多领域机器翻译中的非参贝叶斯短语归纳

• 作者: 乔秀明 刘宇鹏 朱晓宁 马春光
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 多领域机器翻译 非参贝叶斯 短语归纳 PitmanYor过程 生成式模型 块采样 中餐馆过程 BLEU分数
• 年，卷（期）: 2017,（10）
• 页码范围: 1616-1622
• 页数: 7页
• 分类号: TP391.2
• 字数: 6035字
• 语种: 中文
• DOI: 10.11990/jheu.201605081

摘要

多领域机器翻译一直以来都是机器翻译领域研究的重点,而短语归纳是重中之重.传统加权的方法并没有考虑到整个归约过程,本文提出了一种使用层次化的Pitman Yor过程进行短语归约,同时把多通道引入到模型中,使得在短语归约的过程中平衡各领域的影响;从模型角度,本文的方法为生成式模型,模型更有表现力,且把对齐和短语抽取一起建模,克服了错误对齐对原有短语抽取性能的影响.从复杂度上来说,该模型独立于解码,更易于训练;从多领域融合来说,对短语归约过程中进行融合,更好地考虑到整个归约过程.在两种不同类型的语料上验证了机器翻译的性能,相对于传统的单领域启发式短语抽取和多领域加权,BLEU分数有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马春光	哈尔滨工程大学计算机科学与技术学院	134	987	16.0	22.0
2	刘宇鹏	哈尔滨理工大学软件学院	9	63	4.0	7.0
6	乔秀明	哈尔滨工业大学计算机学院	3	6	1.0	2.0
7	朱晓宁	哈尔滨工业大学计算机学院	1	0	0.0	0.0