融入句型信息的漢英雙向調(diào)序模型.ppt

1,融入句型信息的漢英雙向調(diào)序模型,張家俊、宗成慶 中科院自動化所 2008.11.28,2,背景,自從IBM翻譯模型的提取，特別是基于短語的翻譯模型提出后，調(diào)序模型始終是統(tǒng)計機器翻譯的關鍵問題，是研究的熱點 從基于距離的扭曲模型、詞匯化的調(diào)序模型到層次化的短語翻譯模型、最大熵調(diào)序模型，都非常有效地提高了翻譯質(zhì)量,3,想法,這些模型沒有充分利用語言所固有的語法信息，在不需要調(diào)序的地方浪費了大量的計算時間 這些模型沒有充分利用句子的先驗知識，譬如句型，因為不同的句型具有不同的調(diào)序策略,4,句型在調(diào)序中的作用,幾個例子：,5,句型調(diào)序分析,特殊疑問句中至少有一固定的短語（我們稱為特殊疑問短語）在翻譯成英語時通常出現(xiàn)在句首； 一般疑問句在翻譯時有特定的例如can, do, is等引導詞； 在非疑問句中，有很大比例的句子中出現(xiàn)介詞短語、時間地點短語，這些短語在漢語中出現(xiàn)在動詞前，而在翻譯時一般出現(xiàn)在動詞的后面,6,口語語料分析,我們分析277k 中英對齊句對發(fā)現(xiàn)，大約 17.2% 是特殊疑問句, 約 25.5% 為一般疑問句，其余為非疑問句。 可見在口語翻譯中，基于句型的調(diào)序是非常有意義且具有研究價值的,7,基于句型調(diào)序的翻譯框架（漢英）,C1：特殊疑問句，C2:一般疑問句，C3：非疑問句,8,基于句型調(diào)序的翻譯框架（英漢）,C1、C2和C3的意義同上圖，“逆”表示與上圖的算法相似但調(diào)序方向相反,9,模型與算法,句型的分類算法：SVM-based 前向調(diào)序模型、逆前向調(diào)序模型 后向調(diào)序算法、逆后向調(diào)序模型,10,句型分類算法,SVM的優(yōu)勢，分類準確，幾乎不受標點的影響 （我們知道標點是句型關鍵性的特征） 實驗： 語料：三類句型分別問1000句，80%作為訓練，20%作為測試 實驗結(jié)果：,11,前向調(diào)序模型,適用句型：特殊疑問句 調(diào)序?qū)ο螅禾厥庖蓡柖陶Z 調(diào)序的兩個關鍵問題： 特殊疑問短語的識別 正確的調(diào)序位置,12,調(diào)序的兩個關鍵問題,特殊疑問短語的識別 我們在語法上給特殊疑問短語一個定義：包含特殊疑問詞的完整的語法成分。 特殊疑問詞是利用互信息得到的一個閉集：什么、哪、多（多長、多久）、怎、誰、幾、為什么、何 在漢語中，從語法層面看來，特殊疑問短語可能會是任何一類語法成分，從語法層無法識別 我們采用chunking的淺層句法分析來識別特殊疑問短語,13,調(diào)序的兩個關鍵問題,正確的調(diào)序位置 分析翻譯實例我們發(fā)現(xiàn)，調(diào)序的位置分為3類：句首、子句首、特定模板短語（從對齊語料習得）后 分別舉例： 這個 味道 怎么樣 ？=怎么樣 這個 味道 ？ 請問 ， 去 海灘 怎么 走 ？ =請問 ， 怎么 走 去 海灘 ？ 你 認為 到 那 要 多長 時間 ？=你 認為 要 多 長 時間 到 那 ？,14,逆前向調(diào)序模型,適用句型和處理對象與前向模型一樣 面向英漢翻譯任務 對翻譯結(jié)果的修正 同樣面臨調(diào)序的兩個關鍵問題： 特殊疑問短語的識別 正確的調(diào)序位置,15,調(diào)序的兩個關鍵問題,特殊疑問短語的識別同前向模型 調(diào)序的目標位置： 特殊疑問句的結(jié)構 調(diào)序規(guī)則,16,調(diào)序的兩個關鍵問題,特殊疑問句的兩種結(jié)構 作為強調(diào)部分出現(xiàn)在句末 作為動詞短語的修飾成分出現(xiàn)在動詞短語的前面 調(diào)序規(guī)則 若SQP為動詞短語，則將其調(diào)至包含該SQP的子句末尾 若SQP不是動詞短語，而且中有動詞短語，則保持其位置不變；否則將其調(diào)至包含該SQP的子句末尾,17,后向調(diào)序模型,針對句型：所有句型 調(diào)序?qū)ο螅涸诜g中最有可能調(diào)序的短語=介詞短語、時間地點短語 調(diào)序的兩個關鍵問題 介詞短語、時間地點短語與動詞短語的識別 調(diào)序策略,18,調(diào)序的兩個關鍵問題,介詞短語、時間地點短語與動詞短語的識別 采用chunking淺層句法分析 虛擬動詞短語（VVP）的定義：由于識別錯誤等原因，有時在介詞短語、時間地點短語后沒有識別出動詞短語。為加強該模型的適應性，我們定義自此介詞或時間地點短語后到子句的結(jié)束為偽動詞短語，并賦予其動詞短語的功能。 例：請 在 這里 簽名 。“簽名”被識別為NP，在我們的模型中，它就是VVP,19,調(diào)序的兩個關鍵問題,調(diào)序策略：利用最大熵模型決定識別出的介詞或時間地點短語是否需調(diào)序到緊跟著它們的動詞短語后。 調(diào)序規(guī)則：,20,逆后向調(diào)序模型,面向英漢翻譯任務 介詞短語、時間地點短語等的識別方法同后向模型 調(diào)序方向相反,21,逆后向調(diào)序模型,調(diào)序規(guī)則,22,實驗設計與結(jié)果,baseline： 利用我們實驗室實現(xiàn)的基于短語的統(tǒng)計機器翻譯系統(tǒng) 利用單調(diào)的解碼策略,23,實驗設計與結(jié)果,語料說明： 表1：漢英翻譯相關語料 表2：英漢翻譯相關語