統(tǒng)計機器翻譯領(lǐng)域適應(yīng)性研究.pdf

1、統(tǒng)計機器翻譯是一種以大規(guī)模平行語料為基礎(chǔ)，從互為翻譯的雙語文本中統(tǒng)計學(xué)習翻譯知識、構(gòu)建翻譯模型，進而利用此模型完成翻譯任務(wù)的自動化翻譯技術(shù)。當前，統(tǒng)計機器翻譯系統(tǒng)由規(guī)模較大、領(lǐng)域混雜的平行語料訓(xùn)練獲得，面向非特定領(lǐng)域翻譯任務(wù)時，往往表現(xiàn)出較好的翻譯性能。然而，針對特定領(lǐng)域翻譯需求，例如，科技文獻翻譯，通用領(lǐng)域機器翻譯系統(tǒng)無法根據(jù)特定領(lǐng)域知識和特有的語言表述形式，做出適應(yīng)性調(diào)整，導(dǎo)致特定領(lǐng)域機器翻譯性能降低。為此，本文集中研究統(tǒng)計機器翻譯

2、領(lǐng)域適應(yīng)性問題，并提出解決這一問題的新方法，主要研究內(nèi)容歸納如下：
　　1）通用領(lǐng)域平行語料庫建設(shè)
　　平行語料庫建設(shè)旨在收集互為翻譯的雙語文本，是統(tǒng)計機器翻譯領(lǐng)域適應(yīng)性研究必不可少的資源基礎(chǔ)。其中，識別雙語網(wǎng)站內(nèi)平行網(wǎng)頁對是平行語料庫建設(shè)的關(guān)鍵步驟。針對此問題，本文提出一種基于鏈接的平行網(wǎng)頁對識別新方法。該方法能夠充分利用網(wǎng)頁對之間的內(nèi)部信息和外部信息，識別雙語網(wǎng)站內(nèi)的平行網(wǎng)頁對。實驗結(jié)果表明，相較于基準系統(tǒng)，本文所提方法

3、在測試集上提升6.2個F值點（％），可以驗證該方法的有效性。
　　2）特定領(lǐng)域雙語句對選擇
　　面向特定領(lǐng)域的翻譯任務(wù)往往缺少充足的目標領(lǐng)域平行資源，雙語句對選擇方法旨在從大規(guī)模通用領(lǐng)域雙語句對中，抽取與待翻譯文本領(lǐng)域相關(guān)性較高的句對，用以增補或形成專門的領(lǐng)域雙語知識庫，并唯一地用于特定領(lǐng)域的機器翻譯系統(tǒng)。針對此問題，本文從句對生成建模的角度出發(fā)，提出三種基于翻譯模型和語言模型相融合的雙語句對選擇方法。該方法能夠合理評價雙語

4、句對的領(lǐng)域性及互譯性。實驗結(jié)果顯示，利用本文所提方法選擇雙語句對并訓(xùn)練翻譯系統(tǒng)，相比于基準系統(tǒng)，在測試集上平均提升3個BLEU值（%）。
　　3）通用領(lǐng)域和特定領(lǐng)域翻譯模型融合
　　特定領(lǐng)域雙語句對選擇旨在從通用領(lǐng)域平行語料庫中，抽取TopN領(lǐng)域相關(guān)性較高的平行句對，并用于訓(xùn)練領(lǐng)域機器翻譯系統(tǒng)。然而，N值往往難以自動優(yōu)化。為此，本文探索在模型層次上融合不同領(lǐng)域翻譯模型，并提出一種基于翻譯模型特征加權(quán)的融合方法。該方法能夠重新