基于最大熵短语重排序模型的特征抽取算法改进

该文针对统计机器翻译中基于最大熵短语重排序模型特征抽取算法,提出一种改进算法。该算法能够抽取出更多准确的短语重排序信息,特别是逆序短语的特征信息,解决了原算法中最大熵训练时特征数据不平衡的问题,提高了翻译中短语重排序的准确率。以NIST MT 05作为汉语到英语翻译的测试集,实验结果表明改进后的系统BLEU值比原系统提高0.65%。

基于中心/修饰依存重排序模型的短语SMT

为了提高基于短语的机器翻译系统的重排序能力,提出了一个基于源语言端的中心-修饰依存结构的重排序模型,并将该重排序模型以软约束的方式加入到机器翻译系统中.该排序模型提出了一种在机器翻译中应用句法树资源的方法,将句法树结构,通过将句法树映射成中心-修饰词的依存关系集合.该重排序模型在基于短语系统的默认参数设置下,显著地提升了系统的翻译质量.在系统原有的词汇化的重排序模型基础上,该重排序模型在翻译模型中融入了句法信息.实验结果显示,该模型可以明显地改善机器翻译系统的局部调序.

基于标准POS算法的互反判断矩阵权重确定法

为进一步研究在决策过程中如何从互反判断矩阵中获得权重向量,建立了两种新的求解排序权重的模型,用标准粒子群优化算法进行求解,并进行实例分析验证结果的可行性。

Question classification in question answering based on real-world web data sets

To improve question answering （QA） performance based on real-world web data sets,a new set of question classes and a general answer re-ranking model are defined.With pre-defined dictionary and grammatical analysis,the question classifier draws both semantic and grammatical information into information retrieval and machine learning methods in the form of various training features,including the question word,the main verb of the question,the dependency structure,the position of the main auxiliary verb,the main noun of the question,the top hypernym of the main noun,etc.Then the QA query results are re-ranked by question class information.Experiments show that the questions in real-world web data sets can be accurately classified by the classifier,and the QA results after re-ranking can be obviously improved.It is proved that with both semantic and grammatical information,applications such as QA, built upon real-world web data sets, can be improved,thus showing better performance.

词汇歧义消解研究新进展

人类语言复杂性的一个突出体现是歧义,心理学和语言学对歧义现象已经进行了比较深入的研究。特别是,对于词汇歧义消解的研究进入了一个新的阶段。本文回顾了近几年来词汇歧义消解的研究状况和最新发展趋势,其中包括歧义消解的理论模型的发展,歧义词类型与多重意义的关系,词类歧义的研究进展,关于次要偏向效应的争论,以及歧义词加工的脑机制研究。