[發(fā)明專利]具有錯誤自診斷和自糾錯功能的統(tǒng)計機器翻譯方法

有效

• 申請?zhí)枺?/td>: 201210249223.2
• 申請日: 2012-07-18
• 公開（公告）號: CN102799579A
• 公開（公告）日: 2012-11-28
• 發(fā)明（設計）人: 杜金華;王莎;郭華;張萌
• 申請（專利權(quán)）人: 西安理工大學
• 主分類號: G06F17/28
• 分類號: G06F17/28
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 張瑞琪

技術(shù)領(lǐng)域

本發(fā)明屬于統(tǒng)計機器翻譯方法技術(shù)領(lǐng)域，具體涉及一種具有錯誤自診斷和自糾錯功能的統(tǒng)計機器翻譯方法。

背景技術(shù)

軟件本地化是指當軟件在不同文化和語言背景的地區(qū)與國家移植時，需要融合與特定區(qū)域設置有關(guān)的信息和信息翻譯有關(guān)的過程，以適應本地的文化與使用習慣。而翻譯在本地化過程中扮演著至關(guān)重要的角色，對當?shù)匚幕c語言適應的好壞直接影響該軟件在該地區(qū)或國家的推廣。在軟件本地化行業(yè)，傳統(tǒng)的做法是首先使用翻譯記憶庫（Translation?Memory，TM）對軟件界面、術(shù)語、手冊或者技術(shù)文檔等按模糊匹配值（fuzzy?match）進行翻譯實例查找并輸出，然后再由后編輯人員（post-editor）參照源語言輸入句子對翻譯結(jié)果進行修正。因此，這種方式又被稱為計算機輔助翻譯（computer-assisted?translation,CAT）。

統(tǒng)計機器翻譯服務于軟件本地化的關(guān)鍵技術(shù)研究是統(tǒng)計機器翻譯研究的熱點方向之一。隨著統(tǒng)計機器翻譯技術(shù)的不斷成熟，越來越多的研究機構(gòu)和國際大公司逐步開始將統(tǒng)計機器翻譯系統(tǒng)引入其產(chǎn)品服務之中。自從20世紀90年代初IBM的研究人員Peter?Brown等提出IBM模型以來，基于統(tǒng)計的機器翻譯方法逐漸成為機器翻譯研究的主流。基于統(tǒng)計方法的思想大大推動了機器翻譯技術(shù)的發(fā)展，并涌現(xiàn)出了多種類型的統(tǒng)計機器翻譯模型，如基于短語的翻譯模型、層次短語的翻譯模型及基于句法的翻譯模型等等，其翻譯質(zhì)量也在日益提高。2002年之后，伴隨著翻譯質(zhì)量自動評估方法BLEU的出現(xiàn)，統(tǒng)計機器翻譯技術(shù)不僅在系統(tǒng)性能上獲得了長足的進步，并且有效地降低了人工評價的成本。近些年來，隨著統(tǒng)計機器翻譯尤其是基于短語的機器翻譯在技術(shù)上的日趨成熟與魯棒，統(tǒng)計機器翻譯技術(shù)不斷地向?qū)嵱没蜕虡I(yè)化邁出有力的步伐。

但是，目前面向工業(yè)界應用的統(tǒng)計機器翻譯系統(tǒng)因翻譯準確度仍然無法真正滿足翻譯要求，所以大多作為人工翻譯的輔助工具，而無法獨立提供具有高置信度的翻譯結(jié)果，主要表現(xiàn)在兩個方面：

1、翻譯錯誤的預測能力不足：難以準確地對翻譯結(jié)果中潛在的翻譯錯誤進行診斷和預報，而這種功能對于后編輯人員進行高效率、低消耗的查找、判斷和更正該錯誤具有重要的意義。對于錯誤預測，目前主要有兩種解決方案。第一種是反向翻譯的方法。該方法利用反向的機器翻譯系統(tǒng)對翻譯結(jié)果（目標句子）重新翻成源語言句子S'，然后把原始源語言句子S與S'以某種方式（如TER）進行對齊，根據(jù)對齊信息如插入、刪除、替換等編輯操作的多少來判定源語言端哪些片段存在問題，然后通過重定向映射到目標端，從而獲得對于潛在翻譯錯誤的判定。這種方法的缺點是正向的翻譯錯誤和反向的翻譯錯誤疊加后，某些原文所表達的意思全部丟失，從而翻譯錯誤診斷精度較低。第二種方案是基于置信度估計的方法，通常作為分類問題來解決。該方案通過對譯文進行置信度估計，綜合判斷錯誤發(fā)生的位置。目前該方法的置信估計準確率有待進一步提高。

2、翻譯錯誤自校正能力差：對于系統(tǒng)自動診斷出的翻譯錯誤，目前有兩種方案可以提供自校正功能。第一種是以目標端為對象，通過利用一些特征建立校正模型，對錯誤部分進行重新生成或替換。該方法的缺點是缺少有效的源語言知識，并且沒有考慮源端的翻譯難度。第二種是以源端為對象，通過使用外部資源以降低源端的翻譯難度，例如使用復述（paraphrase）、同義詞（synonym）或者詞干（stem）等對源端進行擴展或替換。但是，這些方法的效果都不盡如人意。

因此，設計和開發(fā)具有一定自診斷與自糾錯功能的統(tǒng)計機器翻譯系統(tǒng)，不僅能夠促進機器翻譯在社會經(jīng)濟發(fā)展中的應用，而且能夠進一步增強人們對機器翻譯的信心，這對于該學科乃至該行業(yè)的進步起著關(guān)鍵性的作用。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種具有錯誤自診斷和自糾錯功能的統(tǒng)計機器翻譯方法，與現(xiàn)有統(tǒng)計機器翻譯方法相比，有效降低翻譯錯誤率，提高翻譯性能。

本發(fā)明所采用的技術(shù)方案是，一種具有錯誤自診斷和自糾錯功能的統(tǒng)計機器翻譯方法，首先定義翻譯錯誤類別，訓練錯誤分類器，對測試集進行翻譯錯誤分類，然后目標語言端翻譯錯誤映射到源語言端并構(gòu)建復述詞圖網(wǎng)絡，源語言復述詞圖網(wǎng)絡優(yōu)化，最后進行詞圖解碼，得到自校正結(jié)果。

進一步地，具體實現(xiàn)步驟如下：

步驟1、定義翻譯錯誤類別：

具體包括五種翻譯錯誤類別：正確、一般錯誤、詞序錯誤、集外詞錯誤、其他錯誤；

步驟2、訓練錯誤分類器：

步驟2.1、采用基于動態(tài)概率潛變量模型的分類器，計算公式如下：