基于復(fù)述的機(jī)器翻譯系統(tǒng)融合方法研究.pdf

1、機(jī)器翻譯技術(shù)是一種能自動(dòng)將一種語言翻譯成另外一種語言的自然語言處理技術(shù)。近些年來，隨著機(jī)器翻譯技術(shù)的日趨成熟，涌現(xiàn)出各種不同方法來解決機(jī)器翻譯問題。為了充分利用各種翻譯系統(tǒng)，揚(yáng)長避短，研究者將成功應(yīng)用于多個(gè)領(lǐng)域的系統(tǒng)融合技術(shù)引入機(jī)器翻譯方法中，并取得了較好的成果。在最流行的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)框架下，訓(xùn)練翻譯模型往往需要大規(guī)模的訓(xùn)練語料。然而在一些小語種的翻譯任務(wù)上，并不能獲得很多的平行語料訓(xùn)練翻譯模型。為了在不能得到多個(gè)翻譯系統(tǒng)的融合任務(wù)

2、上提升系統(tǒng)融合技術(shù)的融合質(zhì)量，本文提出通過對翻譯假設(shè)進(jìn)行同義復(fù)述，引入更多有用信息到翻譯假設(shè)集中，供系統(tǒng)融合選擇，從而提升融合質(zhì)量。
　　為了利用復(fù)述技術(shù)產(chǎn)生翻譯假設(shè)的復(fù)述結(jié)果，融合更多有用信息到翻譯假設(shè)候選集中，從而提升系統(tǒng)融合性能，本研究主要從以下幾個(gè)方面研究基于復(fù)述的機(jī)器翻譯融合技術(shù)：
　?。?）基于詞級別復(fù)述的機(jī)器翻譯系統(tǒng)融合方法。該方法主要是利用翻譯假設(shè)之間的對齊信息，找出最有可能被復(fù)述的詞，作為復(fù)述點(diǎn)，通過引入大

3、規(guī)模的單語語料利用此的詞向量表示產(chǎn)生與復(fù)述點(diǎn)語義一致的詞，生成原翻譯假設(shè)候選集的復(fù)述句子。通過這種方法，以詞為基本粒度，對翻譯假設(shè)集信息進(jìn)行拓展，提升了最終的融合質(zhì)量。
　　（2）基于短語級別復(fù)述的機(jī)器翻譯系統(tǒng)融合方法。該方法以短語為基本粒度，產(chǎn)生與翻譯假設(shè)集語義一致的復(fù)述結(jié)果。通過利用大規(guī)模平行語料抽取短語復(fù)述資源；利用該復(fù)述資源，通過對數(shù)線性模型，利用語言模型，復(fù)數(shù)概率等特征對復(fù)述句子進(jìn)行打分，使用柱狀搜索算法對翻譯假設(shè)進(jìn)行解

4、碼，產(chǎn)生具有最大概率的復(fù)述結(jié)果。利用該方法產(chǎn)生短語級別的復(fù)述結(jié)果，給后面的系統(tǒng)融合步驟提供更多的選擇。
　　（3）基于句子級別復(fù)述的機(jī)器翻譯系統(tǒng)融合方法。這部分通過近些年來較為流行的神經(jīng)網(wǎng)絡(luò)模型，利用RNN Encoder-Decoder結(jié)構(gòu)，訓(xùn)練一個(gè)以翻譯假設(shè)為輸入，參考譯文為輸出的神經(jīng)網(wǎng)絡(luò)模型，以句子為基本單位對翻譯假設(shè)進(jìn)行復(fù)述，產(chǎn)生相比于機(jī)器翻譯結(jié)果具有更高質(zhì)量的語義一致的復(fù)述句子。該模型通過將輸入句子轉(zhuǎn)換為一個(gè)向量表示并對