漢英機器翻譯若干關(guān)鍵問題的研究.pdf

1、機器翻譯系統(tǒng)具有巨大的社會效益和經(jīng)濟效益,并且隨著中國經(jīng)濟的迅速發(fā)展和國力的不斷增強,漢語正在成為一種新的強勢語言而被世人矚目,因此漢英機器翻譯的研究顯得越來越重要。本文主要研究漢英機器翻譯中的兩個關(guān)鍵問題：時態(tài)處理問題和漢語句群劃分問題。漢英機器翻譯系統(tǒng)需要處理時態(tài)的問題,否則會影響翻譯結(jié)果的準確度和流利度。此外,目前基于統(tǒng)計的機器翻譯方法占據(jù)主導(dǎo)地位,由于時態(tài)處理還可以降低統(tǒng)計數(shù)據(jù)的稀疏性,統(tǒng)計機器翻譯系統(tǒng)更迫切需要時態(tài)處理。

2、>　　 本文提出了一種新的用于解決層次性問題的統(tǒng)計機器學(xué)習(xí)方法--馬爾科夫樹標注模型。該模型的思想是:選擇問題的特征并將問題表達成結(jié)點充滿特征的樹,而后對該樹所有結(jié)點進行自動標注獲取樹的最佳標注；此模型最大特點是從整體上考慮最佳標注。本文提出的樹最佳標注算法,能從整體上獲取最佳標注,且具有多項式復(fù)雜度。馬爾科夫樹標注模型是解決層次性問題的一種通用的機器學(xué)習(xí)方法,為解決具有層次性的問題提供一種新的思路和途徑,具有一定的理論意義和較廣泛的

3、應(yīng)用前景。運用馬爾科夫樹標注模型在不完全時態(tài)樹上進行時態(tài)標注,取得良好的效果。與目前最好的時態(tài)處理算法相比,該方法的準確率提高8％左右?；隈R爾科夫樹標注模型的時態(tài)處理算法能較好地解決漢英機器翻譯中的時態(tài)處理問題,這在機器翻譯研究領(lǐng)域,具有一定的創(chuàng)新價值。漢英機器翻譯還需要語篇的處理。目前尚無在句群層次上的詞匯消歧、冠詞、代詞、時態(tài)、省略的處理,而漢語句群自動劃分問題的解決是這些處理的前提。已有的句群自動劃分算法均是處理單重句群,本文首

4、次探討了多重句群劃分的問題,并提出了一種基于層次聚類的多重句群自動劃分算法。在該句群劃分算法中需要抽取語篇的關(guān)鍵詞,為此本文提出了關(guān)鍵詞的局部重現(xiàn)度的概念。關(guān)鍵詞在語篇的局部上下文中經(jīng)常會重復(fù)出現(xiàn),而常用詞匯往往分散在整個語篇中,關(guān)鍵詞的局部重現(xiàn)度是這種語言學(xué)現(xiàn)象的有效表達方式,其值與關(guān)鍵詞的頻度無關(guān),而與主題詞在語篇中出現(xiàn)的位置有關(guān),是一種新穎、有效的方法。局部重現(xiàn)度作為關(guān)鍵詞抽取的一個重要特征,可以廣泛應(yīng)用在自動摘要、信息檢索、詞典