統(tǒng)計機器翻譯的鄰接調(diào)序短語模型.pdf

1、機器翻譯是利用計算機把一種自然源語言轉(zhuǎn)變成另一種自然目標語言的過程。機器翻譯基本分為基于規(guī)則的方法和基于語料庫的方法,基于語料庫的方法又可以分為基于統(tǒng)計的方法和基于實例的方法。近年來,隨著統(tǒng)計方法不斷發(fā)展并在各項評測中取得好成績,它已逐漸成為機器翻譯領(lǐng)域的研究熱點之一。
　　 本文首先介紹了機器翻譯的歷史、研究現(xiàn)狀、主要方法和分類,介紹了機器翻譯的四種經(jīng)典思想,并重點強調(diào)了統(tǒng)計思想。通過一些典型模型和方法的展開介紹了統(tǒng)計翻譯模型

2、的三個主要關(guān)注點:語言模型、翻譯模型和解碼模型。
　　 其次,分別從翻譯模型和解碼模型入手,本文提出了五種翻譯模型:由最簡單的最少短語條數(shù)模型,到由基本短語模型發(fā)展而來的無調(diào)序基本短語模型和鄰接調(diào)序基本短語模型,再到由Koehn短語模型發(fā)展而來的無調(diào)序Koehn短語模型和鄰接調(diào)序Koehn短語模型,其中允許調(diào)序的鄰接調(diào)序基本短語模型和鄰接調(diào)序Koehn短語模型要受到鄰接調(diào)序約束的限制。傳統(tǒng)上,一般認為短語統(tǒng)計機器翻譯的解碼在計算

3、復(fù)雜度上是NP完全問題,因此解碼器為了在有限時間內(nèi)盡快找到最優(yōu)解,必須采用有風(fēng)險的方法來降低計算復(fù)雜度,這樣往往引入了解碼錯誤從而降低了翻譯質(zhì)量。而本文提出的五個模型在鄰接調(diào)序約束下的解碼計算復(fù)雜度都是多項式難度的,因而可以獲得更好的翻譯質(zhì)量。
　　 再次,本文利用已有的漢英雙語語料庫,設(shè)計并實現(xiàn)了一個漢英翻譯系統(tǒng),其中的主要工作包括:雙語語料庫的預(yù)處理和對齊訓(xùn)練,短語提取及概率計算,建立倒排索引,訓(xùn)練語言模型,譯前、譯后處理,