基于Internet的互動輔助釋譯技術(shù)研究.pdf

1、機(jī)器翻譯的研究由來已久,但尚未能完全達(dá)到人類期望的目標(biāo)。隨著計算機(jī)軟硬件技術(shù)的高速發(fā)展,以及語料庫建設(shè)的完善,利用統(tǒng)計知識的機(jī)器翻譯成為可能,翻譯質(zhì)量有望離人類的期望更近一步。自噪聲信道模型,尤其是最大熵模型提出以來,機(jī)器翻譯的一個中心任務(wù)是如何在模型中融入更有效的知識,以進(jìn)一步提高機(jī)器翻譯的質(zhì)量。本文聚焦于中英文之間的機(jī)器翻譯問題,針對如何有效地在基于中英雙語語料庫的機(jī)器翻譯中結(jié)合用戶評分進(jìn)行了一系列深入的研究。
　　 首先,

2、網(wǎng)絡(luò)爬蟲是一個自動提取網(wǎng)頁的程序,我們利用它從Internet上下載相對應(yīng)的網(wǎng)頁,得到訓(xùn)練需要的漢英平行語料庫,存到數(shù)據(jù)庫里。由于漢語是以字為基本的書寫單位,詞語之間沒有明顯的區(qū)分標(biāo)記。因此,中文詞語分析是中文信息處理的基礎(chǔ)與關(guān)鍵。其中中文的分詞,我們采用了現(xiàn)有的中國科學(xué)院計算技術(shù)研究所研制出的漢語詞法分析系統(tǒng)ICTCLAS(Institute of Computing Technology.Chinese LeXical Analys

3、is System)。而英語句子中本身就是分好的詞,我們只進(jìn)行了大小寫轉(zhuǎn)化和標(biāo)點(diǎn)符號的分離處理。
　　 其次,從Internet上獲取回漢英平行語料,并對中英文進(jìn)行處理后,對每一個翻譯句子進(jìn)行人工評分。評分為很好、好、一般、較差、很差五個等級。語料的獲取和評分的截圖見附錄。然后,我們將不同的人評分的結(jié)果求得一個平均值,與統(tǒng)計翻譯里的共現(xiàn)概率相乘得到最后的翻譯概率,這個概率形成我們最后用Moses解碼時的翻譯概率表。