[發明專利]一種面向形態豐富語言的翻譯方法和系統

無效

• 申請號: 201210152487.6
• 申請日: 2012-05-16
• 公開（公告）號: CN102681985A
• 公開（公告）日: 2012-09-19
• 發明（設計）人: 王志洋;呂雅娟;劉群
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06F17/28
• 分類號: G06F17/28
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 梁揮;祁建國

1.一種面向形態豐富語言的翻譯方法，其特征在于，包括：

步驟1，對形態豐富語言進行形態分析，獲得詞干和詞綴信息；

步驟2，在抽取翻譯規則時，以詞干作為原子翻譯單元，并保留相應的詞綴分布信息；

步驟3，在翻譯時，對于待翻譯的片段，獲取其詞干、詞綴分布；詞干序列用來查詢規則表，詞綴分布信息和規則候選的詞綴分布計算相似度，表征兩者的相似程度，指導解碼，所述詞干序列是由多個詞干組成的序列。

2.根據權利要求1所述的面向形態豐富語言的翻譯方法，其特征在于，所述步驟1還包括：

步驟21，通過形態分析獲得所述詞干、詞綴信息；

3.根據權利要求1所述的面向形態豐富語言的翻譯方法，其特征在于，所述步驟2還包括：

所述翻譯規則包括四部分：規則源端、規則目標端、詞綴分布信息，以及相應的翻譯概率特征。

4.根據權利要求1、3任一所述的面向形態豐富語言的翻譯方法，其特征在于，所述步驟2詞綴分布信息還包括：

步驟41，在抽取詞干原子翻譯單元的翻譯規則時，同時保留詞綴信息；

步驟42，源端相同的翻譯規則構成一個集合，在這個集合上，使用TF-IDF方法來表示規則相關的詞綴權重，所述TF-IDF為詞頻-倒文檔頻率；

步驟43，在同一集合內，對于目標端也相同的翻譯規則，使用基于質心的分類算法來表示詞綴分布結果。

5.根據權利要求1所述的面向形態豐富語言的翻譯方法，其特征在于，所述步驟3還包括：

步驟51，使用詞干作為原子翻譯單元，緩解數據稀疏問題；相應的詞綴分布用來衡量待翻譯片斷與候選翻譯規則的匹配程度，指導選擇更合適的翻譯規則。

6.一種面向形態豐富語言的翻譯系統，其特征在于，包括：

形態分析模塊，用于對形態豐富語言進行形態分析，獲得詞干和詞綴信息；

抽取規則模塊，用于在抽取翻譯規則時，以詞干作為原子翻譯單元，并保留相應的詞綴分布信息；

翻譯模塊，用于在翻譯時，對于待翻譯的片段，獲取其詞干、詞綴分布；詞干序列用來查詢規則表，詞綴分布信息和規則候選的詞綴分布計算相似度，表征兩者的相似程度，指導解碼，所述詞干序列是由多個詞干組成的序列。

7.根據權利要求6所述的面向形態豐富語言的翻譯系統，其特征在于，所述形態分析模塊還包括：

獲得信息模塊，用于通過形態分析獲得所述詞干、詞綴信息；

8.根據權利要求6所述的面向形態豐富語言的翻譯系統，其特征在于，所述抽取規則模塊還包括：

所述翻譯規則包括四部分：規則源端、規則目標端、詞綴分布信息，以及相應的翻譯概率特征。

9.根據權利要求6、8任一所述的面向形態豐富語言的翻譯系統，其特征在于，所述抽取規則模塊還包括：

保留信息模塊，用于在抽取詞干原子翻譯單元的翻譯規則時，同時保留詞綴信息；

構成集合模塊，用于源端相同的翻譯規則構成一個集合，在這個集合上，使用TF-IDF方法來表示規則相關的詞綴權重，所述TF-IDF為詞頻-倒文檔頻率；

表示結果模塊，用于在同一集合內，對于目標端也相同的翻譯規則，使用基于質心的分類算法來表示詞綴分布結果。

10.根據權利要求6所述的面向形態豐富語言的翻譯系統，其特征在于，所述翻譯模塊還包括：

衡量匹配模塊，用于使用詞干作為原子翻譯單元，緩解數據稀疏問題；相應的詞綴分布用來衡量待翻譯片斷與候選翻譯規則的匹配程度，指導選擇更合適的翻譯規則。