英漢機器翻譯模板自動抽取算法的研究與實現(xiàn).pdf

1、雖然機器翻譯已經(jīng)有了50年左右的歷史，但目前它的研究仍然沒有取得實質(zhì)性的突破。機器翻譯的方法主要包括基于規(guī)則、基于例子和基于統(tǒng)計的三種方法，但它們都有各自的局限性，而基于模板的機器翻譯(簡稱TBMT)在某種程度上可以綜合它們的優(yōu)點，所以引起了國內(nèi)外學(xué)術(shù)界一定的關(guān)注。但TBMT需要大規(guī)模的翻譯模板才可以獲得較高的正確率，因此如何解決構(gòu)建大規(guī)模模板庫的問題就顯得非常重要，本文的目的就是對怎樣從雙語平行語料庫中自動抽取翻譯模板的算法進行研究。

2、 本文首先概括了機器翻譯的歷史、發(fā)展及主要的方法策略，同時對基于模板的機器翻譯作了簡單介紹。然后以TranslationTemplateLearner(TTL)算法為原型，提出了一種改進的英漢翻譯模板提取算法——基于句子比較的翻譯模板抽取(簡稱ATTEBSC)算法。TTL算法最初被應(yīng)用于英語——土耳其語模板自動抽取的研究，而這里ATTEBSC算法主要被應(yīng)用于自動抽取英漢翻譯模板。ATTEBSC算法的基本思想是通過句子的比較來獲取

3、翻譯模板，既不需要雙語詞典，也不需要進行句法分析，它的實質(zhì)是先利用一種基于向量空間模型的方法對語料庫中的句子進行聚類，把具有相同或相似結(jié)構(gòu)的句子合成一類；再利用計算最長公共子序列(LCS)的方法把同一類中的句子按照設(shè)定的閾值進行過濾并把相應(yīng)的句子對改寫成TTL算法所要求的格式，最后通過這種格式分析對應(yīng)變量或常量實現(xiàn)模板的自動抽取。實驗表明，ATTEBSC算法能夠?qū)W出許多有價值的模板、效果良好。雖然它也會生成大量的無用模板，但是它具有容易