条件随机场等对数线性模型在统计机器翻译中的应用研究

机器翻译在网络时代起着越来越重要的作用，统计机器翻译是国际上的热点。本项研究试图把统计机器学习的最新方法如CRF等对数线性模型用于统计机器翻译，改变目前CRF在机器翻译领域应用的空白局面，具体内容包括对齐模型（包括串串、树串、树树三种方式）、句法分析、词义消歧等统计机器翻译的多个主要步骤的CRF建模。其次特别注意寻求上下文特征，在更大的范围内解决长距离或语境依赖问题，改变目前统计机器翻译近考虑单句的做法。最后构建一个多引擎的多国语统计机器翻译系统。我们的主要方法是通过解决具体问题来发展理论和技术，同时借鉴国外在CRF应用比较成熟领域的成果，并加以改进、完善。本研究对发展CRF具有重要的理论意义，对改善统计机器翻译的速度和质量，拓展其应用面也有很大的实际意义。