N-Best句法知识增强的统计机器翻译预调序模型

• 作者: 张喜媛 杜金华 郭俊博
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 统计机器翻译 预调序模型 N-best句法树 调序规则 规则优化
• 年，卷（期）: 2016,（17）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 160-165,176
• 页数: 7页
• 分类号: TP391
• 字数: 5603字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1510-0105

摘要

源语言和目标语言的句法异构性对统计机器翻译（SMT）性能有重要影响。在基于短语的汉英统计机器翻译基础上，提出了一种基于N-best句法知识增强的源语言预调序方法。首先对源语言输入句子进行N-best句法分析，计算统计概率得到高可靠性子树结构，再根据词对齐信息从可靠性子树结构中抽取初始调序规则集。两种优化策略用于对初始规则集进行优化：基于中英文句法知识规则推导筛选和规则概率阈值控制机制。然后为减少短语内部调序，保证短语局部流利性，采用源语言短语翻译表为约束，使调序控制在短语块之间进行。最后根据获取的优化规则集和短语表约束条件对源语言端句子的句法分析树进行预调序。在基于NIST 2005和2008测试数据集上的汉英统计机器翻译实验结果表明，所提基于N-best句法知识增强的统计机器翻译预调序方法相对于基线系统，自动评价准则BLEU得分分别提高了0.68和0.83。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭俊博	西安理工大学高等技术学院	9	79	2.0	8.0
2	杜金华	西安理工大学自动化与信息工程学院	7	83	2.0	7.0
3	张喜媛	西安理工大学自动化与信息工程学院	2	0	0.0	0.0