面向旅游領(lǐng)域的漢英統(tǒng)計(jì)機(jī)器翻譯關(guān)鍵技術(shù)研究.pdf

1、機(jī)器翻譯一直是自然語言處理領(lǐng)域的研究熱點(diǎn)，隨著統(tǒng)計(jì)機(jī)器翻譯研究的逐步深入，機(jī)器翻譯在理論和實(shí)踐方面都取得了很大的進(jìn)步。但是由于統(tǒng)計(jì)機(jī)器翻譯方法依賴于訓(xùn)練語料，一些特定領(lǐng)域由于缺乏平行訓(xùn)練語料而導(dǎo)致其譯文質(zhì)量相當(dāng)不理想。隨著全球化的不斷深入，跨境旅游已經(jīng)成為人們?nèi)粘Ｏ驳囊徊糠?，面向旅游領(lǐng)域的機(jī)器翻譯系統(tǒng)擁有很大的市場前景和研究意義。由于旅游平行訓(xùn)練語料的缺乏，使用通用機(jī)器翻譯系統(tǒng)得到的旅游文本譯文比較糟糕，因此，本文對(duì)旅游文本篇章特性進(jìn)

2、行研究以提高系統(tǒng)翻譯質(zhì)量，主要工作包括:
　　(1)篇章預(yù)處理研究，我們提出了一種結(jié)合規(guī)則方法與機(jī)器學(xué)習(xí)方法并融合集成學(xué)習(xí)和半監(jiān)督學(xué)習(xí)策略的漢語旅游文本非信息句識(shí)別模型。為了構(gòu)造初始化種子標(biāo)注集，我們首先根據(jù)非信息句的特點(diǎn)構(gòu)造規(guī)則模板，采用規(guī)則的方法進(jìn)行標(biāo)注，然后我們將非信息句識(shí)別看成是一個(gè)二元分類問題并使用機(jī)器學(xué)習(xí)方法進(jìn)行分類識(shí)別。由于規(guī)則方法所構(gòu)造的訓(xùn)練集數(shù)量小且存在數(shù)據(jù)不平衡的特點(diǎn)，我們引入了基于Self-Training的

3、半監(jiān)督學(xué)習(xí)策略和集成學(xué)習(xí)的策略。實(shí)驗(yàn)結(jié)果表明，該模型具有較好的非信息句識(shí)別效果。
　　(2)漢語成語翻譯方法研究，與一般文本相比旅游文本中成語出現(xiàn)更為頻繁，針對(duì)成語翻譯問題，我們提出了基于復(fù)述技術(shù)的漢語成語翻譯方法。首先我們實(shí)現(xiàn)并改進(jìn)了三種復(fù)述獲取方法以獲取成語復(fù)述，從而構(gòu)建了成語復(fù)述庫;然后我們根據(jù)成語類別提出了成語復(fù)述替換的擇優(yōu)方法;接著我們通過在測試集和訓(xùn)練集中分別替換成語復(fù)述來實(shí)現(xiàn)對(duì)成語的改進(jìn)翻譯。實(shí)驗(yàn)結(jié)果表明，我們的方法