一种基于E-Chunk的机器翻译模型A.PDFVIP

1000-9825/2002/13(04)0669-08 ©2002 Journal of Software 软 件 学 报 Vol.13, No.4 一种基于E-Chunk 的机器翻译模型 李 沐, 吕学强, 姚天顺 (东北大学 计算机科学与工程研究所,辽宁 沈阳 110004) E-mail: ics@ 摘要: 提出了一种基于E-Chunk 的多引擎机器翻译模型.该模型以中心语驱动的分析技术为基础,通过词汇相似 特征计算E-Chunk 的匹配代价, 自底向上地完成最优E-Chunk 覆盖的构造,并以E-Chunk 为基本翻译单元完成 机器翻译过程.初步的实验结果显示,该方法在面向领域文本的自动翻译方面是有效的. 关 键 词: E-Chunk;机器翻译;词汇相似计算 中图法分类号: TP 18 文献标识码: A 随着信息技术的迅速发展和对真实文本处理需求的急剧增长,基于规则系统的机器翻译方法正面临着日 [1] [2] 益严重的困境和挑战 ,而以基于实例的机器翻译 (example based machine translation,简称EBMT)技术为代表 的经验主义方法则成为近期机器翻译研究中的一个重要趋势.现在已经有了很多 EBMT 方法的变体和扩展,其 [3] [4] [3] 中较重要的方面包括加标实例的使用 、实例的模板化 和将类比的基本单元由句子细化为片断 . 与经验主义理论的实证哲学观不同,Chunk 是一种基于心理语言学模型的计算语言学文本结构单元[5] .来 自心理语言学和韵律学的研究数据显示,这种文本结构单元具有结构上的稳定性与功能上的无歧义性.Abney 的实验表明,基于 Chunk 的有限状态级联分析技术在处理非受限真实文本方面,其精确性和健壮性都是十分优 [6] 秀的 . 本文目的在于将作为 Chunk 理论基础的心理语言学假设引入到机器翻译的研究领域,即如果我们把人类 的翻译过程相应地解释为一个双语性能词群的选取和重新组合过程,那么,机器翻译中的基本处理单元也应该 是一组高度相关的、具有相对稳定的句法结构和内部语义自解释能力的词汇的集合.我们将这种机器翻译的基 本处理单元称为E-Chunk(extended chunk).基于E-Chunk 机器翻译模型的基本框架就是以E-Chunk 作为EBMT 中双语实例知识的基本表示单元,在由源语句法和双语 E-Chunk 知识库共同定义的有哪些信誉好的足球投注网站空间中查找输入句子 的最佳匹配 E-Chunk 集合, 并通过结果集中的双语 E-Chunk 实例完成对翻译转换和目标语生成过程的 驱动. 1 翻译模型 1.1 E-Chunk 的基本概念 机器翻译模型中的双语 E-Chunk 在单语 E-Chunk 的基础上定义.每个单语 E-Chunk 可以形式化地表示为 一个四元组:EC=T,h,l,r,其中T 为EC 的句法标记,h 为中心词,l 和r 分别为由h 左、右两侧依存子结点构成的 收稿日期: 2000-08-21; 修改日期: 2000-12-19 基金项目: 国家自然科学基金资助项目; 国家重点基础研究 973 资助项目(G;国家教育部博士点基金 资助项目(1999014503) 作者简介: 李沐(1972 －), 男,辽宁辽阳人,博士,副研究员,主要研究领域为自然语言处理; 吕学强(1970 －), 男,辽宁抚顺人,博士 生,讲师,主要研究领域为机器翻译;姚天顺(1934 －), 男,江苏苏州人,教授,博士生导师,主要研究领域为自然语言处理,信息检索,机器 翻译. 670 Journal of Software 软件学报 2002,13(4) [7] 有序线性列表.双语E-Chunk 知识库依据词汇主义 的原则构造,称为双语E-Chunk 词典.词典中