语音识别错误对翻译性能的影响分析

传统的机器翻译模型均基于无噪声环境,即输入的数据是无错误的.但在实际同声传译中,语音识别不可避免会存在错误,这些错误在机器翻译过程中会直接影响其他内容的翻译.因此,统计分析语音识别错误的种类及产生的影响对提高机器翻译的鲁棒性具有指导意义.为了模拟真实语音识别错误,本文通过人工朗读NIST汉英实验测试集,并采用讯飞语音识别系统获取其语音识别结果进行统计分析,主要包括:1)语音识别错误的词性分析;2)语音识别错误的类型分析;3)语音识别错误对翻译性能的影响;4)语音识别错误对其他词翻译的影响.得出的主要结论为:名词和动词出现语音识别错误的次数较多,人名最易出现语音识别错误;同音异形字的语音识别错误出现次数最多;长度较小的句子在翻译时受到语音识别错误影响的程度更加明显;与语音识别错误词距离更近的词的翻译更易受到影响.

基于LLVM的多目标高性能动态二进制翻译框架

动态二进制翻译技术是构造高性能异构虚拟机的关键技术,而代码翻译的质量则是动态二进制翻译性能的关键。本文实现了一种基于LLVM动态二进制翻译框架,利用LLVM优化技术以及多目标编译的特点,实现了可以针对多个目标体系结构的高性能动态二进制翻译。基于开源Skyeye实现了这种翻译框架,并在两种目标体系结构ARM和PowerPC上验证了框架的可移植性和运行效率,与QEMU在ARM目标平台上做了性能对比,结果表明该模拟器比Qemu性能平均快10%以上。

基于B/S框架的交互式英汉机器翻译系统设计

英语和汉语在很多方面都存在不同,因此在交流中经常出现理解错误的现象。各种英汉翻译系统的交互体验感都较差,主要表现在用词不准确、语法错误、系统发音不清楚、翻译反馈速度迟缓等方面。为此,文中设计一种基于B/S框架的交互式英汉机器翻译系统,以期辅助英汉语之间的交流。该系统以B/S三层架构为基础设计系统框架,在系统硬件部分,主要对关键的语音识别硬件、英汉翻译硬件和翻译结果输出硬件进行具体分析;软件部分主要对三个关键程序,即用户登录程序、语音识别程序、英汉翻译程序进行设计。系统测试结果表明,利用所设计系统进行翻译,译文经过专家评测后,人工评测综合得分为3.769分,大于3.5分限定值,证明系统的翻译质量较高,可满足用户需求。

统计机器翻译领域自适应方法比较研究

统计机器翻译常常面临训练数据与待翻译文本领域不一的问题,从而影响了翻译的性能,因此领域自适应一直是研究者关注的课题。本文以传统自适应方法和现行的机器学习方法为框架,介绍了近年来统计机器翻译领域自适应研究的进展。分析了各类研究方法的优缺点并对未来研究做出展望。