基于判別式模型的樹到樹統(tǒng)計機器翻譯.pdf

1、本文提出并實現(xiàn)了一種全新的基于判別式模型和依存句法結(jié)構(gòu)的樹到樹的統(tǒng)計機器翻譯技術及框架，且性能堪比目前最好的基于句法的機器翻譯模型。這種框架可以更靈活的利用目標語端的句法結(jié)構(gòu)，以達到更好的翻譯效果，這項工作為將來的統(tǒng)計機器翻譯的研究工作提供了另一種可行的方法。
　　和目前已有的方法不同，本文提出的方法將機器翻譯任務當作目標語端的句子生成任務。使用多種特征來捕捉和學習雙語端的句法結(jié)構(gòu)、短語互譯等信息，且首次將依存句法結(jié)構(gòu)運用到了翻譯

2、規(guī)則中。本文工作所使用的判別式模型（感知機）不同于傳統(tǒng)機器翻譯中的生成式模型，可以很好的在豐富特征的基礎上學習參數(shù)，提高模型的鑒別能力，這對解碼過程十分重要。
　　在訓練時，首先進行雙語端數(shù)據(jù)預處理工作，將雙語句對中出現(xiàn)時間、數(shù)字、日期、人名、地名等不可枚舉的詞串識別出來并進行泛化和翻譯。接著是對雙語數(shù)據(jù)進行依存句法分析，為每一個雙語句對找到兩棵依存句法樹。在此基礎上進行詞對齊訓練，詞對齊訓練的任務是為雙語句對中的詞和詞之間找到相

3、互對應的關系。在詞對齊信息和雙語依存句法信息已知的情況下，從每一個雙語句對中抽取出包含依存信息的翻譯規(guī)則。然后，以雙語端句法樹和句法翻譯規(guī)則表作為輸入，在迭代式的構(gòu)建目標語樹的過程中，不斷學習特征的權(quán)重（包括傳統(tǒng)的短語翻譯概率、語言模型、調(diào)序模型等特征，也包括本文工作特有的雙語端句法樹特征），這些權(quán)重最終被保存到模型中。在解碼時，以源語端依存句法樹作為輸入，利用翻譯規(guī)則轉(zhuǎn)化為目標語端的依存片段，加載訓練時得到的模型中的參數(shù)，這些參數(shù)會在