[發(fā)明專利]一種機(jī)器翻譯方法

無效

• 申請?zhí)枺?/td>: 201010191769.8
• 申請日: 2010-06-04
• 公開（公告）號(hào): CN102270196A
• 公開（公告）日: 2011-12-07
• 發(fā)明（設(shè)計(jì)）人: 張大鯤;孫樂;李文波
• 申請（專利權(quán)）人: 中國科學(xué)院軟件研究所
• 主分類號(hào): G06F17/28
• 分類號(hào): G06F17/28
• 代理公司: 北京君尚知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11200
• 代理人: 邵可聲

技術(shù)領(lǐng)域

本發(fā)明屬于自然語言處理技術(shù)領(lǐng)域，具體來說，本發(fā)明涉及一種機(jī)器翻譯方法。

背景技術(shù)

在統(tǒng)計(jì)機(jī)器翻譯方法中對句子結(jié)構(gòu)的分析可以提高譯文的質(zhì)量。目前主要的對句子結(jié)構(gòu)分析的方法有兩類，一類是使用符合語言學(xué)意義的句法分析器對句子結(jié)構(gòu)進(jìn)行分析的語言學(xué)句法方法(參考K.Yamada?and?K.Knight.2001.A?Syntax-based?Statistical?Translation?Model.inProceedings?of?ACL.p.523-530.和Y.Liu，Q.Liu，and?S.Lin.2006.Tree-to-String?AlignmentTemplate?for?Statistical?Machine?Translation.in?Proceedings?of?ACL.p.609-616.)，另一類是不需要明確句法分析過程的形式化句法方法(參考D.Wu，Stochastic?Inversion?TransductionGrammars?and?Bilingual?Parsing?of?Parallel?Corpora.Computational?Linguistics，1997.23(3)：p.377-404.和D.Chiang，Hierarchical?phrase-based?translation.Computational?Linguistics，2007.33(2)：p.201-228.)。基于語言學(xué)句法的方法首先需要利用句法分析器對句子結(jié)構(gòu)進(jìn)行分析，不管是對單語還是對雙語的分析方法，都會(huì)使模型的學(xué)習(xí)過程變得復(fù)雜，因此，在實(shí)際計(jì)算時(shí)需要增加限制條件以進(jìn)行簡化。在基于形式化句法的方法中，句法結(jié)構(gòu)直接從平行語料中學(xué)習(xí)，不依賴于復(fù)雜的語言學(xué)方法進(jìn)行分析，不考慮所得到的分析結(jié)果是否符合語言學(xué)標(biāo)準(zhǔn)。因此，相比之下，形式化句法復(fù)雜度低，算法效率高。

主要的形式化句法的方法有兩種，一種是基于層次型短語的方法，另一種是基于反向轉(zhuǎn)錄語法的方法。基于層次型短語的方法從詞對齊的雙語句子中抽取帶有間隔的短語，利用對間隔的擴(kuò)展得到一棵層次型的句法分析樹，這種方法在句子結(jié)構(gòu)生成的過程中，只考慮了輸入源語言句子的信息，沒有考慮目標(biāo)語言端對翻譯時(shí)的影響。基于反向轉(zhuǎn)錄語法的方法允許兩種形式的詞語位置交換(保序和反序)，每次交換的詞語個(gè)數(shù)限制為兩個(gè)，因此，生成的句子結(jié)構(gòu)表示成一棵二叉樹的形式，這種方法的不足在于限制了詞語的位置交換只能在兩個(gè)節(jié)點(diǎn)之間進(jìn)行，在實(shí)際翻譯時(shí)可能出現(xiàn)過多無用的交換結(jié)構(gòu)，導(dǎo)致翻譯錯(cuò)誤率過高的問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種機(jī)器翻譯方法，通過本發(fā)明改進(jìn)的雙語句法樹結(jié)構(gòu)對訓(xùn)練和解碼過程進(jìn)行約束，可大大提高翻譯的性能和質(zhì)量。本發(fā)明提供的機(jī)器翻譯方法屬于形式化句法方法范疇。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明的技術(shù)方案為：

一種機(jī)器翻譯方法，其步驟為：

1)將詞對齊的雙語句子轉(zhuǎn)換為雙語句法樹結(jié)構(gòu)；

2)在雙語句法樹的每一層抽取帶有結(jié)構(gòu)屬性的短語，計(jì)算短語翻譯概率組成短語翻譯表；

3)根據(jù)短語翻譯表，利用搜索算法對待翻譯雙語句子進(jìn)行翻譯；

其中，所述雙語句法樹的樹節(jié)點(diǎn)為互為翻譯的雙語詞對或者雙語短語對，句法樹的父節(jié)點(diǎn)的源語言端由該父節(jié)點(diǎn)所有兒子節(jié)點(diǎn)的源語言端保序組合得到、目標(biāo)語言端由該父節(jié)點(diǎn)所有兒子節(jié)點(diǎn)的目標(biāo)語言端以設(shè)定的詞語組合順序組合得到，句法樹中相鄰上下層中的節(jié)點(diǎn)在目標(biāo)語言端的組合順序相反；其中組合順序包括保序或反序。

進(jìn)一步的，所述父節(jié)點(diǎn)為雙語短語對，所述兒子節(jié)點(diǎn)為雙語詞對或雙語短語對。

進(jìn)一步的，步驟1)中的轉(zhuǎn)換方法為：

a)將訓(xùn)練數(shù)據(jù)中雙語句子的詞對齊關(guān)系表示成對齊矩陣的形式；

b)標(biāo)定整個(gè)雙語句子為當(dāng)前要處理的塊，并設(shè)置當(dāng)前塊的組合順序；所述組合順序?yàn)楸Ｐ蚧蚍葱颍?/p>

c)根據(jù)當(dāng)前塊的組合順序和詞語對齊信息，構(gòu)造當(dāng)前雙語句子的句法樹當(dāng)前層樹節(jié)點(diǎn)，如果不能構(gòu)造出當(dāng)前層的樹節(jié)點(diǎn)，則更改當(dāng)前塊的組合順序重新構(gòu)造當(dāng)前層樹節(jié)點(diǎn)；如果保序或反序均不能構(gòu)造出當(dāng)前層的樹節(jié)點(diǎn)，則將當(dāng)前塊中的雙語翻譯對作為不能繼續(xù)分解的短語節(jié)點(diǎn)添加到句法樹結(jié)構(gòu)中；

d)找出并標(biāo)定上一層中非詞語對齊的樹節(jié)點(diǎn)為當(dāng)前要處理的塊，并設(shè)置其組合順序后，重復(fù)步驟c)；直到生成整個(gè)雙語句子的雙語句法樹結(jié)構(gòu)。

進(jìn)一步的，所述短語翻譯表包括：正向短語翻譯概率、反向短語翻譯概率、正向詞匯化翻譯概率、反向詞匯化翻譯概率、短語結(jié)構(gòu)概率。