中英平行短語依存樹庫的構建與應用研究.pdf

1、平行語料庫是自然語言處理(NLP)和機器翻譯(MT)研究和工程應用的重要基礎資源，基于平行語料庫的各種方法不僅能夠改進機器翻譯的質(zhì)量，還可以加強機器輔助翻譯中的人機交互?，F(xiàn)有平行語料大多只實現(xiàn)了句子一級的對齊，只有部分詞對齊或同現(xiàn)詞串對齊。盡管網(wǎng)絡文本挖掘技術的不斷提高，平行語料的規(guī)?？涨霸鲩L，基于實例和統(tǒng)計的機器翻譯技術取得長足發(fā)展，很多復雜的語言現(xiàn)象和翻譯難題還是急需含有語言學深加工的語料的支撐，以提高分析和翻譯的準確性。平行對齊樹

2、庫的構建和應用就是一個重要的方向。平行對齊樹庫可用于自動詞對齊系統(tǒng)的訓練和評測，翻譯規(guī)則抽取，詞義消歧，翻譯詞典抽取及跨語言文化研究等，尤其是能夠在加強句法分析、抽取靈活而復雜的語言經(jīng)驗規(guī)則和翻譯調(diào)序規(guī)則方面提高機器翻譯系統(tǒng)性能。
　　本文比較傳統(tǒng)短語結構語法(PSG)和依存語法(DG)及現(xiàn)有相應樹庫資源，提出融合兩者優(yōu)勢的短語依存語法(PDG)并設計相應短語依存樹庫(PDT)標注方案，構建包含中英單語PDT和實現(xiàn)節(jié)點對齊的大工中

3、英平行短語依存樹庫(DUT-CEPDT)。PDG放棄PSG的主謂二分法，采納DG以謂詞為中心的格語法;放棄DG強行單一中心語二分法，保留PSG的中間層級，保留并列的多中心結構，最大程度實現(xiàn)多語統(tǒng)一的分析方案;標注統(tǒng)一的基于語義的依存方向，在每個節(jié)點標注的依存關系類型包含句法功能和語義角色兩個特征。翻譯對齊的內(nèi)容是對齊翻譯過程，是從詞、短語、句子到段落各層級徹底對齊。語料分別經(jīng)過分詞和詞性標注之后，導入到可視化語言學樹庫編輯器，構建從段落

4、到詞的短語結構層級關系，同時標注各層結構的依存方向和類型。最后開發(fā)專門的PDT節(jié)點對齊編輯器，進行節(jié)點ID關聯(lián)連結，實現(xiàn)中英文樹庫的節(jié)點對齊。
　　已加完成2年中國政府工作報告和100份62屆聯(lián)合國大會決議的標注，中文169，360字，英文128，283詞。依次進行的短語結構劃分與結構類型標注、句法功能依存類型標注和節(jié)點對齊三項標注一致性實驗表明設計的標注方案有較強的可操作性。DUT-CEPDT不僅用于抽取翻譯對和翻譯規(guī)則，用于基