漢英機(jī)器翻譯若干關(guān)鍵問(wèn)題的研究.pdf

1、機(jī)器翻譯系統(tǒng)具有巨大的社會(huì)效益和經(jīng)濟(jì)效益,并且隨著中國(guó)經(jīng)濟(jì)的迅速發(fā)展和國(guó)力的不斷增強(qiáng),漢語(yǔ)正在成為一種新的強(qiáng)勢(shì)語(yǔ)言而被世人矚目,因此漢英機(jī)器翻譯的研究顯得越來(lái)越重要。本文主要研究漢英機(jī)器翻譯中的兩個(gè)關(guān)鍵問(wèn)題：時(shí)態(tài)處理問(wèn)題和漢語(yǔ)句群劃分問(wèn)題。漢英機(jī)器翻譯系統(tǒng)需要處理時(shí)態(tài)的問(wèn)題,否則會(huì)影響翻譯結(jié)果的準(zhǔn)確度和流利度。此外,目前基于統(tǒng)計(jì)的機(jī)器翻譯方法占據(jù)主導(dǎo)地位,由于時(shí)態(tài)處理還可以降低統(tǒng)計(jì)數(shù)據(jù)的稀疏性,統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)更迫切需要時(shí)態(tài)處理。

2、>　　 本文提出了一種新的用于解決層次性問(wèn)題的統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法--馬爾科夫樹(shù)標(biāo)注模型。該模型的思想是:選擇問(wèn)題的特征并將問(wèn)題表達(dá)成結(jié)點(diǎn)充滿特征的樹(shù),而后對(duì)該樹(shù)所有結(jié)點(diǎn)進(jìn)行自動(dòng)標(biāo)注獲取樹(shù)的最佳標(biāo)注；此模型最大特點(diǎn)是從整體上考慮最佳標(biāo)注。本文提出的樹(shù)最佳標(biāo)注算法,能從整體上獲取最佳標(biāo)注,且具有多項(xiàng)式復(fù)雜度。馬爾科夫樹(shù)標(biāo)注模型是解決層次性問(wèn)題的一種通用的機(jī)器學(xué)習(xí)方法,為解決具有層次性的問(wèn)題提供一種新的思路和途徑,具有一定的理論意義和較廣泛的

3、應(yīng)用前景。運(yùn)用馬爾科夫樹(shù)標(biāo)注模型在不完全時(shí)態(tài)樹(shù)上進(jìn)行時(shí)態(tài)標(biāo)注,取得良好的效果。與目前最好的時(shí)態(tài)處理算法相比,該方法的準(zhǔn)確率提高8％左右。基于馬爾科夫樹(shù)標(biāo)注模型的時(shí)態(tài)處理算法能較好地解決漢英機(jī)器翻譯中的時(shí)態(tài)處理問(wèn)題,這在機(jī)器翻譯研究領(lǐng)域,具有一定的創(chuàng)新價(jià)值。漢英機(jī)器翻譯還需要語(yǔ)篇的處理。目前尚無(wú)在句群層次上的詞匯消歧、冠詞、代詞、時(shí)態(tài)、省略的處理,而漢語(yǔ)句群自動(dòng)劃分問(wèn)題的解決是這些處理的前提。已有的句群自動(dòng)劃分算法均是處理單重句群,本文首

4、次探討了多重句群劃分的問(wèn)題,并提出了一種基于層次聚類的多重句群自動(dòng)劃分算法。在該句群劃分算法中需要抽取語(yǔ)篇的關(guān)鍵詞,為此本文提出了關(guān)鍵詞的局部重現(xiàn)度的概念。關(guān)鍵詞在語(yǔ)篇的局部上下文中經(jīng)常會(huì)重復(fù)出現(xiàn),而常用詞匯往往分散在整個(gè)語(yǔ)篇中,關(guān)鍵詞的局部重現(xiàn)度是這種語(yǔ)言學(xué)現(xiàn)象的有效表達(dá)方式,其值與關(guān)鍵詞的頻度無(wú)關(guān),而與主題詞在語(yǔ)篇中出現(xiàn)的位置有關(guān),是一種新穎、有效的方法。局部重現(xiàn)度作為關(guān)鍵詞抽取的一個(gè)重要特征,可以廣泛應(yīng)用在自動(dòng)摘要、信息檢索、詞典