基于翻译行为的多用户交互式翻译技术的研究

This project is based on the traditional interactive machine translation model combined of the language model and the translation model. And through the construction and analysis of the bilingual resources with real translator’s behavior, the project establishes a model (translation behavior model) to predict the translation sequence for the interactive translation, and with the guidance of this model, provides us with theoretical guidance to break down the hypothesis of traditional method that the translation prefix must be continuity, making interactive translation able to relax the strict limits on the translation position , more realistically meeting the actual translation needs. Meanwhile, to deal with the instability problem that arise from the inadequate of translation prefix, a new method is suggested in this project for predict the translation from the order of original language to the target language, and converts the word predict method into the position predict of a fixed conditions from the source side, which makes the model full use of the original language information to assurance the stability prediction. Eventually, in order to meet the needs of the translation work environment based on Internet, and making further improvement of existing interactive translation model , the subject also proposed a method for collaborative interactive machine translation to explore the research of the interactive translation with more fast adaptive, and establish a multi-user interactive translation model supported by the dynamic word alignment, collaborative filtering and translation memory technologies so as to solve the needs of the translation consistency and the fast adaptive under the case of multi-user collaborative translation.

本课题在传统的以语言模型和翻译模型相结合的交互式机器翻译模型的基础上，通过构建和分析带有真实用户翻译行为的双语资源，建立了面向交互翻译的译文生成顺序模型（翻译行为模型），并在此模型的指导下，打破传统方法对前缀译文连续性的理想假设，使得交互翻译能够放松对译文预测位置的严格限制，更为真实地符合实际翻译需求。同时，课题还将针对前缀不充分所带来的预测不稳定问题，提出一种原语语序到目标语的译文预测方法，将传统的词预测模型转换为原语限定条件下的翻译位置的预测，使得模型更为充分地利用原语信息保证预测的稳定性。最终，为了适应互联网环境下的翻译工作需求，进一步善现有的交互式翻译模型，课题还提出一种面向协同翻译工作需求的交互式机器方法，对交互翻译的快速自适应问题开展研究探索，建立以动态词对齐、协同过滤、翻译记忆等技术为支持的多用户交互翻译模型，解决多人协同翻译情况下对翻译一致性控制和系统快速自适应的迫切需求。

近年来,随着计算机网络技术的快速发展，机器翻译的研究和应用在世界范围内也得到了蓬勃发展，尤其是基于大规模语料库的统计翻译方法取得了一系列令人瞩目的成果，机器翻译技术在社会许多领域内也再次成为人们关注的热门研究课题。然而到目前为止，无论是基于规则的还是基于语料库的机译系统都不能很好地解决自然语言现象中的模糊性及多义性等复杂问题，机器翻译还不能完全代替人工翻译。因此，从实际需求出发，国内外众多的研究机构分别开展了以机助人译为核心的技术研究。. 本课题在传统的以语言模型和翻译模型相结合的交互式机器翻译模型的基础上，通过构建和分析带有真实用户翻译行为的双语资源，建立了面向交互翻译的译文生成顺序模型（翻译行为模型），并在此模型的指导下，打破传统方法对前缀译文连续性的理想假设。. 项目研究期间重点在资源建设、用户模型、交互翻译等方面进行了研究探索。项目在通过建立相关翻译人员行为采集的方法，对翻译过程中的选词、编辑等过程数据进行了收集和整理，建立了国内首个面向翻译过程的数据资源，该资源为本项目及后续的研究工作奠定了基础。. 在翻译人员的离散属性的基础上建立了翻译人员的用户模型，并通过加权等方法进行了统一的用户建模，同时利用该模型在翻译质量的预测、翻译过程中选词预测等方面进行优化，有效提升了翻译过程中系统辅助的性能。. 同时，项目也开展了交互翻译模型的研究，提出了基于正向多约束、用户反馈等技术，完善了传统模型无法利用交互翻译过程数据的模型缺陷，并通过相关实验测试，该技术在翻译过程中可有效降低用户的交互开销，进而提升了翻译效率。