面向机器翻译的文本领域识别

目前通用领域的机器翻译仍然是个世界性难题，短期内难以取得突破性的进展。因此，常在通用规则中加入一些领域相关的信息以形成丰富的个性规则。翻译时，首先必须识别出待翻译文本的领域信息，以便系统正确地调用相应的规则进行分析处理，从而产生高质量的译文。.长期以来，在机器翻译中，文本领域信息的识别主要依靠人工的方法。人工方法存在许多缺陷：1、准确性低，难以保证领域信息的正确识别；2、人工识别方法的文本颗粒度太大，难以做到句子级领域信息的有效识别；3、人工识别方法降低了机器翻译的自动化程度。.本课题的研究是想通过统计和规则相结的方法，建立适合机器翻译的文本领域信息自动识别模型。即通过准确地识别出篇章仍至句群和句子级的领域信息，使得翻译系统能够正确地调用相应的规则（包括词法的、句法的以及转换生成规则等）进行分析处理，从而产生高质量的译文。