中英平行短語依存樹庫的構(gòu)建與應(yīng)用研究.pdf

1、平行語料庫是自然語言處理(NLP)和機(jī)器翻譯(MT)研究和工程應(yīng)用的重要基礎(chǔ)資源，基于平行語料庫的各種方法不僅能夠改進(jìn)機(jī)器翻譯的質(zhì)量，還可以加強(qiáng)機(jī)器輔助翻譯中的人機(jī)交互。現(xiàn)有平行語料大多只實(shí)現(xiàn)了句子一級(jí)的對(duì)齊，只有部分詞對(duì)齊或同現(xiàn)詞串對(duì)齊。盡管網(wǎng)絡(luò)文本挖掘技術(shù)的不斷提高，平行語料的規(guī)?？涨霸鲩L，基于實(shí)例和統(tǒng)計(jì)的機(jī)器翻譯技術(shù)取得長足發(fā)展，很多復(fù)雜的語言現(xiàn)象和翻譯難題還是急需含有語言學(xué)深加工的語料的支撐，以提高分析和翻譯的準(zhǔn)確性。平行對(duì)齊樹

2、庫的構(gòu)建和應(yīng)用就是一個(gè)重要的方向。平行對(duì)齊樹庫可用于自動(dòng)詞對(duì)齊系統(tǒng)的訓(xùn)練和評(píng)測(cè)，翻譯規(guī)則抽取，詞義消歧，翻譯詞典抽取及跨語言文化研究等，尤其是能夠在加強(qiáng)句法分析、抽取靈活而復(fù)雜的語言經(jīng)驗(yàn)規(guī)則和翻譯調(diào)序規(guī)則方面提高機(jī)器翻譯系統(tǒng)性能。
　　本文比較傳統(tǒng)短語結(jié)構(gòu)語法(PSG)和依存語法(DG)及現(xiàn)有相應(yīng)樹庫資源，提出融合兩者優(yōu)勢(shì)的短語依存語法(PDG)并設(shè)計(jì)相應(yīng)短語依存樹庫(PDT)標(biāo)注方案，構(gòu)建包含中英單語PDT和實(shí)現(xiàn)節(jié)點(diǎn)對(duì)齊的大工中

3、英平行短語依存樹庫(DUT-CEPDT)。PDG放棄PSG的主謂二分法，采納DG以謂詞為中心的格語法;放棄DG強(qiáng)行單一中心語二分法，保留PSG的中間層級(jí)，保留并列的多中心結(jié)構(gòu)，最大程度實(shí)現(xiàn)多語統(tǒng)一的分析方案;標(biāo)注統(tǒng)一的基于語義的依存方向，在每個(gè)節(jié)點(diǎn)標(biāo)注的依存關(guān)系類型包含句法功能和語義角色兩個(gè)特征。翻譯對(duì)齊的內(nèi)容是對(duì)齊翻譯過程，是從詞、短語、句子到段落各層級(jí)徹底對(duì)齊。語料分別經(jīng)過分詞和詞性標(biāo)注之后，導(dǎo)入到可視化語言學(xué)樹庫編輯器，構(gòu)建從段落

4、到詞的短語結(jié)構(gòu)層級(jí)關(guān)系，同時(shí)標(biāo)注各層結(jié)構(gòu)的依存方向和類型。最后開發(fā)專門的PDT節(jié)點(diǎn)對(duì)齊編輯器，進(jìn)行節(jié)點(diǎn)ID關(guān)聯(lián)連結(jié)，實(shí)現(xiàn)中英文樹庫的節(jié)點(diǎn)對(duì)齊。
　　已加完成2年中國政府工作報(bào)告和100份62屆聯(lián)合國大會(huì)決議的標(biāo)注，中文169，360字，英文128，283詞。依次進(jìn)行的短語結(jié)構(gòu)劃分與結(jié)構(gòu)類型標(biāo)注、句法功能依存類型標(biāo)注和節(jié)點(diǎn)對(duì)齊三項(xiàng)標(biāo)注一致性實(shí)驗(yàn)表明設(shè)計(jì)的標(biāo)注方案有較強(qiáng)的可操作性。DUT-CEPDT不僅用于抽取翻譯對(duì)和翻譯規(guī)則，用于基