基于SMLE的介词短语修饰消歧处理

从本质上说，机器翻译过程是一个多层次消歧过程。介词短语修饰歧义是导致机器翻译中结构歧义的典型原因之一。本文构造了一个基于类似最大似然估计的介词短语修饰消歧模型。该模型利用了词汇的下位词性、语义分类和短语结构信息，同时考虑了低概率事件。利用关于汽车配件的真实语料进行训练该模型，真实训练语料库包括大约 100000个句子，其中构造了大约 3000个测试例子，测试结果获得了 93％的准确率。该消歧技术应用在汽车配件真实受控文本机器翻译系统中，取得了很好的效果。