汉英机器翻译中格式转换研究

格式在HNC理论中是指广义作用句各主语块位置的不同排列组合方式。由于主语块的排列方式在汉英两种语言中表达的差异,汉语句子翻译到英语时常常发生格式转换。格式转换是HNC机器翻译理论的一个重要内容,是机器翻译理论实践的基础和前提。以HNC机器翻译理论为指导,以真实文本的专利文献汉英句对为分析对象,研究专利机器翻译中汉英两种语言之间广义作用句的格式转换规律,制定了排除规则、识别规则和转换规则,对部分规则进行了人工评测,结果表明准确率能达到85%左右。     

面向机器翻译的中国手语的理解与合成

自然语言与可视化语言之间的自动翻译研究具有重大的现实意义和学术研究价值,它是一个崭新的、有发展前任的研究领域。该文从机器翻译的角度来考察汉语和中国手语之间的相同之处和差异,探讨两种语言在语序、句子结构、短语结构、特殊词类等方面的特点,建立了汉语中国手语机器翻译的一系列规则。在此基础之上,采用规则解释方法实现了一个汉语至可视化语言中国手语的翻译系统。     

赛迪集团北京中电报科技发展有限公司高科技产品介绍之一:新一代英汉机器翻译系统

赛迪集团中电报科技发展公司采用国际先进技术于2004年最新推出基于Web词库和混合引擎的新一代“赛迪环宇通”英汉机器翻译系统。一、 系统的特色及创新之处1. 采用基于模板匹配的机器翻译方法由于单纯基于规则方法的知识表示颗粒度大,难以描述灵活开放且复杂多变的人类语言,规     

MMT（ODA）项目中基于中间语言的分析和生成的机制

由日本联合中国、泰国、马来西亚和印度尼西亚共同开发的多国语言机器翻译（MMT)系统采用了中间语言的方法。本文简要地介绍了该项目的概况, 比较详细地介绍了该MMT系统的中间语言和分析、生成的机制。“概念”是中间语言的最基本的词汇, 本文尝试加以严格定义, 并且对于理想的概念辞典给出完全性、必要性、独立性和协调性的新提法。为了使机器翻译界的专家们能够通过篇幅不长的论文准确而完整地了解该系统的核心, 本文试图用形式化的方法定义系统的分析规则和生成规则的描述语言。本文是作者关于MMT的一些思考和总结, 希望能对今后这方面的工作有所稗益。     

面向汉维机器翻译的相关转换及匹配规则设计

汉语和维吾尔语是在句法结构和语序上差异较大的两种语言。对于一个完备的汉维机器翻译系统而言,进行源语言的分析和目标语言时态、语态的准确表达是有必要的。针对统计机器翻译模型中所包含的句法、语义成分较低导致的准确率及语序问题,通过建立相关转换及匹配规则,以期用于机器翻译的混合方法之中来提高翻译系统的工作性能。     

基于语言特征和迁移学习的机器翻译系统研究

针对传统翻译系统对低资源语言翻译效果差的问题,以印度英语翻译为研究对象,提出一种基于语言特征与迁移学习的机器翻译方法。通过采用Finetune技术对已构建的英语-汉语机器翻译系统RNN模型进行迁移学习,采用Bert词向量模型提取训练印度英语语言特征,并以印度英语语言特征为参数输入通过迁移学习的RNN模型,实现了较为准确的印度英语-汉语机器翻译。仿真结果表明,相较于基于传统RNN模型的机器翻译系统,所提方法对印度英语语句翻译效果更好,BLEU值提高了44%,达到0.26;相较于目前常用的成熟机器翻译系统,所提方法的BLEU值均得到不同程度地提升,具有一定的有效性和实际应用价值。     

机器翻译系统中一种规则描述语言(CTRDL)

本文的目的在于为汉英机器翻译系统（CETRA）提供一种处理中文文本的规则描述语言（CTRDL）。这是一种受限的语言, 用以定义中文文本的分析和生成文法。实际上任何特定语言的文法都可用这种元语言的形式系统加以描述。     

基于混合语言模型的盲汉机器翻译系统的研究与实现

文章介绍了一种规则与统计相结合的混合语言模型来实现盲文到汉语的机器翻译,该技术把基于统计的Markov模型与规则量化模型相结合,用Viterbi算法寻找最佳汉语句子,取得了良好的翻译效果。     

面向汉英机器翻译的包装句蜕处理

文中针对一种特殊的语言现象(HNC称为包装句蜕)进行了分析，目的是为机器翻译提供一些理论支持。首先从目前机器翻译系统所暴露的问题中提出研究包装句蜕的必要性，然后是对包装句蜕进行语言学描述及汉英对比分析，从可计算的角度提出了包装句蜕的判别方法，最后是包装句蜕的机器处理策略及规则。     

基于语义选择与信息特征的英语机器翻译系统

本文基于语义选择与信息特征设计了英语自动化机器翻译系统。通过语义信息特征制定了机器翻译流程,以GIZA++为载体进行翻译,利用伯克利对准器对齐词语,基于反向转换语法,详细阐述汉语语言模式与英语翻译语言模式的结构关联特性,以语句动静配置,实现自动化机器翻译。最后通过系统测试,结果表明,与传统机器翻译系统相比,准确率显著提高,这就表明基于语义选择与信息特征的英语自动化机器翻译系统的翻译准确率较高,可为英汉机器翻译奠定坚实的基础支持。     

基于弱化语法规则的机器翻译方法研究

在机器翻译的方法中，基于规则的翻译方法和基于实例的翻译方法都有各自的优缺点。结合两者的优点，提出了一种基于弱化语法规则的机器翻译方法，该方法在大量分析句子语法特征的基础上以及利用语言专家的知识构建语法规则库，在利用语法识别出句子后，把句子的各个组成部分标记出来，然后利用语义块进行匹配推理翻译出句子的各个组成部分。最后根据句法把句子的各个译出的组成部分装配起来形成译文。实验表明，该方法达到了较好的翻译效果，并且具有较大的发展潜力。     

智能型俄汉机器翻译系统的句法规则库的设计原则

本文提出了建立智能型俄汉机器翻译系统句法规则库的6条原则: 以谓语动词作为句子结构关系的中心; 语法、语义信息一体化; 常见词序优先; 以函数形式反映俄语句法的制约关系; 强制性认定及源语言分析与目标语生成同步进行。     

基于源语言句法增强解码的神经机器翻译方法

当前性能最优的机器翻译模型之一Transformer基于标准的端到端结构,仅依赖于平行句对,默认模型能够自动学习语料中的知识;但这种建模方式缺乏显式的引导,不能有效挖掘深层语言知识,特别是在语料规模和质量受限的低资源环境下,句子解码缺乏先验约束,从而造成译文质量下降。为了缓解上述问题,提出了基于源语言句法增强解码的神经机器翻译（SSED）方法,显式地引入源语句句法信息指导解码。所提方法首先利用源语句句法信息构造句法感知的遮挡机制,引导编码自注意力生成一个额外的句法相关表征;然后将句法相关表征作为原句表征的补充,通过注意力机制融入解码,共同指导目标语言的生成,实现对模型的先验句法增强。在多个IWSLT及WMT标准机器翻译评测任务测试集上的实验结果显示,与Transformer基线模型相比,所提方法的BLEU值提高了0.84~3.41,达到了句法相关研究的最先进水平。句法信息与自注意力机制融合是有效的,利用源语言句法可指导神经机器翻译系统的解码过程,显著提高译文质量。     

基于改进的BP网络的语法分析系统设计

针对汉语语法分析问题提出了一种基于改进的BP网络的语法分析专家系统的设计方案。其核心是构造存储和管理文法知识的知识库及具有语言专家智能行为和语法分析能力的推理机。本系统中知识库采用产生式规则的知识表达方式，并将知识二元化存储在神经网络中；推理机采用神经网络进行推理。最后给出了系统的运行实例，说明该系统的有效性。     

基于时间抽象状态机的AADL模型验证

提出了一种基于时间抽象状态机(timed abstract state machine,简称TASM)的AADL(architecture analysis and design language)模型验证方法.分别给出了AADL子集和TASM的抽象语法,并基于语义函数和类ML的元语言形式定义转换规则.在此基础上,基于AADL开源建模环境OSATE(open source AADL tool environment)设计并实现了AADL模型验证与分析工具AADL2TASM,并基于航天器导航、制导与控制系统(guidance,navigation and control)进行了实例性验证.     

面向机器翻译的藏语短语句法研究

针对现代藏语句法,在参照宾大中文树库的基础上,构建藏语短语句法树库,并建立了树库编辑工具,为藏汉机器翻译服务。在短语句法树库的基础上,提出一种融合藏语句法特征的藏汉机器翻译方法。实验分析结果表明,该方法可以很好地应用于藏汉机器翻译系统。     

基于DOP技术的目标语生成机制

提出在面向数据的英汉机译系统中,一种以面向数据的语言分析技术作为基本框架的目标语生成机制。该机制通过对源语语句的句法分析树进行线性化操作,生成目标语译文。其中包括从源语语句句法分析树的所有片段组合形式中选择一个适合生成操作的生成片段组合形式、对生成片段组合形式中的所有片段进行线性化操作以及对所有片段已经线性化的生成片段组合形式进行线性操作,从而获取最终的目标语译文。为论证方法有效性,基于包含1,000个语句的真实英语语料构建知识源,并采用包含100个语句的真实英语语料作为测试集。实验表明,目标语译文质量比较令人满意,可成功地实现英汉机译。     

Incorporating target language semantic roles into a string-to-tree translation model

The string-to-tree model is one of the most successful syntax-based statistical machine translation (SMT) models. It models the grammaticality of the output via target-side syntax. However, it does not use any semantic information and tends to produce translations containing semantic role confusions and error chunk sequences. In this paper, we propose two methods to use semantic roles to improve the performance of the string-to-tree translation model: (1) adding role labels in the syntax tree; (2) constructing a semantic role tree, and then incorporating the syntax information into it. We then perform string-to-tree machine translation using the newly generated trees. Our methods enable the system to train and choose better translation rules using semantic information. Our experiments showed significant improvements over the state-of-the-art string-to-tree translation system on both spoken and news corpora, and the two proposed methods surpass the phrase-based system on large-scale training data.