资源描述:
《基于同步树序列替换文法的统计机器翻译模型》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第35卷第10期自动化学报Vol.35,No.102009年10月ACTAAUTOMATICASINICAOctober,2009基于同步树序列替换文法的统计机器翻译模型蒋宏飞1李生1张民2赵铁军1杨沐昀1摘要基于短语的模型是目前发展相对成熟的一种统计机器翻译(Statisticalmachinetranslation,SMT)模型.但基于短语的模型不包含任何结构信息,因而缺乏有效的全局调序能力,同时不能对非连续短语进行建模.基于句法的模型因具有结构信息而具有解决以上问题的潜力,因而越来越受到研究者们的重视
2、.然而现有的大多数基于句法的模型都因严格的句法限制而制约了模型的描述能力.为突破这种限制并将基于短语的模型的优点融入到句法模型中,本文提出一种基于同步树序列替换文法(Synchronoustreesequencesubstitutiongrammar,STSSG)的统计机器翻译模型.在此模型中,树序列被用作为基本的翻译单元.在这种框架下,不满足句法限制的翻译等价对和满足句法限制的翻译等价对都可以融入句法信息并被翻译模型所使用.从而,两种模型的优点均得到充分利用.在2005年度美国国家标准与技术研究所(NIS
3、T)举办的机器翻译评比的中文翻译任务语料上的实验表明,本文提出的模型显著地超过了两个基准系统:基于短语的翻译系统Moses和一个基于严格树结构的句法翻译模型.关键词统计机器翻译,句法限制,同步文法,同步树替换文法,同步树序列替换文法中图分类号TP391SynchronousTreeSequenceSubstitutionGrammarforStatisticalMachineTranslation11211JIANGHong-FeiLIShengZHANGMinZHAOTie-JunYANGMu-YunAb
4、stractPhrase-basedmodelsarethestate-of-the-artstatisticalmachinetranslationmodels.However,theycannote®ectivelyhandleglobalreorderinganddiscontiguousphrasesduetothelackofstructuralinformation.Whilesyntax-basedmodelshavethepotentialtoattacktheseproblems,they
5、su®erfromthestrictlysyntacticconstraints.Toaddresstheseconstraintsandintegratetheadvantagesofphrase-basedmodelsintosyntax-basedmodels,asynchronoustreesequencesubstitutiongrammar(STSSG)basedstatisticalmachinetranslation(SMT)modelispresentedinthispaper.Thisn
6、ovelmodelusesthetreesequenceasthebasictranslationunit.Therefore,boththesyntactictranslationequivalencesandthenon-syntactictranslationequivalencesequippedwithsyntacticinformationcanbeutilizedinthetranslation.ExperimentalresultsontheNIST2005Chinese-Englishma
7、chinetranslationdata-setshowthattheproposedmethodachievessigni¯cantimprovementsoverbaselinemethodsincludingaphrasalmodel,Moses,andatree-basedsyntaxmodel.KeywordsStatisticalmachinetranslation(SMT),syntacticconstraint,synchronousgrammar,synchronoustreesub-st
8、itutiongrammar,synchronoustreesequencesubstitutiongrammar(STSSG)在当前的统计机器翻译(Statisticalmachine翻译进行建模时,同样也会遇到很多问题.下面我们translation,SMT)领域,基于短语的机器翻译模型仅对两个和本文研究内容密切相关的问题进行讨论.均存在两个主要的缺陷:1)没有任何结构信息,从首先,不同语言间存在着结构分歧(