基于生成树库分析与生成一体化机器翻译模型研究

面向英汉机器翻译的生成树库是北京语言大学研发的语料库，树库中的生成树中包含了机器翻译所需要的深层次、细粒度的翻译知识：英语的句法结构、汉语译文生成模式和词汇短语的习惯翻译等，本研究以该树库作为主要训练语料，结合现有的大规模双语和单语语料，研究建立面向英汉机器翻译分析和生成一体化统计模型：将规则化知识和统计方法有机结合在一起，避免规则方法层次化翻译过程所造成的错误累计，和规则不易把控的问题；同时，该模型统计对象为带有句法信息的英文短语和对应译文生成模式，解决了现有机器统计翻译以词或者短语为统计对象所造成的模型泛化能力差的问题。另外，现有的短语翻译模型短语限定为连续词串，译文生成时，全局调序能力差，生成树库具有大量短语调序知识，依托本树库，译文生成时短语预调序也是本研究另外主要内容。

课题采用生成树库，针对英汉翻译，通过专家规则与实例规则相结合的办法进行短语预调序。通过对英汉翻译中的短语结构进行分类，选择其中出现频度最高的名词短语进行预调序处理。实验结果显示，基于专家规则的预调序方法能够在一定程度上提高最终的翻译结果。.课题成果体现在：.1. 从英汉翻译的实际需求出发构造翻译所需要的语言资源。打破了Penn Treebank的复杂标注体系，将面向句法分析的句法标注改造为面向英汉机器翻译的句法标注，这有助于减少机器翻译过程中结构转换的复杂性。.2. 首次将短语预调序的方法应用在英汉机器翻译中，并将规则方法与统计方法结合起来，增强短语调序的效果。通过融合这两种不同的调序思路，提高了翻译结果。实验显示，融合的方法要优于单一的调序方法。.4. 基于大规模语料库的英汉短语预调序。实验结果显示，基于实例在保持较高调序准确率的情况下，克服了最大熵调序模型的缺陷。课题仍然有大量问题需要解决，主要包括：.1. 对短语结构转换的规则挖掘不彻底，停留在常用短语结构上，缺乏对短语结构转换更宏观的把握。.2. 与现有的短语翻译模型的融合不够，以致对翻译结果的提高幅度还可以增加。