統(tǒng)計機器翻譯譯文錯誤檢測方法研究.pdf

1、近年來，隨著統(tǒng)計機器翻譯(SMT)的快速發(fā)展，SMT系統(tǒng)開始應(yīng)用于各大軟件公司。高質(zhì)量的譯文對于進一步促進SMT實用化至關(guān)重要，然而，到目前為止，面向工業(yè)界應(yīng)用的SMT系統(tǒng)生成的譯文質(zhì)量仍然無法真正滿足用戶要求。因此，為了提高機器翻譯譯文質(zhì)量，自動對譯文進行錯誤預(yù)測與分類成為SMT技術(shù)發(fā)展和應(yīng)用的重要研究內(nèi)容之一。
　　本文基于機器學(xué)習(xí)策略，將機器翻譯譯文錯誤檢測問題作為一個監(jiān)督分類問題，即給定一組候選譯文，從已標(biāo)注分類類別的數(shù)據(jù)

2、集中抽取多個置信度特征，通過監(jiān)督學(xué)習(xí)策略學(xué)習(xí)一個分類模型，然后將測試數(shù)據(jù)候選譯文中的單詞分為“正確”與“錯誤”兩類。
　　本文首先抽取了3種典型的用于翻譯錯誤檢測和分類的單詞后驗概率特征，即基于固定位置的詞后驗概率、基于滑動窗的詞后驗概率和基于詞對齊的后驗概率;之后從語言學(xué)和源端信息出發(fā)，抽取了三種語言學(xué)特征（詞性、詞及由LG句法分析器抽取的句法特征）和一個源端單詞特征。然后分別采用最大熵分類器和SVM分類器對以上特征及特征組合進

3、行了錯誤分類實驗，并進行了評價。在NIST漢英機器翻譯數(shù)據(jù)集的實驗結(jié)果表明，基于靈活對齊位置的單詞后驗概率表現(xiàn)要優(yōu)于固定位置的單詞后驗概率，而且，語言學(xué)特征、源端單詞特征對于進一步降低分類錯誤率是有效的，多特征組合可以顯著降低分類錯誤率，提高譯文錯誤預(yù)測能力。同時，實驗也驗證了無論是在獨立特征實驗還是組合特征實驗中，SVM分類器都要優(yōu)于最大熵分類器，其分類效果更好。
　　在獨立分類器實驗基礎(chǔ)上，本文也提出了基于乘性組合的多分類器組