綜合考試報告

1、綜合考試報告——機器翻譯技術(shù)綜述及面向新聞領域的漢英機器翻譯系統(tǒng)博士生：劉博士生：劉群導師：俞士汶師：俞士汶1引言引言本文主要包括三方面內(nèi)容：第一方面是機器翻譯的綜述，包括介紹一些主要的機器翻譯方法和幾個典型的機器翻譯系統(tǒng)。第二方面主要介紹目前中國的機器翻譯現(xiàn)狀，包括研發(fā)現(xiàn)狀和市場現(xiàn)狀兩個方面。研發(fā)現(xiàn)狀主要介紹國內(nèi)主要的研究單位和研究成果，市場方面主要是介紹國內(nèi)機器翻譯市場的一些主要產(chǎn)品和開發(fā)單位，然后討論了國內(nèi)機器翻譯研究所面臨的問題

2、和與國際水平的差距。第三方面是本人在近期所做的工作。主要是介紹973子課題“面向新聞領域的漢英機器翻譯系統(tǒng)”的研究進展，以及本人所提出的“微引擎流水線的機器翻譯系統(tǒng)結(jié)構(gòu)”。2機器翻譯研究綜述機器翻譯研究綜述本章首先總結(jié)近年來自然語言處理和機器翻譯領域所發(fā)生的變化，然后依次對幾種目前主流的機器翻譯方法做一個簡單的總結(jié)：基于規(guī)則的機器翻譯方法，基于統(tǒng)計的方法，基于實例的方法，基于模板的方法，基于有限狀態(tài)自動機的方法，以及多引擎的方法。對于每

3、一種方法，我們都先給出該方法的界定，再介紹有關的模型或算法，并討論其優(yōu)缺點。然后考察幾個比較典型的機器翻譯系統(tǒng)。2.1概述概述自然語言處理的研究，近年來可以說是處在一個非常活躍的時期。2001年，國內(nèi)外召開的眾多的相關學術(shù)會議之多，幾乎使人目不暇接（ACL2001，ICCC2001，ICCPOL2001，NLPRS2001，MTSummitVIII，IWPT2001，NLPKE2001，UNL1stConference，計算語言學聯(lián)合學

4、術(shù)會議，中文信息學會成立20周年學術(shù)會議，中日自然語言處理學術(shù)交流會議等等）。相關研究的活躍程度，由此可見。自從1949年WarrenWeaver發(fā)表《翻譯》備忘錄，正式提出機器翻譯的思想以來，到現(xiàn)在已經(jīng)經(jīng)過了52個年頭。這期間機器翻譯研究經(jīng)歷了一個曲折的發(fā)展歷程。這里，我們可以把機器翻譯放到整個自然語言處理的背景下來看。最近的10年間，自然語言處理的面貌發(fā)生了很大的變化。這種變化，我認為主要體現(xiàn)在三個方面：試，并通過大會進行論文交流。

5、如TREC會議提供統(tǒng)一的測試平臺對信息檢索IR系統(tǒng)進行測試，MUC（已經(jīng)停辦）專門對信息提取系統(tǒng)進行測試，而CoNLL會議專門對淺層分析系統(tǒng)進行測試，這些會議都對相關的研究工作起到了極大的推動作用。在機器發(fā)言領域，雖然機器翻譯評測已成為MTSummit會議的主要議題之一，但由于機器翻譯評測問題的復雜性，但目前在機器翻譯領域還沒有類似的比較成熟的測試平臺。在國內(nèi)，863計劃專家組和973計劃專家組都開展過一些機器翻譯的評測工作，這些評測都

6、有力地促進了相關研究工作的進展。不過，總的來說，這些評測的規(guī)模和影響都還比較小，在公開性方面還做得不夠。國際上一些類似的評測工作也已經(jīng)開始組織（如美國NIST），有可能會形成比較大的影響。從以上的總結(jié)可以看出，自然語言處理領域近年來的變化是巨大而且深刻的。相比較而言，機器翻譯領域的變化要小一些。其主要原因也是比較明顯的，機器翻譯幾乎涉及自然語言處理的所有領域中最困難的問題，某些單方面或淺層次的突破都不足以對機器翻譯的整體產(chǎn)生根本的影響，

7、只有當整個自然語言領域的各方面的研究都取得全面突破時，才有可能導致機器翻譯的突破。這是一個緩慢加速的、從量變到質(zhì)變的、逐漸積累的過程。不過，我們現(xiàn)在已經(jīng)可以清晰地感受到這種變化。2.2機器翻譯方法研究機器翻譯方法研究2.2.1基于規(guī)則的機器翻譯方法基于規(guī)則的機器翻譯方法基于規(guī)則的機器翻譯方法的界定及其優(yōu)缺點大家都非常熟悉，這里不再詳述。自從Chomsky提出轉(zhuǎn)換生成語法以來，基于規(guī)則的方法成了機器翻譯研究的主流。雖然統(tǒng)計方法的崛起對規(guī)則

8、方法形成了一定的沖擊，但在機器翻譯領域，規(guī)則方法的地位并沒有從根本上被動搖。在已有的商品化機器翻譯系統(tǒng)中，很少有哪個系統(tǒng)聲稱自己采用的是純統(tǒng)計（或語料庫）的方法或以統(tǒng)計為主的方法。雖然如此，統(tǒng)計方法的影響也是不可低估的。與傳統(tǒng)的規(guī)則方法相比，現(xiàn)在的規(guī)則方法已產(chǎn)生了很多變化。這些變化主要體現(xiàn)在：1.在規(guī)則的獲取方面，傳統(tǒng)的規(guī)則方法主要依靠語言學家總結(jié)規(guī)則，進行調(diào)試，而現(xiàn)在則更加重視從語料庫中獲取規(guī)則（如采用錯誤驅(qū)動的學習算法）；2.傳統(tǒng)的

9、規(guī)則方法往往偏重于描述粗粒度、全局化的大范圍語言學規(guī)則知識，而現(xiàn)在則更加重視描述細粒度、局部的小范圍的語言學知識，呈現(xiàn)出“小規(guī)則庫、大詞典”的趨勢；3.在知識表示方面，為了以更小的粒度、更加準確地對翻譯知識進行描述，一般對要對單純的上下文無關規(guī)則做一些改進。改進的方法有以下兩種：一種是采用特征結(jié)構(gòu)與合一算法，如LFG、GPSG等等，這種方法一般要求具有較好的語言學背景；另外一種是采用詞匯化的方法對規(guī)則加以細化。后一種方法的做法之一也就是