機(jī)器翻譯中系統(tǒng)融合技術(shù)的研究.pdf

1、機(jī)器翻譯的研究已經(jīng)有幾十年的歷史了。目前主流的研究方向是基于統(tǒng)計(jì)的機(jī)器翻譯模型。統(tǒng)計(jì)翻譯模型從基于詞到成熟的基于短語(yǔ)的翻譯模型,直至到形式化文法和基于句法的翻譯模型,而且加入了很多的特征。因此機(jī)器翻譯進(jìn)入了一個(gè)“百花齊放,百家爭(zhēng)鳴”的時(shí)代。但是不同的模型有不同的重排序能力,不同的解碼方法有不同的搜索空間。
　　針對(duì)多種機(jī)器翻譯的翻譯結(jié)果,我們是否能夠融合多種翻譯結(jié)果來(lái)達(dá)到“取長(zhǎng)補(bǔ)短”,這就是系統(tǒng)融合。系統(tǒng)融合在近幾年才取得了標(biāo)志性

2、的性能提高,但關(guān)于系統(tǒng)融合的若干關(guān)鍵問(wèn)題的研究還不完善。按照融合的粒度來(lái)分,可以分為基于句子,基于短語(yǔ),和基于詞的系統(tǒng)融合;按照融合的階段來(lái)說(shuō),可以分為后處理階段和解碼階段的系統(tǒng)融合。本文主要是在兩種現(xiàn)今流行的方法中研究:一個(gè)是后處理階段的基于詞的系統(tǒng)融合,另一個(gè)是解碼階段的系統(tǒng)融合。本文對(duì)系統(tǒng)融合中出現(xiàn)的若干關(guān)鍵問(wèn)題進(jìn)行了研究。其中包含骨架翻譯的選擇,對(duì)齊方法,在混淆網(wǎng)絡(luò)中的調(diào)序,模型融合后的解碼方法等方面。
　　基于這些問(wèn)題,

3、本文旨在提高系統(tǒng)融合的性能,針于基于詞的系統(tǒng)融合提出了增強(qiáng)的對(duì)齊方法,重排序模型以及新的解碼框架本;針對(duì)模型融合的解碼方法進(jìn)行了深入了研究。本文具體研究?jī)?nèi)容包括以下幾個(gè)方面:
　　1.研究了在基于詞一級(jí)系統(tǒng)融合中混淆網(wǎng)絡(luò)的構(gòu)建中加入了增量的策略。我們也說(shuō)明增量對(duì)齊方法能夠有效的改進(jìn)對(duì)齊質(zhì)量;由于在“翻譯錯(cuò)誤率”(TER)增量對(duì)齊中,假設(shè)翻譯的順序影響了增量對(duì)齊的結(jié)果,我們做了實(shí)驗(yàn)性的比較;同時(shí)為了解決TER算法只匹配同一詞的缺點(diǎn),

4、我們引入取詞根和基于WordNet的詞義消歧方法來(lái)進(jìn)行候選翻譯和假設(shè)翻譯中詞語(yǔ)的對(duì)齊;
　　2.在系統(tǒng)融合的訓(xùn)練過(guò)程中,混淆網(wǎng)絡(luò)的骨架翻譯的選擇決定了假設(shè)翻譯的語(yǔ)序,傳統(tǒng)的選擇方法是選擇具有 MBR特性的候選翻譯作為對(duì)齊的骨架,這就造成了對(duì)于混淆網(wǎng)絡(luò)只考慮到一種語(yǔ)序形式。由于我們?nèi)诤系臋C(jī)器翻譯結(jié)果是來(lái)自于多種不同文法或是方法,每種翻譯結(jié)果有著不同的語(yǔ)序,為了使得每種翻譯結(jié)果的語(yǔ)序都被考慮到,我們構(gòu)建了一個(gè)超級(jí)混淆網(wǎng)絡(luò),并用兩種方法

5、來(lái)驗(yàn)證方法的有效性:一種在超級(jí)混淆網(wǎng)絡(luò)中的加入基于混淆網(wǎng)絡(luò)的特征;另一種是在解碼中對(duì)多個(gè)混淆網(wǎng)絡(luò)生成的候選翻譯翻譯進(jìn)行一致性重打分。實(shí)驗(yàn)結(jié)果也驗(yàn)證了兩種方法的有效性。
　　3.研究了利用超圖進(jìn)行系統(tǒng)融合的訓(xùn)練和解碼。為了計(jì)算訓(xùn)練階段的量值方便,我們?cè)谟?xùn)練的過(guò)程引入了二階半環(huán)框架來(lái)計(jì)算梯度。在解碼階段為了使得原有Cube-Pruning剪枝的框架被保留下來(lái),我們使用Cube Growing,采用了三個(gè)階段的訓(xùn)練解碼,第一個(gè)階段是使用

6、Cube Growing進(jìn)行普通解碼;第二個(gè)階段使用n-gram特征來(lái)解決偽歧義和一致性解碼的問(wèn)題;第三個(gè)階段對(duì)于兩個(gè)系統(tǒng)融合模型進(jìn)行融合,三個(gè)階段取得了一定的效果。由于更大的搜索空間和更好整合語(yǔ)言模型特征,得到了比較好的結(jié)果。
　　4.由于每種文法表現(xiàn)能力不同,為了使得每種文法能夠取長(zhǎng)補(bǔ)短,我們對(duì)于層次短語(yǔ)文法和括號(hào)轉(zhuǎn)錄文法進(jìn)行在機(jī)器翻譯的解碼框架下進(jìn)行融合。不同于系統(tǒng)融合方法,解碼框架的融合考慮到了解碼過(guò)程生成的侯選翻譯的互相