面向統(tǒng)計(jì)機(jī)器翻譯的領(lǐng)域自適應(yīng)方法研究.pdf

1、統(tǒng)計(jì)機(jī)器翻譯是目前主流的機(jī)器翻譯方法，它以統(tǒng)計(jì)模型為基礎(chǔ)，可以高效地獲取翻譯知識(shí)、快速地開發(fā)性能優(yōu)良的翻譯系統(tǒng)。但是當(dāng)領(lǐng)域發(fā)生變化時(shí)，利用現(xiàn)有的統(tǒng)計(jì)機(jī)器翻譯方法難以開發(fā)出令人滿意的機(jī)器翻譯系統(tǒng)。一方面，在中英科技文獻(xiàn)領(lǐng)域應(yīng)用統(tǒng)計(jì)機(jī)器翻譯時(shí)，領(lǐng)域變化帶來(lái)的中文分詞精度的下降會(huì)給獲取高質(zhì)量翻譯知識(shí)帶來(lái)很大障礙;另一方面，新領(lǐng)域往往引入大量的特有詞匯，造成翻譯系統(tǒng)已有的翻譯知識(shí)無(wú)法對(duì)其進(jìn)行翻譯。
　　針對(duì)領(lǐng)域變化引起的問(wèn)題，本文重點(diǎn)研究

2、面向統(tǒng)計(jì)機(jī)器翻譯的領(lǐng)域自適應(yīng)方法，以提高翻譯知識(shí)的質(zhì)量和覆蓋率。這些方法包括面向統(tǒng)計(jì)機(jī)器翻譯的中文分詞的領(lǐng)域自適應(yīng)方法和復(fù)述技術(shù)的應(yīng)用方法，都以提高統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)的領(lǐng)域自適應(yīng)能力為目標(biāo)。本文主要包括以下兩方面工作:
　　(1)針對(duì)領(lǐng)域變化引起的中文分詞精度下降問(wèn)題，本文提出了利用大規(guī)模生語(yǔ)料中n-gram統(tǒng)計(jì)特征的中文分詞方法和基于平行語(yǔ)料引導(dǎo)的中文分詞方法。在此基礎(chǔ)上，本文提出了基于線性模型的多特征融合方法，將不同方法的分詞結(jié)

3、果進(jìn)行融合，為不同領(lǐng)域中漢外統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)的開發(fā)提供了解決方案。實(shí)驗(yàn)結(jié)果表明，融合多種分詞結(jié)果的方法在分詞精度和統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)的翻譯性能上均取得了提升。
　　(2)對(duì)于新領(lǐng)域特有詞匯降低統(tǒng)計(jì)機(jī)器翻譯性能的問(wèn)題，最直接的做法是增加短語(yǔ)表規(guī)模，提高翻譯知識(shí)對(duì)新領(lǐng)域詞匯的覆蓋率，進(jìn)而增強(qiáng)統(tǒng)計(jì)機(jī)器翻譯的領(lǐng)域適應(yīng)能力。大規(guī)模、高質(zhì)量的平行語(yǔ)料庫(kù)難以獲得，直接擴(kuò)充短語(yǔ)表規(guī)模的方法受到限制。針對(duì)此問(wèn)題，本文提出了引入復(fù)述技術(shù)的統(tǒng)計(jì)機(jī)器翻譯系

4、統(tǒng)（復(fù)述是同語(yǔ)言同語(yǔ)義的不同表達(dá)方式）。其基本思想是:由于自然語(yǔ)言表達(dá)多樣性的存在，短語(yǔ)表對(duì)語(yǔ)義的覆蓋率一般高于對(duì)短語(yǔ)現(xiàn)象的覆蓋率;通過(guò)將新領(lǐng)域特有詞匯轉(zhuǎn)化為短語(yǔ)表熟知的復(fù)述形式，統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)可以為其尋得合適的譯文。具體實(shí)現(xiàn)中，本文利用第三種語(yǔ)言獲取帶有概率的復(fù)述短語(yǔ)表，用格圖表示待翻譯句子的多種復(fù)述形式，改進(jìn)機(jī)器翻譯解碼算法使之能夠處理格圖形式的輸入。實(shí)驗(yàn)結(jié)果表明，在不同規(guī)模的數(shù)據(jù)集上，引入復(fù)述特征的翻譯系統(tǒng)性能普遍優(yōu)于傳統(tǒng)的統(tǒng)計(jì)