计算机应用研究英文翻译,英汉机器翻译中的长句切分处理问题研究

摘要：

机器翻译一直是自然语言处理领域的重要研究方向之一.机器翻译诞生于大约半个世纪以前.虽然历经了半个多世纪的发展,但目前机器翻译的译文质量仍然不能令人满意,尤其是在长句的翻译上,由于句子长度过长,句子成分复杂,译文质量往往会比普通句子的译文差得多.如何针对长句做适当的预处理,已经成为近年来机器翻译研究者研究的热点问题.本文针对英汉机器翻译的长句预处理问题,主要探究如何对英文长句做适当的切分处理,通过把长句切分为若干短句的方式,提升机器翻译的译文质量.本文首先对英语长句做了详尽的分析,对英文长句的特点及给机器翻译系统翻译带来的困难等问题做了探讨,给出了针对本文工作的长句的定量化定义,并且分析了汉语与英语在长句使用上的不同.在以上分析的基础上,针对现有的长句切分方法难以处理含标点符号少的长句这一问题,本文的主要思路是,借助在句中适当位置添加逗号的方法切分句子.随后,本文提出了一种基于多策略的英文长句切分方法.该方法主要包括两个模块,一是基于依存句法的规则匹配切分方法,二是基于条件随机场(CRF)序列标注的切分方法.基于规则匹配的切分方法主要使用句子的依存句法树来识别句中的某些成分.该方法主要用于识别和处理句中较为明确,易于识别某些句子成分,并在这些句子成分的边界添加逗号,切分句子.基于序列标注的切分方法主要把"寻找句中合适的逗号位置"这一问题转化成一个序列标注任务,使用CRF对句中的逗号位置进行建模,估计这些逗号在句中不同位置出现的概率,对句中合适的逗号位置进行标记.该方法主要针对难以使用规则识别,变化较多的现象和成分.以上两个模块主要采取平行处理的方式进行集成,即二者分别对长句进行切分处理,得到两组逗号添加位置,最后合并结果,在这些位置切分位置.两个模块相互补充,共同完成对长句的切分.本文最后设计了两组实验,从不同的角度对本方法的有效性进行验证.第一组实验是针对句子切分的有效性与合理性,第二组实验针对本文方法对于机器翻译译文质量的影响.

展开