面向奧運(yùn)新聞的漢日機(jī)器翻譯系統(tǒng)研究與實現(xiàn).pdf

1、隨著計算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)的發(fā)展、信息時代的到來，高性能的機(jī)器翻譯的研究具有理論意義和極大的應(yīng)用前景，已經(jīng)成為當(dāng)前國際上激烈競爭的研究領(lǐng)域之一。尤其是隨著北京2008奧運(yùn)會的臨近，對多語種、多層次的機(jī)器翻譯的需求越來越迫切。“面向奧運(yùn)新聞的漢日機(jī)器翻譯系統(tǒng)”是東北大學(xué)自然語言處理實驗室和FUJI-XEROX公司未來技術(shù)研究所的合作項目，是面向特定領(lǐng)域的真實文本翻譯系統(tǒng)。 本文以“面向奧運(yùn)新聞的漢日機(jī)器翻譯系統(tǒng)”為線索，研究了漢日雙

2、語資源建設(shè)以及一種基于實例的機(jī)器翻譯系統(tǒng)實現(xiàn)的相關(guān)問題。 首先本文討論了機(jī)器翻譯的相關(guān)方法，探討了漢日雙語的語言差別，并在此基礎(chǔ)上論證了漢日機(jī)器翻譯的方法和系統(tǒng)結(jié)構(gòu)。 本文介紹了漢日雙語資源建設(shè)問題，討論了包括漢日雙語電子詞典、雙語句對齊語料庫、雙語詞對齊語料庫、雙語Chunk對齊庫、雙語翻譯模板庫在內(nèi)的百萬級的漢日雙語語料庫的結(jié)構(gòu)、語料庫內(nèi)容、語料庫標(biāo)注規(guī)范等相關(guān)問題，討論了語料不同層次上的對齊技術(shù)。 本文提出

3、了一種結(jié)構(gòu)化Chunk的概念，并介紹了基于結(jié)構(gòu)化Chunk的文本局部分析方法，以及在此基礎(chǔ)上的雙語模板抽取、模板對齊的技術(shù)。本方法對含有嵌套結(jié)構(gòu)的較大粒度的Chunk進(jìn)行分析、識別處理，比如，可以抽出較長的帶有中心詞標(biāo)注的名詞短語，提高了Chunk分析的覆蓋度。同時，作為局部模板分析，增加了模板翻譯中模板的匹配率。 本文也介紹了一種以Chunk結(jié)構(gòu)為基礎(chǔ)的翻譯模板構(gòu)造，討論了基于Chunk分析的雙語模板抽取、模板對齊的技術(shù)。