融合互聯(lián)網(wǎng)引擎的機器翻譯系統(tǒng).pdf

1、機器翻譯從出現(xiàn)到現(xiàn)在歷經(jīng)了幾十年的發(fā)展，已經(jīng)取得了令人矚目的成果，期間各種方法不斷被提出，目前主流的是基于統(tǒng)計的機器翻譯以及最新的基于神經(jīng)網(wǎng)絡(luò)的機器翻譯方法，各種機器翻譯方法都有自己獨特的優(yōu)勢，因此提出了系統(tǒng)融合方法來“取長補短”，希望通過系統(tǒng)融合來優(yōu)化翻譯結(jié)果。目前，機器翻譯在工業(yè)上的應用已經(jīng)十分成熟，百度、有道和谷歌等都推出了在線互聯(lián)網(wǎng)翻譯系統(tǒng)，本次研究就是利用這些互聯(lián)網(wǎng)翻譯引擎以及利用Moses統(tǒng)計機器翻譯模型訓練出的系統(tǒng)來進行系

2、統(tǒng)融合。
　　系統(tǒng)融合按照操作基本操作單元的不同可以分為句子級、短語級和詞匯級系統(tǒng)融合三種，本研究中進行了句子級和詞匯級以及基于MEMT的三種融合方式，在漢英翻譯任務(wù)上進行。句子級系統(tǒng)融合采用了最小貝葉斯風險解碼的方法，在解碼時使用了不同的損失函數(shù)，在使用TER作為損失函數(shù)時取得了最好的結(jié)果，比融合前的最好結(jié)果的BLEU得分提升了0.24個點。在詞匯級系統(tǒng)融合中需要構(gòu)造混淆網(wǎng)絡(luò)并解碼來得到目標結(jié)果，研究中對構(gòu)造混淆網(wǎng)絡(luò)時采用的不同

3、的詞對齊方式以及解碼時加入不同的特征進行了多組對比實驗，結(jié)果表明基于TER并加入詞干匹配的詞對齊以及解碼時加入多種有效特征可以提升系統(tǒng)融合的效果，這個實驗也取得了本次研究的最好結(jié)果，比融合前最好結(jié)果的BLEU得分提升了0.78個點，比融合前最差的系統(tǒng)提升了3.01個點?；贛EMT的系統(tǒng)融合效果表現(xiàn)一般，比融合前最好結(jié)果的BLEU得分提升了0.48個點。實驗結(jié)果表明融合互聯(lián)網(wǎng)引擎的機器翻譯系統(tǒng)可以提升翻譯的質(zhì)量。
　　研究最后實現(xiàn)