层次短语翻译中基于Markov 随机场的层次切分模型

翻译推导的切分歧义是统计机器翻译面临的一个很重要的问题,而在层次短语机器翻译中,其尤为突出.提出了一个层次切分模型来处理推导的切分歧义性.采用Markov随机场构建模型,然后将其融入层次短语翻译模型,以便自动选择更合理的切分.在NIST中英翻译的任务中,该模型的训练效率高,通过NIST05,NIST06和NIST08这3个测试集上的翻译效果表明,该模型提高了层次短语翻译的性能.     

对数线性翻译模型的判别式训练综述

目前几乎所有的统计机器翻译系统都采用对数线性模型建模．判别式训练是基于对数线性翻译系统的一个重要组成部分，其任务就是优化对数线性模型的参数。到现在为止，有很多判别式训练方法可以用来训练翻译模型权重。从似然函数、错误率函数和可扩展方法三个方面，系统地阐述并分析了这些训练方法，旨在让更多的研究者更好地了解判别式训练方法的发展现状、为判别式训练的进一步发展起到推动作用。同时，还就判别式训练提出了两个值得进一步探讨的问题。