依存边转换翻译规则生成器.PDFVIP

文章编号：1003-0077 （2011）00-0000-00 依存边转换翻译规则生成器 1,2 1,3 陈宏申 ，刘群 （1. 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，北京市 100190; 2. 中国科学院大 学，北京市 100190; 3. 爱尔兰都柏林城市大学，爱尔兰） 摘要：统计机器翻译模型，特别是基于句法的翻译模型，其翻译单元在保留足够的翻译信息以及翻译单元 在翻译新句子时的泛化能力上始终存在着一个平衡。神经网络被成功用于统计机器翻译模型中的调序和语 言生成中。本文提出了一个新颖的基于神经网络的句法翻译规则生成器——依存边转换翻译规则生成器 （DETG），它利用一条转换翻译规则的源端以及源端的上下文作为输入，以依存边转换翻译规则的目标端作 为输出。它不仅保留了依存边——这种最简单的句法翻译规则的灵活性，保证了翻译规则的泛化能力，同 时通过上下文信息增强了转换翻译规则的匹配能力。生成器的结构非常简洁，它将翻译规则的源端作为输 入，同时生成翻译规则目标端的对应翻译以及依存边的位置关系。我们使用生成器对解码时所用到的依存 边转换翻译规则打分。我们在三个NIST 测试集上的实验显示，相较于基线系统，平均有1.39 个BLEU 值的 提升。 关键词：依存边；转换；翻译；神经网络；生成器 中图分类号：TP391 文献标识码：A A Dependency Edge Transfer Translation Rule Generator Hongshen Chen1,2, Qun Liu1,3 (1. Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China ; 2. University of Chinese Academy of Sciences, Beijing 100190 ,China; 3. Dublin City University, Dublin, Ireland ) Abstract: There always been a tradeoff between the amount of information a translation unit preserved and its ability to be generalized when translating new sentences in a statistical machine translation model, especially in syntax-based ones. Neural network has been successfully applied in reordering and language generation problems in SMT. In this paper, we propose a novel syntactic translation rule generator based on neural network, a dependency edge transfer rule generator (DETG), which leverage the source side of a transfer rule and local context as input and output the target side. It shares not only the benefit of dependency edge, the most relax syntactic constraint, as transfer unit, to ensure its generalization ability but also the local context as additional information to help it with a better matching ability. Th