基于翻译规则的统计机器翻译

扩展HMM模型可以解决词语对齐结果与句法约束冲突,从而更好地进行词语对齐。在短语对齐基础上利用目标语言的短语结构树抽取翻译规则。采用扩展CYK算法CYKA+作为系统的解码器,该算法可以处理非乔姆斯基范式的翻译规则;采用两轮解码算法在解码过程中整合语言模型。实验表明,与传统词语对齐模型相比,改进的HMM词语对齐模型具有更高的对齐准确率,并且翻译结果的BLEU评测得分更高。采用翻译规则的系统在不同数据集上具有更稳定的翻译结果。两轮解码算法与立方剪枝算法具有相近的解码质量,但前者解码速度更快。

语义关系下的英语长句机器翻译算法优化

专业文献具有文本复杂度高、分布领域广、新词多的特点,传统机器翻译难以获得精确的翻译结果。提出一种句子切分算法,即将长句切分为多个小句后翻译。算法使用概念层次网络(HNC)理论对特征语义块进行预处理,基于语义特征和逻辑概念定义切分小句,利用规则的翻译系统进行小句翻译,通过顺序调整和组合得到全句的翻译结果。实例验证结果表明:融合了切分算法的翻译系统BLEU值达到了0.1886,相较于未融合系统提升了30%,表明该翻译算法能有效提升对专业文献复杂句式的翻译效果。

基于近义词扩充的非通用语翻译评估

BLEU算法在用于非通用语翻译质量评估计算时,由于使用范围以及语料采集渠道的局限性等原因,导致难以获得足够规模的高质量非通用语语料作为参考译文,因而会造成在面对同一语义不同表述时BLEU误判低分。为此,该文采用预先对参考译文进行近义词分析提取的方法,扩展生成多参考译文,尽可能覆盖多种翻译的表达。同时设置阈值对提取出的近义词进行筛选,排除低质量近义词,避免因为扩展带来参考译文质量下降,再基于该扩充译文完成非通用语的质量评估。在实验中,以泰语为例,采用GloVe和Word2vec模型分别对语料库进行训练和近义词提取、参考译文扩充和BLEU评估。实验结果表明:在面对非通用语等参考语料不足的质量评估时,采用该方法可有效地提高评估的准确度,降低误判率。

基于变分模型的英汉翻译系统设计

对抗神经机器翻译方法是目前机器翻译算法的研究热点。传统对抗神经网络模型的翻译精度依赖大量语料数据集,模型训练需要耗费大量时间,在语料匮乏的情况下模型翻译质量较差。文中针对传统对抗神经网络机器翻译算法的不足,将变分算法和对抗神经网络相结合,并对语料数据进行训练。实验结果表明,文中建立的变分对抗神经网络翻译BLEU值相较于传统翻译算法有较为明显的提升;在训练语料数量匮乏时,模型BLEU值相较其他算法也有显著提升。说明文中提出的算法模型可以有效缩短数据的训练时间,提升数据的训练精度,改善句子的翻译质量。

基于计算机辅助评价的主观题自动评测研究

对于主观题答案的自动测评研究一直是计算机辅助评价实施中的热点和难点问题。为了更好地发挥现有计算机辅助评价系统的功能,提出了一种新的评估方法来实现对学生提交的主观题答案进行自动评估。评价的执行需要建立一个由课程教师及有关专家编写的参考答案知识库,每个问题包括若干个参考答案。然后重点研究了如何将BLEU算法运用到评价中,并通过对n元组的处理,针对同义词及拼写错误等问题对算法进行了改进。利用改进的BLEU方法来确定与学生给出答案最相似的参考答案,并计算学生答案同选定参考答案的相似度,从而得出对该主观题成绩的评定。最后通过实验证明了该方法的有效性。结果表明,同现有的较为成熟的评价手段相结合,该方法可用于对主观题答案的测评,并能够在计算机辅助评价中发挥更为积极的作用。