采用統(tǒng)計機器翻譯模型的復(fù)述生成技術(shù)研究.pdf

1、所謂復(fù)述，就是對相同語義的不同表達方式，是自然語言中比較普遍的一個現(xiàn)象，它集中反映了語言的靈活性和多樣性。近年來，自然語言處理各種底層技術(shù)的不斷發(fā)展和成熟，為復(fù)述研究提高了可能，使之受到越來越多的關(guān)注。有許多學者針對復(fù)述問題展開了大量研究，在英文和日文方面，復(fù)述技術(shù)已經(jīng)被成功的應(yīng)用到信息檢索、自動問答、信息抽取、自動文摘以及機器翻譯等多個領(lǐng)域，有效地提高了這些系統(tǒng)的性能。
　　復(fù)述研究主要分為兩大類：一類是復(fù)述資源的獲取，即從各式

2、語料中基于各種方法抽取復(fù)述句對、復(fù)述短語、復(fù)述模板等不同粒度和形式的復(fù)述資源；另一類是復(fù)述生成，通常指的是句子級的復(fù)述生成，即由計算機自動生成給定句子的復(fù)述句。本文重點研究了基于統(tǒng)計模型的復(fù)述生成技術(shù)。
　　復(fù)述生成在自然語言處理的諸多方向均有重要應(yīng)用，但目前在這方面的研究還很不夠。本文通過對復(fù)述生成問題本質(zhì)的分析以及與其它相關(guān)研究問題（尤其是機器翻譯）的比較，在統(tǒng)計機器翻譯模型的基礎(chǔ)上進行改進，提出了一種統(tǒng)計復(fù)述生成方法。該方法

3、的主要特色體現(xiàn)在以下兩方面：
　?。?）該方法可以基于一個統(tǒng)一的統(tǒng)計模型框架，針對不同的復(fù)述任務(wù)生成復(fù)述；（
　　2）該方法可以輕易地結(jié)合多種資源來提升復(fù)述生成的性能。然而，該方法仍然需要極為豐富的復(fù)述資源作為基礎(chǔ)，但優(yōu)質(zhì)的復(fù)述資源往往是很難獲得的。因此，本文在此基礎(chǔ)上又提出了一種基于樞軸法和多機器翻譯引擎生成復(fù)述的方法，該方法首先利用多樞軸方法為源語言句子獲得候選復(fù)述集，然后分別使用基于選擇和基于解碼的技術(shù)，為源語言句子生