第四屆全國機(jī)器翻譯研討會(huì)CCID技術(shù)報(bào)告PPT課件

1、第四屆全國機(jī)器翻譯研討會(huì)第四屆全國機(jī)器翻譯研討會(huì)CCID技技術(shù)報(bào)告術(shù)報(bào)告 中國電子信息產(chǎn)業(yè)發(fā)展研究院 孫廣范引言引言 l本文對(duì)中國電子信息產(chǎn)業(yè)發(fā)展研究院（CCID）參加第四屆全國機(jī)器翻譯研討會(huì)評(píng)測的漢英和英漢機(jī)器翻譯系統(tǒng)進(jìn)行描述。參加的評(píng)測項(xiàng)目包括漢英新聞?lì)I(lǐng)域機(jī)器翻譯、英漢新聞?lì)I(lǐng)域機(jī)器翻譯、英漢科技領(lǐng)域機(jī)器翻譯。其中，漢英機(jī)器翻譯系統(tǒng)包括一個(gè)基于規(guī)則的系統(tǒng)和一個(gè)基于短語的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)，英漢機(jī)器翻譯系統(tǒng)是一個(gè)基于規(guī)則和模板的系統(tǒng)。系統(tǒng)系統(tǒng) l系統(tǒng)1：基于規(guī)則和模板的漢英機(jī)器翻譯系統(tǒng)l本系統(tǒng)是傳統(tǒng)的基于規(guī)則的系統(tǒng)，其中融入了模板技術(shù)、統(tǒng)計(jì)技術(shù)，屬于基于轉(zhuǎn)換的機(jī)器翻譯系統(tǒng)。其既有規(guī)則系統(tǒng)的適應(yīng)面

2、較寬的特點(diǎn)，也有規(guī)則方法固有的知識(shí)顆粒度粗的不足。另外，本系統(tǒng)面向新聞?lì)I(lǐng)域語料調(diào)試工作做得較少，也是其處理新聞?wù)Z料效果不十分理想的原因之一。系統(tǒng)系統(tǒng)l系統(tǒng)2：基于規(guī)則和模板的英漢機(jī)器翻譯系統(tǒng)l本系統(tǒng)采用規(guī)則和模板相結(jié)合的技術(shù)，面向英語新聞?lì)I(lǐng)域進(jìn)行了針對(duì)性調(diào)試，因此處理英語新聞?wù)Z料效果較好。同時(shí)，由于針對(duì)科技領(lǐng)域語料調(diào)試量較少，所以針對(duì)科技語料的處理效果差些。系統(tǒng)系統(tǒng)l系統(tǒng)3：基于短語的漢英統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)l本系統(tǒng)的訓(xùn)練語料包括400萬句對(duì)的通用漢英平行語料，其中包括863評(píng)測提供的83萬漢英平行語料。分詞工具采用自己研制的分詞工具，采用GIZA+、中科院計(jì)算所的Camel解碼器。訓(xùn)練結(jié)果生成了

3、1千萬條的短語翻譯表，語言模型是從其中2百萬句對(duì)中的英文部分訓(xùn)練出來的。l由于本系統(tǒng)的訓(xùn)練語料對(duì)于新聞?lì)I(lǐng)域的針對(duì)性不強(qiáng)，導(dǎo)致了本次測試結(jié)果的BLEU值不高。下一步時(shí)擬增加新聞?lì)I(lǐng)域語料的收集，這樣可以有效提高系統(tǒng)面向新聞?lì)I(lǐng)域語料處理的效果。 實(shí)驗(yàn)實(shí)驗(yàn) l系統(tǒng)1：基于規(guī)則和模板的漢英機(jī)器翻譯系統(tǒng)l 實(shí)驗(yàn)實(shí)驗(yàn)l系統(tǒng)3：基于短語的漢英統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)l本次評(píng)測（CWMT2008）中的面向新聞?wù)Z料的測試結(jié)果：實(shí)驗(yàn)實(shí)驗(yàn)l系統(tǒng)2：基于規(guī)則和模板的英漢機(jī)器翻譯系統(tǒng) l本次評(píng)測（CWMT2008）中的面向新聞?wù)Z料的測試結(jié)果：實(shí)驗(yàn)實(shí)驗(yàn)l本次評(píng)測（CWMT2008）中的面向科技語料的測試結(jié)果：討論討論 l機(jī)器翻譯方法中，目前研究的熱點(diǎn)是統(tǒng)計(jì)機(jī)器翻譯方法，其優(yōu)點(diǎn)是可以從平行語料庫中快速地學(xué)習(xí)出大量的短語及其對(duì)譯表達(dá)，并且可以訓(xùn)練出目標(biāo)語語言模型，這樣可以使其能夠擁有比規(guī)則方法的系統(tǒng)更多的短語（特別是非句法成分的短語），目標(biāo)語語言模型可以使其選擇譯文搭配時(shí)可以區(qū)分得更細(xì)，這樣使的其譯文與人工譯文的相同語言片段數(shù)量增加，從而BLEU增加。統(tǒng)計(jì)方法的缺點(diǎn)是長距離調(diào)序能力較差，因?yàn)槠湔{(diào)序時(shí)較少考慮人的語言知識(shí)。規(guī)則和模板相結(jié)合的系統(tǒng)在模板數(shù)量達(dá)到一定量（幾萬條）時(shí)也可以表現(xiàn)出較好的翻譯性能，其瓶頸在于大量的模板的獲取問題的解決?；诰浞ǖ慕y(tǒng)計(jì)機(jī)器翻譯方法的研究可能為將統(tǒng)計(jì)機(jī)