海洋科技文本机器翻译译文质量评测

为测评不同翻译系统产出的海洋科技文本英译汉译文质量,为海洋科技文本的译者更好地利用翻译系统、提高译文质量提供参考,针对有道翻译、百度翻译、谷歌翻译和搜狗翻译这四个机器翻译系统,提出以下问题：1.四个主流机器翻译系统产生的通用文本译文质量是否高于海洋科技文本译文质量;2.四个机器翻译系统翻译的海洋科技文本译文质量有无显著差异,有何差异。采用人工测评和自动测评相结合的方法,对四个机器翻译系统的海洋科技文本英译汉译文质量进行测评,并对人工测评和自动测评的结果进行比较,结果显示：1.四个机器翻译系统产生的通用文本译文质量高于海洋科技文本译文质量。2.自动测评中,将四个翻译系统的BLEU分值进行正态性检验后发现,各机器翻译系统产生的译文质量没有呈现显著性差异,但其平均值显示有道翻译高于其他三个系统;人工测评中,有道翻译在准确性和充分性方面均优于百度翻译、谷歌翻译和搜狗翻译。这说明,人工测评和自动测评结果基本一致。     

汉藏政府公文机器翻译的语料对齐技术研究

针对汉藏政府公文机器翻译的数据稀疏和构建大规模的语料库等关键问题,提出了一种基于规则的句级语料对齐技术。所提出的技术以汉藏政府公文的句子特点为依据,结合了基于长度和词汇的混合式对齐方法,在国家和省级层面的5个汉藏政府公文数据集上进行了测试,测试结果表明,准确率在66%到75%之间,减少了句级语料对齐所需的人力、物力和财力,同时在构建大规模语料上取得了较好的效果。     

一种多语言机制英语在线翻译辅助系统

文中通过对以词组为本的统计式机器翻译系统(Statistical machine translation system,SMT)进行词对应方法的优化和筛选来建立多语言机制的英语在线翻译辅助系统.通过M1模型来计算平行语料库中语言字与字之间可能的配对几率,以EM演算法求取未知资料状况下的参数最大值.通过设置条件值参数作为...     

基于数据挖掘和语言特征的智慧机器翻译纠错系统研究

为改善机器翻译质量,促进国际交流沟通。研究基于数据挖掘(Data mining, DM)与语言特征,构建了智慧机器翻译纠错系统。研究对多个置信度特征进行组合,利用最大熵分类器对译文错误进行类别分类。然后基于复述抽取方法对译文进行校正,改善机器翻译质量。实验得到,纠错系统干预后,机器翻译的平均ELEU值为96.83%,较改进前提高了14.47%。数据表明,纠错系统能够有效识别机器翻译中的错误并进行校正,从而改善译文质量,作为国际沟通的强有力支持。     

引入基于主题复述知识的统计机器翻译模型

针对传统的基于双语平行语料的复述获取方法在复述获取和应用的过程中忽视文档上下文的缺点,引入基于主题模型的上下文信息来改善复述获取-主要致力于如何计算上下文无关的复述生成概率和上下文相关的复述生成概率.研究如何将上述2种概率融入统计机器翻译建模,以提高翻译系统的性能.多个测试集上的实验结果证明了该方法的有效性.     

融合乌尔都语词性序列预测的汉乌神经机器翻译

面向南亚和东南亚的小语种机器翻译,目前已有不少研究团队开展了深入研究,但作为巴基斯坦官方语言的乌尔都语,由于稀缺的数据资源和与汉语之间的巨大差距,有针对性的汉乌机器翻译方法研究非常稀少。针对这种情况,提出了基于Transformer的融合乌尔都语词性序列的汉乌神经机器翻译模型。首先利用Transformer对目标语言乌尔都语的词性序列进行预测,然后将翻译模型的预测结果和词性序列模型的预测结果相结合进行联合预测,从而实现语言知识到翻译模型的融入。在现有小规模汉乌数据集上的实验表明,所提方法在数据集上的BLEU值相较于基准模型提升了0.13,取得了较为明显的效果。     

句法调序的统计机器翻译方法研究

为解决基于短语统计机器翻译存在的调序能力不足的问题,尝试利用句法分析器对基于短语统计机器翻译的输入汉语句子进行句法分析,然后利用转换器进行调序操作,并对部分类型短语进行预先翻译,然后再利用基于短语统计机器翻译的解码器进行翻译。重点测试了汉语中“的”字引导的复杂定语调序、介词短语、特定搭配短语、方位词短语的调序及预翻译产生的效果。实验结果表明,这些调序及预翻译操作可以显著地提高基于短语的统计机器翻译的英文译文结果的BLEU值。     

可信赖机器翻译(TMT)与术语标准化

阐述了可信赖机器翻译（ TMT）的基本概念, TMT七原则和七判据, TMT与术语标准化的关系,并讨论了对外来词的音译和双语联合表示法的应用等问题。     

一种基于语料库的日语动词格框架自动构造技术

结合一个基于格语法的日汉机器翻译系统,针对现有系统日语动词格框架缺乏的现状,提出一种日语动词格框架自动构造方法.该方法基于类比与统计思想,从现有的少量人工构造的动词格框架和大量生语料出发,自动构造日语动词格框架.     

基于神经机器翻译编码器的语义学习分析

神经机器翻译凭借其良好性能成为目前机器翻译的主流方法,然而,神经机器翻译编码器能否学习到充分的语义信息一直是学术上亟待探讨的问题.为了探讨该问题,该文通过利用抽象语义表示(abstract meaning rep-resentation,AMR)所包含的语义特征,分别从单词级别、句子级别两种不同的角度去分析神经机器翻译...