机译知识自动获取

机译知识获取是机器翻译系统研究中一个至关重要又极难解决的问题。目前多数机译系统的知识库都是由人工静态建立的, 系统不能自行对其进行扩充。本文介绍了一个智能机译系统IMT/EC来统中用多种途径进行知识获取的学习机制的设计与实现。这一机制实现了自动知识获取及动态知识维护, 使IMT/EC来统有护强的适应能力。     

一种人机互动的多策略机器翻译系统IHSMTS的设计与实现原理

现有单一策略的机器翻译系统很难有效地解决机器翻译所面临的所有问题。本文,提出一种基于人机交互互动的多策略机器翻译系统设计方法,该方法把基于多知识一体化描述的规则推理、基于经验记忆的类比启发式搜索推理和基于统计知识的概率方法及适当程度的人机交互有机地结合起来,利用现有基于规则的智能机器翻译系统自动产生具有各种特征知识的特征事例模式库,从而既可以通过与以往翻译实例的类比启发式搜索有效地利用以往系统成功的句子分析经验解决相似句子的分析,同时对特征事例模式库中没有相似实例的句子,又可以利用原有基于规则的方法和统计概率方法进行翻译转换处理,并在系统本身的知识不足以解决所遇到的多义区分问题时适时由人介入,从而可以大提高系统的翻译速度和翻译准确率,增强系统的实用性。     

装备故障诊断专家系统知识获取方法

针对导弹武器装备故障诊断专家系统的知识获取与机器学习进行研究，系统介绍了知识获取与机器学习系统的构成。提出了一种基于仿真技术的故障知识获取方式，仿真数据经过分析、变换，转化为知识，从而实现知识获取。     

一个领域自然语言理解的知识获取工具的设计实现

本文介绍了一个基于知识的自然语言理解系统和系统的知识库中知识的表示模式,描述了知识库中领域过程树的知识获取过程。根据领域过程树的知识表示模式,本文设计并实现了一个知识获取工具,很好地提高了领域过程树知识获取的速度和准确度。     

基于多策略的交互式智能辅助翻译平台总体设计

为了改善实用机器翻译系统的翻译处理效果，提出一种基于多策略的交互式智能辅助翻译平台的总体设计方案．该系统基于多知识一体化表示、多种翻译处理策略、多种翻译知识获取方式、多策略译文选优等，并采用面向对象的多类型知识数据库管理，有效实现了多策略、多知识的交互式智能处理．平台实现基于规则分析、基于类比推理和统计知识的多翻译模式集成处理，提供人机交互接口，实现人工对翻译结果的干预，以及面向对象的工程、任务管理和用户管理．     

地理实体概念及其位置关系的获取和验证

文本知识获取（Knowledge acquisition from text,简称KAT）是知识工程中的一个重要研究课题。重点研究如何从大规模Web网页文本中获取地理实体概念及其位置关系知识,本文首先介绍了如何自动和半自动地获取这些地理实体概念及其位置关系的文法模式,建立文法模式库;然后基于文法模式库获取例句来抽取候选概念并进行概念验证;最后利用基于图论的方法构造位置关系图,利用地理领域特定规则进行分析验证。作为统一概念图管理下概念空间的一个重要组成部分,地理实体概念及其位置关系本身不仅是知识库的一个重要部分,还可为知识库中其它领域的知识提供支持。     

基于伪自然语言理解的CAI开发平台

基于伪自然语言理解,提出并实现了一个种高效率的知识获取方法,并把它用一诉开发中。首先知识工程师利用来自然语言的ＢＬ语言 写书本自然描述,然后利用知识编译系统处理ＢＬ程序以高效率地实现书本知识获取,再后领域专家在书本知识库的基本语义呆引导下利用知识求精系统对书本知识库加以少许求精,接着对领域知识库动态全局规划,把领域知识分解成一个个概念,最后通过方法生成组织成一个个课文传授予学生。     

初中几何专家系统中的知识获取及实现

描述了初中几何专家系统中知识获取及实现的一般过程,指出了知识获取及实现中的难点和重点。由于研究问题的复杂性,专家系统规则库中规则量往往十分庞大,这给规则库的管理和维护带来很大不便。专家系统知识库的冗余性是影响系统运行效率和知识库维护的一个重要方面,针对一个具体的专家系统——平面几何智能解题系统,分析了关于知识库规则生成时效率低的问题,然后利用基于粗糙集的约简理论来消除和减少规则库的冗余,使得系统规则库中的规则精炼、简洁,易于维护,同时大大提高了系统的效率。     

基于决策熵的增量式知识获取算法

为了在知识约简中能够客观地反映决策规则的决策能力,提高约简的效率和识别率,针对动态知识获取这一问题,提出了一种基于决策熵的增量式知识获取算法。该方法利用决策熵能够客观地衡量决策表的决策能力的特点,在现有规则集基础上实现知识的动态更新,避免了重复计算从而提高了知识获取的识别率和效率。最后通过实验说明了该方法的有效性。     

基于知识模型匹配的公益诉讼案源信息自适应获取系统

针对公益诉讼案源信息自适应获取过程中，受到信息匹配算法的影响，导致信息获取数量较少的问题，设计基于知识模型匹配的公益诉讼案源信息自适应获取系统。针对存储器与预处理器进行设计，为后续系统软件设计提供支撑。通过公益诉讼案源信息的处理，获取诉讼案源信息特征，构建知识模型。利用构建的知识图谱，设计知识模型匹配算法。根据实际需求，实现公益诉讼案源信息自适应获取。实验结果表明系统信息自适应获取性能较高，且随着时间的递增，有效增加了案源信息获取数量。     

基于编码器-解码器重构框架的蒙汉神经机器翻译

近年来,端到端的神经机器翻译方法由于翻译准确率高,模型结构简单等优点已经成为机器翻译研究的重点,但其依然存在一个主要的缺点,该模型倾向于反复翻译某些源词,而错误地忽略掉部分词。针对这种情况,采用在端到端模型的基础上添加重构器的方法。首先利用Word2vec技术对蒙汉双语数据集进行向量化表示,然后预训练端到端的蒙汉神经机器翻译模型,最后对基于编码器-解码器重构框架的蒙汉神经机器翻译模型进行训练。将基于注意力机制的蒙汉神经机器翻译模型作为基线系统。实验结果表明,该框架显著提高了蒙汉机器翻译的充分性,比传统的基于注意力机制的蒙汉机器翻译模型具有更好的翻译效果。     

基于门控循环神经网络词性标注的蒙汉机器翻译研究

统计机器翻译可以通过统计方法预测出目标词,但没有充分理解原文语义关系,因而得到的译文质量不高。针对该问题,利用一种基于门控单元循环神经网络结构来对蒙汉神经机器翻译系统进行建模,引入注意力机制来获取双语词语的对齐信息,并在构建字典过程中对双语词语进行词性标注来强化语义,以此来缓解因欠训练导致的错译问题。实验结果表明,与RNN的基准系统和传统的统计机器翻译方法相比,该方法BLEU值得到一定的提升。     

利用Markov网络抽取复述增强机器译文自动评价方法

在机器译文自动评价中,匹配具有相同语义、不同表达方式的词或短语是其中一个很大的挑战。许多研究工作提出从双语平行语料或可比语料中抽取复述来增强机器译文和人工译文的匹配。然而双语平行语料或可比语料不仅构建成本高,而且对少数语言对难以大量获取。我们提出通过构建词的Markov网络,从目标语言的单语文本中抽取复述的方法,并利用该复述提高机器译文自动评价方法与人工评价方法的相关性。在WMT14 Metrics task上的实验结果表明,我们从单语文本中提取复述方法的性能与从双语平行语料中提取复述方法的性能具有很强的可比性。因此,该文提出的方法可在保证复述质量的同时,降低复述抽取的成本。
     

面向汉维机器翻译的双语关联度优化模型

针对汉语—维吾尔语的统计机器翻译系统中存在的语义无关性问题,提出基于神经网络机器翻译方法的双语关联度优化模型。该模型利用注意力机制捕获词对齐信息,引入双语短语间的语义相关性和内部词汇匹配度,预测双语短语的生成概率并将其作为双语关联度,以优化统计翻译模型中的短语翻译得分。在第十一届全国机器翻译研讨会（CWMT 2015）汉维公开机器翻译数据集上的实验结果表明,与基线系统相比,在使用较小规模的训练数据和词汇表的条件下,所提方法可以有效地同时提高短语级别和句子级别的机器翻译任务性能,分别获得最高2.49和0.59的BLEU值提升。     

一种基于分类的平行语料选择方法

大规模高质量双语平行语料库是构造高质量统计机器翻译系统的重要基础,但语料库中的噪声影响着统计机器翻译系统的性能,因此有必要对大规模语料库中语料进行筛选。区别于传统的语料选择排序模型,本文提出一种基于分类的平行语料选择方法。通过少数句对特征构造差异较大的分类器训练句对,在该训练句对上使用更多的句对特征对分类器进行训练,然后对其他未分类句对进行分类。相比于基准系统,我们的方法不仅缩减40%训练语料规模,同时在NIST测试数据集合上将BLEU值提高了0.87个百分点。     

基于LSTM的蒙汉机器翻译的研究

由于内蒙古地区蒙汉机器翻译水平落后、平行双语语料规模较小,利用传统的统计机器翻译方法会出现数据稀疏以及训练过拟合等问题,导致翻译质量不高。针对这种情况,提出基于LSTM的蒙汉神经机器翻译方法,通过利用长短时记忆模型构建端到端的神经网络框架并对蒙汉机器翻译系统进行建模。为了更有效地理解蒙古语语义信息,根据蒙古语的特点将蒙古文单词分割成词素形式,导入模型,并在模型中引入局部注意力机制计算与目标词有关联的源语词素的权重,获得蒙古语和汉语词汇间的对齐概率,从而提升翻译质量。实验结果表明,该方法相比传统蒙汉翻译系统提高了翻译质量。     

译文质量估计中基于Transformer的联合神经网络模型

译文质量估计作为机器翻译中的一项重要任务,在机器翻译的发展和应用中发挥着重要的作用。该文提出了一种简单有效的基于Transformer的联合模型用于译文质量估计。该模型由Transformer瓶颈层和双向长短时记忆网络组成,Transformer瓶颈层参数利用双语平行语料进行初步优化,模型所有参数利用译文质量估计语料进行联合优化和微调。测试时,将待评估的机器译文使用强制学习和特殊遮挡与源语言句子一起输入联合神经网络模型以预测译文的质量。在CWMT18译文质量估计评测任务数据集上的实验结果表明,该模型显著优于在相同规模训练语料下的对比模型,和在超大规模双语语料下的最优对比模型性能相当。     

句对齐研究综述

神经机器翻译是目前机器翻译领域的主流方法,拥有足够数量的双语平行语料是训练出一个好的翻译模型的前提。双语句对齐技术作为一种从不同语言端单语语料中获取双语平行句对的技术,因此得到广泛的研究。该文首先简单介绍句对齐任务及其相应的评测标准,然后归纳总结前人在句对齐任务上的研究进展,以及句对齐任务的相关信息,并简单概括参加团队所提交的系统,最后对当前工作进行总结并展望未来的工作。