基于统计学习的机器翻译模板自动获取方法

本文提出了一种从未经深层次处理的双语口语语料库中自动获取机器翻译模板的方法。这种算法是一种无监督的、基于统计的、数据驱动的方法。这种方法有两个基本的步骤。首先,通过语法归纳分别从源语言和目标语言中获取语义类和短语结构类。然后,利用双语划界文法将短语结构类进行对齐。对齐的结果经过后处理就可以得到翻译的模板。初步的试验结果表明,本方法是有效的和切实可行的。

从双语语料中获取翻译模板

翻译模板自动获取是提高MT译文输出质量和领域适应能力的关键性因素。利用Tree-to-String方法抽取等价对,使用错误驱动的学习方法从中获取翻译模板并进行优化。将优化后的翻译模板用于一个基于转换的机器翻译系统中,同时使用"863"对话语料对其进行评测。实验结果表明:当使用自动获取并经优化的模板进行翻译时,开放测试语料的译文评测分数有一定程度的提高。

基于句对比较的自动获取翻译模板方法改进

翻译模板不仅是机器翻译的重要资源,而且是有用的语言学知识。使用词对齐结果改进了从实例中类比学习翻译模板的方法,并提出了带有函数关系的模板(TTFR)以获取语言之间的依赖关系,如"he…his"对。带函数关系的模板是一个更一般化的模板并能直接用于双向的机器翻译。实验结果表明改进的方法有效地克服类比方法的问题并且提高了自动获取模板的准确率。

基于错误驱动的翻译模板自动获取

翻译模板自动获取是提高MT系统译文输出质量和领域快速移植能力的关键性因素。利用Tree-to-String方法来抽取等价对,使用错误驱动的学习方法来获取翻译模板。将获取的模板用于MTS2005中,同时对其译文质量进行开放测试。实验结果表明:所提出的模板获取方法的性能要好于传统方法,当新模板加入系统原模板库后,开放测试语料的3元Nist评测分数提高了3.41%。

英汉翻译模板的标准化方案及其应用

在机器翻译系统中，模板可以作为一种知识表示的方法，其规模的大小和组织的策略将极大地影响系统的整体性能。本文对英汉翻译模板的标准化问题进行了探讨，提出了一个初步方案，并将其应用于英汉翻译系统的设计与实现中，取得了初步的成功，验证了该方案的可行性，从而为在大规模模板库的基础上开发高质量的英汉翻译系统提供了可能性。在2005年举行的863评测中，本文开发的英汉翻译系统达到的水平：对话翻译人工评测忠实度和流利度分别为73．62和68．16，篇章翻译人工评测忠实度和流利度分别为41．16和31.45．

三维理论视角下的景区外宣文本翻译模板构建——以安徽省景区为例

各大景区作为重要的对外窗口及文化输出阵地,需要将本土的文化产品通过各类外宣文本准确呈现给境外旅行者。然而,各种不规范的翻译现象仍然普遍存在于景区的牌示、画册等文本中。以安徽景区外宣文本为切入点,从生态翻译学三维理论出发,将外宣文本分为人文历史、神话传说、地理标识、交际应用四大类别,分类构建翻译原则和目标,通过逐一对标,使译文文本达到语言、文化、交际三个维度的平衡,以精确反映景区的自然及人文魅力。

机器翻译中规则和模板的协调方法研究

本文讨论了机器翻译中的基于规则、基于翻译模板及转换模型的特点，分别比较了它们的优点和不足。同时讨论了协调基于模板方法与基于转换模型方法的合理途径。针对研制机器翻译系统的需要设计了将这几种方法有机地结合起来的算法。将本文提出的协调方法在汉英双向机器翻译系统中应用，取得了较好的实验结果。通过采用模板和去掉模板分别进行翻译实验，结果表明基于模板方法对于译文质量提高的贡献率分别为：口语为12％，篇章翻译为8％。

模板驱动的神经机器翻译

由于神经机器翻译模型简单、通用和有效,神经机器翻译模型已成为目前最受关注的机器翻译模型.在神经机器翻译模型中,通过引入词汇翻译表和短语翻译表可以提高翻译质量.然而,对于已经存在的人工整理的翻译模板或者启发式算法生成的翻译模板,目前已有的神经机器翻译框架不存在有效的方法对这些翻译模板进行建模.该文研究的主要内容是将翻译模板内嵌到端到端的神经机器翻译模型中.为此,我们提出了模板驱动的神经机器翻译模型,该模型通过使用额外的模板编码器对翻译模板进行端到端建模,通过使用知识门阀和注意力门阀动态地控制解码过程中不同来源的知识对当前解码词汇的贡献度的大小.知识门阀的主要作用是对源语言句子和翻译模板的信息进行有效的表示,从而更好地对解码器进行初始化.注意力门阀是一个基于时序的门阀,可以动态地控制当前翻译词汇接收源语言句子或者翻译模板信息的多少.最终实验结果表明,该文提出的方法对模板进行了有效的建模,20%词汇标准模板在汉英和英汉翻译任务上的翻译正确率分别高达93.6%和95.1%.与基线翻译系统相比,在汉英和英汉翻译任务上使用含有20%词汇的标准模板时,翻译性能可以增长4.2～7.2个BLEU值.当翻译模板中的真实词汇增加时,翻译质量得到进一步提升.

基于模板的机器翻译系统中模板库的自动构建技术

基于模板的机器翻译 (TemplateBasedMachineTranslation ,TBMT)系统需要一个具有较大规模、句型覆盖面广泛的模板库 ,而这样的模板库单凭手工无法构建 ,需要利用计算机自动构建 ,提出了一种利用基于动态规划的相似模型与基于系统聚类法的分类模型 ,从句子对齐的双语语料库中抽取模板库的方法。该方法是在句子对齐的语料库中 ,首先运用系统聚类法对其进行聚类 ,使得包含相同模板的句子对被聚成一类 ,然后根据句子的相似度模型计算句子之间的相似度 ,进而从各个子类中将模板抽取出来 ,构建出整个模板库。

嵌入式多语言模板翻译引擎的设计与实现

文章认为,随着全球化经济的发展,国际间交往和合作日益增多,语言障碍是亟待解决的问题。嵌入式设备的方便灵活性,使得越来越多的人们希望携带便利的手持设备,便可以很自由的与世界各国的人们进行交流。本文介绍了一种将翻译技术应用于手持设备(如PDA,Smartphone等)的翻译引擎的设计与实现,阐述了该引擎的架构,应用的中文分词算法和双语词对齐算法。

基于混合策略的汉英双向机器翻译系统的设计

本文对于机器翻译方法中的基于规则的方法、基于模板的方法及基于实例的方法进行了比较；对于完全句法分析和浅层句法分析方法也进行了分析。然后介绍了将上述方法结合起来的汉英双向机器翻译系统的设计思想及工作流程。基于混合策略的目的是为了提高汉英双向机器翻译系统的译文质量。实验结果表明，本文提出的设计思想对于机器翻译译文质量的提高具有良好的效果。基于模板及实例方法对于译文质量提高的贡献率为：口语为15％，篇章翻译为10％。

汉维时间数字和量词的识别与翻译研究

统计机器翻译对时间、数字、量词的泛化能力较弱,为了提高汉维机器翻译系统对时间、数字和量词短语的翻译性能,该文利用双语语料库挖掘并提取汉语时间、数字、量词表达与翻译模式,实现了基于模板的时间、数字、无歧义量词翻译方法及基于上下文的有歧义量词翻译方法。时间、数字、无歧义量词、有歧义量词的翻译F值达到了93.23%、90.15%、96.55%、87.58%,实验证明,该方法具有简单高效的优点。

面向公安应用的智能移动翻译软件的研究与实现

应用语音中间件、嵌入式语音引擎、多语言信息服务系统架构和多语言模板翻译引擎等多项已处于实用化阶段的高新技术成果,研发面向首都公安应用的多语言智能移动翻译软件,为首都公安干警在社会治安、出入境管理、交通管理和边防检查等几个方面提供信息查询和语言翻译的手段,以推进首都公安的信息化建设,提高奥运安保工作水平,适应新时代公安工作需要。

基于混合策略的高质量英汉机器翻译引擎设计

随着全球化进程的加快,人们对机器翻译性能要求的日益增高,基于单一方法的机器翻译系统其质量很难满足人们需求。鉴于不同的机器翻译方法之间存在着优势互补的特点,因而将不同方法结合,成为提高机器翻译质量的合理途径。本文提出了一种构建高质量的混合机器翻译引擎的方法,以传统的基于实例、规则和模板的多引擎机器翻译系统为基础,深层次地结合了统计机器翻译方法。使用统计学方法挖掘语料库并提取双语资源来扩展系统知识库。通过对齐两种机器翻译系统的译文结果,进行词汇替换,使用统计语言模型评分,来改善短语搭配和译文流利度。这种多范式融合的方法,结合了各种方法的优势,不仅大大降低了引擎的构建成本和周期,也使译文结果的准确性和流利度得到了提高。