綜合考試報(bào)告

1、綜合考試報(bào)告——機(jī)器翻譯技術(shù)綜述及面向新聞?lì)I(lǐng)域的漢英機(jī)器翻譯系統(tǒng)博士生：劉博士生：劉群導(dǎo)師：俞士汶師：俞士汶1引言引言本文主要包括三方面內(nèi)容：第一方面是機(jī)器翻譯的綜述，包括介紹一些主要的機(jī)器翻譯方法和幾個(gè)典型的機(jī)器翻譯系統(tǒng)。第二方面主要介紹目前中國的機(jī)器翻譯現(xiàn)狀，包括研發(fā)現(xiàn)狀和市場(chǎng)現(xiàn)狀兩個(gè)方面。研發(fā)現(xiàn)狀主要介紹國內(nèi)主要的研究單位和研究成果，市場(chǎng)方面主要是介紹國內(nèi)機(jī)器翻譯市場(chǎng)的一些主要產(chǎn)品和開發(fā)單位，然后討論了國內(nèi)機(jī)器翻譯研究所面臨的問題

2、和與國際水平的差距。第三方面是本人在近期所做的工作。主要是介紹973子課題“面向新聞?lì)I(lǐng)域的漢英機(jī)器翻譯系統(tǒng)”的研究進(jìn)展，以及本人所提出的“微引擎流水線的機(jī)器翻譯系統(tǒng)結(jié)構(gòu)”。2機(jī)器翻譯研究綜述機(jī)器翻譯研究綜述本章首先總結(jié)近年來自然語言處理和機(jī)器翻譯領(lǐng)域所發(fā)生的變化，然后依次對(duì)幾種目前主流的機(jī)器翻譯方法做一個(gè)簡單的總結(jié)：基于規(guī)則的機(jī)器翻譯方法，基于統(tǒng)計(jì)的方法，基于實(shí)例的方法，基于模板的方法，基于有限狀態(tài)自動(dòng)機(jī)的方法，以及多引擎的方法。對(duì)于每

3、一種方法，我們都先給出該方法的界定，再介紹有關(guān)的模型或算法，并討論其優(yōu)缺點(diǎn)。然后考察幾個(gè)比較典型的機(jī)器翻譯系統(tǒng)。2.1概述概述自然語言處理的研究，近年來可以說是處在一個(gè)非常活躍的時(shí)期。2001年，國內(nèi)外召開的眾多的相關(guān)學(xué)術(shù)會(huì)議之多，幾乎使人目不暇接（ACL2001，ICCC2001，ICCPOL2001，NLPRS2001，MTSummitVIII，IWPT2001，NLPKE2001，UNL1stConference，計(jì)算語言學(xué)聯(lián)合學(xué)

4、術(shù)會(huì)議，中文信息學(xué)會(huì)成立20周年學(xué)術(shù)會(huì)議，中日自然語言處理學(xué)術(shù)交流會(huì)議等等）。相關(guān)研究的活躍程度，由此可見。自從1949年WarrenWeaver發(fā)表《翻譯》備忘錄，正式提出機(jī)器翻譯的思想以來，到現(xiàn)在已經(jīng)經(jīng)過了52個(gè)年頭。這期間機(jī)器翻譯研究經(jīng)歷了一個(gè)曲折的發(fā)展歷程。這里，我們可以把機(jī)器翻譯放到整個(gè)自然語言處理的背景下來看。最近的10年間，自然語言處理的面貌發(fā)生了很大的變化。這種變化，我認(rèn)為主要體現(xiàn)在三個(gè)方面：試，并通過大會(huì)進(jìn)行論文交流。

5、如TREC會(huì)議提供統(tǒng)一的測(cè)試平臺(tái)對(duì)信息檢索IR系統(tǒng)進(jìn)行測(cè)試，MUC（已經(jīng)停辦）專門對(duì)信息提取系統(tǒng)進(jìn)行測(cè)試，而CoNLL會(huì)議專門對(duì)淺層分析系統(tǒng)進(jìn)行測(cè)試，這些會(huì)議都對(duì)相關(guān)的研究工作起到了極大的推動(dòng)作用。在機(jī)器發(fā)言領(lǐng)域，雖然機(jī)器翻譯評(píng)測(cè)已成為MTSummit會(huì)議的主要議題之一，但由于機(jī)器翻譯評(píng)測(cè)問題的復(fù)雜性，但目前在機(jī)器翻譯領(lǐng)域還沒有類似的比較成熟的測(cè)試平臺(tái)。在國內(nèi)，863計(jì)劃專家組和973計(jì)劃專家組都開展過一些機(jī)器翻譯的評(píng)測(cè)工作，這些評(píng)測(cè)都

6、有力地促進(jìn)了相關(guān)研究工作的進(jìn)展。不過，總的來說，這些評(píng)測(cè)的規(guī)模和影響都還比較小，在公開性方面還做得不夠。國際上一些類似的評(píng)測(cè)工作也已經(jīng)開始組織（如美國NIST），有可能會(huì)形成比較大的影響。從以上的總結(jié)可以看出，自然語言處理領(lǐng)域近年來的變化是巨大而且深刻的。相比較而言，機(jī)器翻譯領(lǐng)域的變化要小一些。其主要原因也是比較明顯的，機(jī)器翻譯幾乎涉及自然語言處理的所有領(lǐng)域中最困難的問題，某些單方面或淺層次的突破都不足以對(duì)機(jī)器翻譯的整體產(chǎn)生根本的影響，

7、只有當(dāng)整個(gè)自然語言領(lǐng)域的各方面的研究都取得全面突破時(shí)，才有可能導(dǎo)致機(jī)器翻譯的突破。這是一個(gè)緩慢加速的、從量變到質(zhì)變的、逐漸積累的過程。不過，我們現(xiàn)在已經(jīng)可以清晰地感受到這種變化。2.2機(jī)器翻譯方法研究機(jī)器翻譯方法研究2.2.1基于規(guī)則的機(jī)器翻譯方法基于規(guī)則的機(jī)器翻譯方法基于規(guī)則的機(jī)器翻譯方法的界定及其優(yōu)缺點(diǎn)大家都非常熟悉，這里不再詳述。自從Chomsky提出轉(zhuǎn)換生成語法以來，基于規(guī)則的方法成了機(jī)器翻譯研究的主流。雖然統(tǒng)計(jì)方法的崛起對(duì)規(guī)則

8、方法形成了一定的沖擊，但在機(jī)器翻譯領(lǐng)域，規(guī)則方法的地位并沒有從根本上被動(dòng)搖。在已有的商品化機(jī)器翻譯系統(tǒng)中，很少有哪個(gè)系統(tǒng)聲稱自己采用的是純統(tǒng)計(jì)（或語料庫）的方法或以統(tǒng)計(jì)為主的方法。雖然如此，統(tǒng)計(jì)方法的影響也是不可低估的。與傳統(tǒng)的規(guī)則方法相比，現(xiàn)在的規(guī)則方法已產(chǎn)生了很多變化。這些變化主要體現(xiàn)在：1.在規(guī)則的獲取方面，傳統(tǒng)的規(guī)則方法主要依靠語言學(xué)家總結(jié)規(guī)則，進(jìn)行調(diào)試，而現(xiàn)在則更加重視從語料庫中獲取規(guī)則（如采用錯(cuò)誤驅(qū)動(dòng)的學(xué)習(xí)算法）；2.傳統(tǒng)的

9、規(guī)則方法往往偏重于描述粗粒度、全局化的大范圍語言學(xué)規(guī)則知識(shí)，而現(xiàn)在則更加重視描述細(xì)粒度、局部的小范圍的語言學(xué)知識(shí)，呈現(xiàn)出“小規(guī)則庫、大詞典”的趨勢(shì)；3.在知識(shí)表示方面，為了以更小的粒度、更加準(zhǔn)確地對(duì)翻譯知識(shí)進(jìn)行描述，一般對(duì)要對(duì)單純的上下文無關(guān)規(guī)則做一些改進(jìn)。改進(jìn)的方法有以下兩種：一種是采用特征結(jié)構(gòu)與合一算法，如LFG、GPSG等等，這種方法一般要求具有較好的語言學(xué)背景；另外一種是采用詞匯化的方法對(duì)規(guī)則加以細(xì)化。后一種方法的做法之一也就是