基于Internet的互動(dòng)輔助釋譯技術(shù)研究.pdf

1、機(jī)器翻譯的研究由來(lái)已久,但尚未能完全達(dá)到人類期望的目標(biāo)。隨著計(jì)算機(jī)軟硬件技術(shù)的高速發(fā)展,以及語(yǔ)料庫(kù)建設(shè)的完善,利用統(tǒng)計(jì)知識(shí)的機(jī)器翻譯成為可能,翻譯質(zhì)量有望離人類的期望更近一步。自噪聲信道模型,尤其是最大熵模型提出以來(lái),機(jī)器翻譯的一個(gè)中心任務(wù)是如何在模型中融入更有效的知識(shí),以進(jìn)一步提高機(jī)器翻譯的質(zhì)量。本文聚焦于中英文之間的機(jī)器翻譯問(wèn)題,針對(duì)如何有效地在基于中英雙語(yǔ)語(yǔ)料庫(kù)的機(jī)器翻譯中結(jié)合用戶評(píng)分進(jìn)行了一系列深入的研究。
　　 首先,

2、網(wǎng)絡(luò)爬蟲(chóng)是一個(gè)自動(dòng)提取網(wǎng)頁(yè)的程序,我們利用它從Internet上下載相對(duì)應(yīng)的網(wǎng)頁(yè),得到訓(xùn)練需要的漢英平行語(yǔ)料庫(kù),存到數(shù)據(jù)庫(kù)里。由于漢語(yǔ)是以字為基本的書(shū)寫單位,詞語(yǔ)之間沒(méi)有明顯的區(qū)分標(biāo)記。因此,中文詞語(yǔ)分析是中文信息處理的基礎(chǔ)與關(guān)鍵。其中中文的分詞,我們采用了現(xiàn)有的中國(guó)科學(xué)院計(jì)算技術(shù)研究所研制出的漢語(yǔ)詞法分析系統(tǒng)ICTCLAS(Institute of Computing Technology.Chinese LeXical Analys

3、is System)。而英語(yǔ)句子中本身就是分好的詞,我們只進(jìn)行了大小寫轉(zhuǎn)化和標(biāo)點(diǎn)符號(hào)的分離處理。
　　 其次,從Internet上獲取回漢英平行語(yǔ)料,并對(duì)中英文進(jìn)行處理后,對(duì)每一個(gè)翻譯句子進(jìn)行人工評(píng)分。評(píng)分為很好、好、一般、較差、很差五個(gè)等級(jí)。語(yǔ)料的獲取和評(píng)分的截圖見(jiàn)附錄。然后,我們將不同的人評(píng)分的結(jié)果求得一個(gè)平均值,與統(tǒng)計(jì)翻譯里的共現(xiàn)概率相乘得到最后的翻譯概率,這個(gè)概率形成我們最后用Moses解碼時(shí)的翻譯概率表。