全国机器翻译研讨会CCID技术报告.PPTVIP

第四届全国机器翻译研讨会CCID技术报告 中国电子信息产业发展研究院 孙广范 引言 本文对中国电子信息产业发展研究院（CCID）参加第四届全国机器翻译研讨会评测的汉英和英汉机器翻译系统进行描述。参加的评测项目包括汉英新闻领域机器翻译、英汉新闻领域机器翻译、英汉科技领域机器翻译。其中，汉英机器翻译系统包括一个基于规则的系统和一个基于短语的统计机器翻译系统，英汉机器翻译系统是一个基于规则和模板的系统。 系统 系统1：基于规则和模板的汉英机器翻译系统 本系统是传统的基于规则的系统，其中融入了模板技术、统计技术，属于基于转换的机器翻译系统。其既有规则系统的适应面较宽的特点，也有规则方法固有的知识颗粒度粗的不足。另外，本系统面向新闻领域语料调试工作做得较少，也是其处理新闻语料效果不十分理想的原因之一。 系统 系统2：基于规则和模板的英汉机器翻译系统 本系统采用规则和模板相结合的技术，面向英语新闻领域进行了针对性调试，因此处理英语新闻语料效果较好。同时，由于针对科技领域语料调试量较少，所以针对科技语料的处理效果差些。 系统 系统3：基于短语的汉英统计机器翻译系统 本系统的训练语料包括400万句对的通用汉英平行语料，其中包括863评测提供的83万汉英平行语料。分词工具采用自己研制的分词工具，采用GIZA++、中科院计算所的Camel解码器。训练结果生成了1千万条的短语翻译表，语言模型是从其中2百万句对中的英文部分训练出来的。 由于本系统的训练语料对于新闻领域的针对性不强，导致了本次测试结果的BLEU值不高。下一步时拟增加新闻领域语料的收集，这样可以有效提高系统面向新闻领域语料处理的效果。 实验 系统1：基于规则和模板的汉英机器翻译系统 实验 系统3：基于短语的汉英统计机器翻译系统 本次评测（CWMT2008）中的面向新闻语料的测试结果： 实验 系统2：基于规则和模板的英汉机器翻译系统 本次评测（CWMT2008）中的面向新闻语料的测试结果： 实验 本次评测（CWMT2008）中的面向科技语料的测试结果： 讨论 机器翻译方法中，目前研究的热点是统计机器翻译方法，其优点是可以从平行语料库中快速地学习出大量的短语及其对译表达，并且可以训练出目标语语言模型，这样可以使其能够拥有比规则方法的系统更多的短语（特别是非句法成分的短语），目标语语言模型可以使其选择译文搭配时可以区分得更细，这样使的其译文与人工译文的相同语言片段数量增加，从而BLEU增加。统计方法的缺点是长距离调序能力较差，因为其调序时较少考虑人的语言知识。规则和模板相结合的系统在模板数量达到一定量（几万条）时也可以表现出较好的翻译性能，其瓶颈在于大量的模板的获取问题的解决。基于句法的统计机器翻译方法的研究可能为将统计机器翻译的优点和人类语言知识的优点的结合途径的发现提供可能，但如何结合才能产生更好的效果仍需要进一步探索，还有相当一段路要走。 * * *