一組候選譯文，從已標(biāo)注分類類別的數(shù)據(jù)

2、集中抽取多個(gè)置信度特征，通過(guò)監(jiān)督學(xué)習(xí)策略學(xué)習(xí)一個(gè)分類模型，然后將測(cè)試數(shù)據(jù)候選譯文中的單詞分為“正確”與“錯(cuò)誤”兩類。
　　本文首先抽取了3種典型的用于翻譯錯(cuò)誤檢測(cè)和分類的單詞后驗(yàn)概率特征，即基于固定位置的詞后驗(yàn)概率、基于滑動(dòng)窗的詞后驗(yàn)概率和基于詞對(duì)齊的后驗(yàn)概率;之后從語(yǔ)言學(xué)和源端信息出發(fā)，抽取了三種語(yǔ)言學(xué)特征（詞性、詞及由LG句法分析器抽取的句法特征）和一個(gè)源端單詞特征。然后分別采用最大熵分類器和SVM分類器對(duì)以上特征及特征組合進(jìn)

3、行了錯(cuò)誤分類實(shí)驗(yàn)，并進(jìn)行了評(píng)價(jià)。在NIST漢英機(jī)器翻譯數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，基于靈活對(duì)齊位置的單詞后驗(yàn)概率表現(xiàn)要優(yōu)于固定位置的單詞后驗(yàn)概率，而且，語(yǔ)言學(xué)特征、源端單詞特征對(duì)于進(jìn)一步降低分類錯(cuò)誤率是有效的，多特征組合可以顯著降低分類錯(cuò)誤率，提高譯文錯(cuò)誤預(yù)測(cè)能力。同時(shí)，實(shí)驗(yàn)也驗(yàn)證了無(wú)論是在獨(dú)立特征實(shí)驗(yàn)還是組合特征實(shí)驗(yàn)中，SVM分類器都要優(yōu)于最大熵分類器，其分類效果更好。
　　在獨(dú)立分類器實(shí)驗(yàn)基礎(chǔ)上，本文也提出了基于乘性組合的多分類器組