利用上下文信息的统计机器翻译领域自适应.pdfVIP

第 24卷 第 6期 中文信息学报 Vo1．24，No．6 2010年 11月 JOURNALOFCHINESEINFORMATION PROCESSING NOV．，2O10 文童编号 ：1003—0077(2010)06—0050—07 利用上下文信息的统计机器翻译领域 自适应 曹 杰 ，吕雅娟 ，苏劲松 ，刘 群 (中国科学院计算技术研究所 ，中国科学院 智能信息处理重点实验室，北京 100190) 摘 要 ：统计机器翻译系统用于翻译领域文本 时，常常会遇到跨领域 的问题 ：当待翻译文本与训练语料来 自同一 领域 时，通常会得到较好 的翻译效果；当领域差别较大时，翻译质量会明显下降。某个特定领域 的双语平行语料是 有限的，相对来说 ，领域混杂的平行语料和特定领域的单语文本更容 易获得 。该文充分利用这一特 点，提 出了一种 包含领域信息的翻译概率计算模型，该模型联合使用混合领域双语和特定领域源语言单语进行机器翻译领域 自适 应。实验显示 ，自适应模型在 1wSLT机器翻译评测 3个测试集上均比Baseline有提高，证 明了该文方法的有效性 。 关键词 ：统计机 器翻译 ；领 域 自适应；上下文信息 中图分类号 ：TP391 文献标识码 ：A SM T DomainAdaptationBasedon MonolingualContextInformation CA0lie，LV Yajuan，SUJinsong，LIU Qtin (KeyLaboratoryofIntelligentInformationProcessing，InstituteofComputingTechnology， ChineseAcademyofSciences，Beijing100190，China) Abstract：Domainadaptationproblem willarisewhenstatisticalmachinetranslation (SMT)system isusedtOtrans— latedomain～specifictexts．W henthetextstObetranslatedandthetrainingdatacomefrom thesamedomain，SMT system canachievegoodperformance．Otherwise。thetranslationqualitywilldegradedramatically．Ingeneral，d0～ main—specificparallelcorpusislimited，whiledomain—mixedparallelcorpusanddomain～specificmonolingualcorpus areeasytOobtain．AccordingtOthefact，thispaperproposedanew translationmodelwhichutilizeddomain—mixed parallelcorpusanddomain—specificmonolingualcorpustOimprovethedomaintranslationquality．Experimentsshow thattheproposedmethodimprovestranslationperformanceinthreeIWSLT evaluationtestssignificantly． Keywords：statisticalmachinetranslation；domainadaptation；contextinformation 会得到质量较高的译文，但翻译其他领域文本时 ，翻 1 引言 译质量明显下降。对于某些领域而言，获取大规模