基于模糊理论英语机器翻译语义调序研究.docVIP

基于模糊理论英语机器翻译语义调序研究 　　摘 要： 针对当前英语机器翻译存在的准确性差，易引起歧义等不足，提出模糊理论的英语机器翻译语义调序模型。首先对英语机器翻译的语义进行分类，构建语义选择模型，然后采用层次分析法确定英语机器翻译语义顺序，对易错的误语义进行相应的容错操作，最后对语义进行加权操作计算语义之间的最优相似度，并引入模糊理论实现对英语机器翻译英语语义进行排列，最后通过具体应用实验对模型的性能进行分析。结果表明机器翻译选择排列模型的准确性高，而且时效性均要优于其他模型，具有明显的优势。 　　关键词： 模糊理论； 英语语义； 调序模型； 机器翻译 　　中图分类号： TN911.1?34； TP399 文献标识码： A 文章编号： 1004?373X（2017）21?0121?03 　　Study on fuzzy theory based semanteme ordering of English machine translation 　　HU Guangyao 　　（Yangtze University College of Arts and Sciences， Jingzhou 434020， China） 　　Abstract： Since the current English machine translation has poor accuracy and is easy to cause the ambiguity， a fuzzy theory based semanteme ordering model of English machine translation is put forward. The semanteme of English machine translation is classified to construct the semantic selection model. The AHP is used to determine the semanteme order of English machine translation， and perform the corresponding fault tolerant operation for the semanteme which can be translated erroneously. The semanteme is weighted to calculate the optimal similarity between the semanteme， and the fuzzy theory is introduced to arrange the English semanteme translated by machine. The performance of the model is analyzed with a specific application experiment. The experimental results show that the selection and ordering model of machine translation has high translation accuracy， and its timeliness is better than other models， which has obvious advantage. 　　Keywords： fuzzy theory； English semanteme； ordering model； machine translation 　　0 引 言 　　?Z义是对数据符号的进一步解释[1]，在信息集成领域，往往通过模式（对于模式不存在隐含的非结构化或半结构化数据，往往需要在集成前定义出它们的模式）进行数据组织，数据的访问也是通过作用模式来获得的，这时语义就可定义为模式元素（例如类、属性、约束等）[2]。对语义进行准确的调序有助于更好地去理解复杂概念[3]，同时，正确的语义可以保证数据的质量[4]，因此高效地调序正确的、隐含的、有用的英语语义信息成为该领域亟待解决的问题，受到广大学者的关注[5?6]。 　　传统的英语语义调序模型一般使用神经网络法、机器学习法以及查错法[7?9]，大体流程可总结为从英语语义库中逐个选择英语语义，再逐一对应是否为所需英语语义，或者直接调序提取已经存在的显著语义数据，再进行归一化管理，但该调序模型耗时较长，且准确性较差。本文提出基于模糊理论的英语语义调序模型，针对不同的英语语义，根据其特征进行调序，并运用实验对所提模型进行验证。 　　1 基于模糊理论的英语机