英汉翻译模板的标准化方案及其应用-中国科学院计算技术研究所自然.docVIP

英汉翻译模板的标准化方案及其应用北京市自然科学基金资助项目(No. 北京市自然科学基金资助项目(No. 4052005)、北京市教委科技发展项目（No. Km200310005013） 第1作者信息：李玉鑑，男，1968年生，博士，副教授，主要研究方向为自然语言处理、模式识别、生物信息学 李玉鑑 北京工业大学，计算学机学院，多媒体与智能软件技术北京市重点实验室，北京100022 E-mail: liyujian@bjut.edu.cn 摘要：在机器翻译系统中，模板可以作为一种知识表示的方法，其规模的大小和组织的策略将极大地影响系统的整体性能。本文对英汉翻译模板的标准化问题进行了探讨，提出了一个初步方案，并将其应用于英汉翻译系统的设计与实现中，取得了初步的成功，验证了该方案的可行性，从而为在大规模模板库的基础上开发高质量的英汉翻译系统提供了可能性。在2005年举行的863评测中，本文开发的英汉翻译系统达到的水平：对话翻译人工评测忠实度和流利度分别为73.62和68.16篇章翻译人工评测忠实度和流利度分别为41.16和31.45。 关键词：机器翻译；翻译模板；标准化 中图分类号：T391.2 A Standardization Strategy of English-Chinese Translation Templates and Its Applications Li Yujian College of Computer Science and Technology, Beijing University of Technology, Beijing 100022, China Beijing Municipal Key Laboratory for Multimedia and Intelligent Software Technology E-mail: liyujian@bjut.edu.cn Abstract: In machine translation systems, templates can be used as a knowledge representation method, their scale and organization will greatly influence the whole system’s performance. This paper studies the standardization problem of English-Chinese translation templates and presents an initial strategy for it. By applying it to design and implement a somewhat successful English-Chinese translation system, we show that the strategy is useful and practicable, and it provides possibilities to develop high-quality English-Chinese translation systems based on a large scale of template library. In the “863” evaluation of 2005, the English-Chinese translation system of this paper reaches scores of 73.62 Adeq and 68.16 Fleu for “dialog test” as well as 41.16 Adeq and 31.45 Fleu for “article test” Keywords: machine translation, translation template, standardization 引言 现有的机器翻译方法主要分为基于规则[1-4]、基于统计[5-11]和基于例子[12-14]这三种。但是由于自然语言的极端复杂性，目前还没有一种分析策略能够彻底解决机器翻译系统所涉及的各种难题。为了综合利用这三种方法的优点，同时克服各自所存在的问题，一种常用办法是把多种翻译策略有机地集成在一起，以实现各种策略之间的优势互补，改善系统的性能[15-17]。 在机器翻译的研究中，除了综合集成多种策略外，另一种重要方法是加大处理粒度[18]，其基本思想是利用单义的语块（Chunk）代替多义的单词，并给以中心词的标注，目的是为了简化处理的句型，化解机器翻译的歧义问题。基于语块的方法是近年来在自然语言领域兴起的一条新思路[1