融合多种词义消歧结果汉英机器翻译.docVIP

融合多种词义消歧结果的汉英机器翻译 　　摘 要本文结合多种词义消歧分类器的输出结果来提高机器翻译系统的译文质量。首先，对汉语句子进行分词和词性标记处理。然后，使用多种不同的词义消歧分类器来确定歧义词汇的真实含义。最后，利用多投票策略来确定歧义词汇的译文，并生成汉语句子的英语译文 【关键词】分类器 机器翻译 歧义词汇 多投票策略 1 概述 汉英机器翻译是指使用计算机自动地将汉语句子转化为具有相同含义的英语译文的过程。汉英机器翻译的研究对于我国经济和文化的发展具有十分重要的作用。在汉语句子中，往往存在着大量的歧义词汇。汉语单词“面”是一个歧义词汇。在汉语句子“打着一面旗”中，“面”是“个”的含义。在汉语句子“去买面”中，“面”是“粮食”的含义。在自动翻译过程中，计算机需要确定单词“面”在句子中的真实含义 目前，汉-英机器翻译主要是借助于语言学资源来实现。所使用的语言学资源主要包括：机器翻译词典、翻译规则库、翻译实例库和概率化的短语翻译对表。在翻译过程中，需要借助于自然语言处理工具。所使用的自然语言处理工具主要包括：汉语分词工具、汉语词性标注工具、汉语句法分析工具和汉语词义消歧分类器。根据以往经验统计，汉语中的词汇歧义现象占到了整个语言现象的42%，其比例是相当之高的。如果能将词义消歧结果融入到自动翻译过程之中，必将降低翻译的难度并且提高自动译文输出质量。因而，词义消歧对于提升机器翻译质量将具有十分重要的作用。目前，机器翻译的种类有很多，但较为成型且广泛应用的仍然是基于语言学知识的机器翻译系统。词义消歧知识的形式主要包括：词义消歧模板和词义消歧模型 2 融合多种词义消歧的机器翻译 本文给出了一种使用多种词义消歧策略来进行自动翻译的方法，其框架如图1所示。用户在机器翻译系统中，输入待翻译的汉语句子。首先，汉语句子需要经过分词工具的处理，切分出所有的汉语单词。对于句子“打着一面旗”而言，分词结果为：“打/ 着/ 一面/ 旗/”。然后，使用词性标注工具来标记出每一个汉语单词的词性。对于以上句子而言，词性标注的结果为：“打/v 着/used 一面/m 旗/n”。在词义消歧过程中，所使用的消歧特征可以为：词形信息、词性信息和语义信息等。在消歧过程中，往往需要开设一定大小的词窗来抽取这些消歧特征。所使用的分类消歧方法包括：朴素贝叶斯算法、最大熵算法和支持向量机算法等。不同的消歧特征、不同大小的词窗和不同的分类消歧方法会产生不同的消歧效果。因而，存在着多种不同精度的词义消歧分类器。每种词义消歧方法都有自己的优点和缺陷。如果能综合多种消歧分类器的优势，必将提高系统的整体性能 本文使用了m种不同的词义消歧分类器（SC1，SC2，…，SCm）来确定同一个歧义词汇的语义。在输入的汉语句子中，使用这m种不同的词义消歧分类器来判定歧义词汇w的语义类。对于词义消歧分类器SCi （i=1， 2， …， m）而言，提取词汇w所在的上下文，从中抽取消歧特征。根据消歧特征，使用词义消歧分类器SCi来判别词汇w的语义为Si（i=1， 2， …， m）。由于使用了m种不同的消歧分类器来确定词汇w的语义，因而得到了w的m种语义S1， S2， …， Sm。语义Si为词汇w的英语译文。此处，将使用多投票策略来确定词汇w的真实语义。多投票策略的主要思想是：将每种消歧分类器的语义分类结果视作一票，计算得票最多的语义。对Si， S2， …， Sm进行去重，得到了n种不同的语义。将这n种不同的语义视为n个不同的盒子，将Si（i=1， 2， …， m）视为一票投入对应的盒子中。计算每个盒子中的票数，得票最多的盒子所对应的语义St就是歧义词汇w的真实语义 在确定歧义词汇的真实语义之后，将汉语句子传递到译文转换模块。译文转换模块将根据汉英机器翻译词典来确定汉语句子中其余词汇的译文。在确定这些词汇的译文时，主要依据词汇在当前句子中的词性信息。在输入的汉语句子中，能够确定这些词汇的语义。但是，在机器翻译词典中，这些词汇仍然有不同的候选译文。根据这些词汇在汉语句子中的词性标注，能够唯一地确定其真实译文。汉英语序之间存在着一定程度的差异。对于汉语句子“房屋的前面”，其英语译文为“in front of house”。在大规模平行双语语料上，抽取语序相反的汉英语言学单元对。从这些汉英语言学单元对中，使用机器学习算法来获取翻译规则库。译文转换模块使用翻译规则来调整汉语句子的语序，同时，使用每个词汇的译文来生成其英语译文 3 结论 本文利用分词技术和词性标注技术来处理输入的汉语句子，运用多种不同的词义消歧分类器来确定歧义词汇的语义。同时，使用多投票策略将这些词汇的语义集成到机器翻译系统中。根据翻译规则库和汉英机器翻译词典来确定汉语句子的英语译文 参考文献