汉英双向时间数字和数量词的识别与翻译技术

论文摘要

命名实体识别与翻译是机器翻译的重要组成部分。本文使用基于语料库的方法,挖掘提取语料库中数字、时间日期、数量词的表达模式,并由此转换为规则,实现了中英数字、时间日期、数量词这几种命名实体的识别与双向翻译。本文的研究内容主要包括四部分:（1）介绍了自动机理论,为后文的规则提取与利用作理论铺垫,并阐述了有限状态自动机、非有限状态自动机和正则表达式之间在正则语言表达上的等价关系。本文先从大量的语料中挖掘出中英命名实体的表达模式,再将这些表达模式转化为规则,也就是以正则表达式的形式给出。（2）采用同步上下文无关文法来解析和翻译时间日期。同步上下文无关文法在上下文无关文法的基础上,给每条文法增加翻译文法规则,从而把解析的过程与翻译的过程同步起来。而对于同步上下文无关文法的解析,采用了CYK+算法。（3）本文将数量词定义为:数字+量词+名词。“数字”部分直接将前面数字的识别与翻译系统作为这里的一个模块,量词则使用语言学家总结的量词表,对于名词部分,则采用数据挖掘的策略,从大语料的phrase-table中来抽取中英数量词翻译对。（4）将中英数字、时间日期、数量词的识别与翻译规范进行了详细阐述并给出了实验结果与分析。实验表明具有较高的识别F-measure值和翻译准确率。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本文研究意义与研究背景
• 1.1.1 研究意义
• 1.1.2 研究背景
• 1.2 命名实体识别与翻译的研究现状与展望
• 1.2.1 命名实体识别与翻译的任务
• 1.2.2 命名实体识别与翻译的评测
• 1.3 本文的主要研究内容及组织
• 第2章 有限状态自动机
• 2.1 确定性有限状态自动机
• 2.2 非确定性有限状态自动机
• 2.3 DFA 和NFA 与正则表达式之间的关系
• 2.4 本章小结
• 第3章 中英数字的识别与翻译
• 3.1 引言
• 3.2 中文数字的识别规范
• 3.3 英文数字的识别规范
• 3.4 数字的解析与翻译
• 3.4.1 数字的解析
• 3.4.2 数字的翻译
• 3.5 实验结果与分析
• 3.5.1 实验设置
• 3.5.2 评价指标
• 3.5.3 实验及其结果分析
• 3.6 本章小结
• 第4章 中英时间日期的识别与翻译
• 4.1 引言
• 4.2 中文时间日期的识别规范
• 4.2.1 基本时间
• 4.2.2 复合时间
• 4.2.3 跨度时间
• 4.2.4 不可标注的时间日期表达式
• 4.3 英文时间日期的识别规范
• 4.3.1 基本时间
• 4.3.2 复合时间
• 4.4 时间日期的解析
• 4.4.1 同步上下文无关文法
• 4.4.2 时间日期的解析
• 4.5 实验结果与分析
• 4.5.1 实验设置与评价指标
• 4.5.2 实验及其结果分析
• 4.6 本章小结
• 第5章 中英数量词的识别与翻译
• 5.1 引言
• 5.2 中英数量词调研
• 5.3 量词名词搭配模式挖掘
• 5.4 实验结果与分析
• 5.4.1 实验设置与评价指标
• 5.4.2 实验及其结果分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢