基于枢轴语言的平行语料构建方法.PDFVIP

sPEcial articlEs 特约专题 doi:10.3772/j.issn.2095-915x.2017.03.005 基于枢轴语言的平行语料构建方法 北京交通大学计算机与信息技术学院 北京 100044 单华 张玉洁 周雯 徐金安 陈钰枫 摘 要 平行语料库的规模对于统计机器翻译性能的提高具有重要作用，但是平行语料库的人工构建成 本很高。针对这个问题，本文提出了一种低成本高效率的平行语料构建方法，利用枢轴语言作为桥梁， 借助已有的机器翻译技术并融合主动学习方法构建目标语言对的大规模高质量平行语料库。本文通过 以英语作为枢轴语言构建日汉平行语料库的实例研究，利用成熟的基于短语的统计机器翻译技术，描 述了基于译文自动评测的良好译文选择方法、基于主动学习的语料选取方法、以及翻译系统的更新迭 代和评价实验。实验结果表明，本文提出的方法能够快速构建日汉平行语料，并有效提高日汉翻译系 统的性能。 关键词：枢轴语言，机器翻译，平行语料，主动学习 中图分类号：G35 Approach of Constructing Parallel Corpus Based on Pivot Language The School of Computer and Information Technology, Beijing Jiaotong University, Beijing 100044, China SHAN Hua ZHANG YuJie ZHOU Wen XU JinAn CHEN YuFeng Abstract A large scale parallel corpus plays an important role in improving the performance of machine translation. It spent highly for manually constructing a parallel corpus. This paper proposed a pivot based approach for constructing high quality parallel corpus with low cost, in which the existing machine translation technology and active learning method are combined. This paper describes the domain adaptation method based on active learning, the good translation selection method based on automatic translation evaluation, and iterative retraining of translation system. We applied the approach to the construction of Japanese- 基金项目：本文受国家自然科学基金的资助。 作者简介：单华（1990-），硕士，研究方向：自然语言处理，机器翻译，Email；张玉洁（1961-）， 博士，教授，研究方向：自然语言处理，机器翻译，文本大数据处理；周雯（1993-），硕士，研究方向：自然语言处理，信息抽 取；徐金安（1970-），博士，副教授，研究方向：自然语言处理，机器翻译；陈钰枫（1981-），博士，副教授，研究方向：自然 语言处理，机器翻译。 technology intelligence engineering 2017 年第 3 卷 第 3 期 029 特约专题 sPEcial articlEs doi:10.3772/j.issn.2095-915x.2017.03.005 Chinese parallel corpus by taking English as pivot and con