統(tǒng)計機器翻譯中命名實體處理研究.pdf

1、隨著信息技術(shù)的發(fā)展，不同語言之間的溝通和交流變得越來越重要，在此背景下機器翻譯等自然語言處理技術(shù)得到長足發(fā)展。作為當(dāng)前研究熱點之一，命名實體識別及翻譯技術(shù)正廣泛應(yīng)用于諸多自然語言處理任務(wù)中，如機器翻譯、信息檢索、文本分類以及自動文摘等。在機器翻譯中命名實體的識別和翻譯也成為影響機器翻譯性能的重要因素之一。本文主要針對統(tǒng)計機器翻譯中的命名實體識別和翻譯進行了研究，針對層次短語統(tǒng)計機器翻譯模型中結(jié)合語言知識的規(guī)則抽取改進方法進行了探討，然后

2、提出了結(jié)合命名實體識別和翻譯的規(guī)則抽取改進方法。具體研究內(nèi)容主要包括以下幾個方面：
　　1.研究并實現(xiàn)了基于條件隨機域的實體類命名實體識別方法，該方法將命名實體識別看作一個序列標注問題，利用條件隨機域算法分別訓(xùn)練出英語和漢語命名實體識別模型，然后使用該模型進行命名實體識別。實驗表明，這種方法取得了較好的識別準確率。
　　2.提出了命名實體翻譯的總體框架，將實體類命名實體識別和翻譯與數(shù)字和時間表達式識別和翻譯聯(lián)系起來，共同作用

3、于機器翻譯過程中去。
　　3.設(shè)計了對稱策略的雙語實體類命名實體（包括人名、地名和機構(gòu)名）對齊的構(gòu)建方案，基于漢語和英語命名實體識別結(jié)果，結(jié)合詞對齊得到命名實體候選翻譯對，使用互信息等過濾抽取出命名實體翻譯對。實驗表明，該方法得到的命名實體翻譯對準確率較好。
　　4.設(shè)計了數(shù)字和時間表達式的漢語和英語識別方法，提出了漢英數(shù)字和時間表達式翻譯方法。實驗結(jié)果表明，識別和翻譯效果較好。
　　5.通過結(jié)合中文停用詞、詞性標注和