英汉人名音译方法的研究与实现

论文摘要

机器音译包括人名,地名,机构名和组织名等专有名词的音译,是自然语言处理中一个重要问题,在机器翻译,跨语言信息检索等应用中有很重要的作用。机器音译是按照发音将源语言中的词自动翻译成目标语言中的词。本文在总结出基于语音的机器音译的不足的基础上,提出了两种机器音译的方法:基于字形的音译方法和机器翻译的方法。本文从以下几个方面介绍:1.本文首先介绍了基于字形的音译框架,并在该框架下分析比较了两种音译模型:噪声通道模型和n-gram音译模型,得出了n-gram音译模型比噪声通道模型包含了更多的上下文信息。2.本文在利用传统的EM算法进行音译单元对齐的基础上,首次提出了基于音节首字母匹配的对齐方法,总结了7条常见的英汉首字母匹配的启发式规则。并将两种对齐方法应用到英语和汉语音译单元的对齐上,比较了两种对齐算法对机器音译性能的影响。实验结果显示,基于音节首字母匹配的对齐算法优于EM对齐算法。3.本文研究了如何将viterbi算法应用到英语到汉语和汉语到英语的两个方向的解码上。并利用基于字形的音译框架和n-gram音译模型,采用基于音节首字母匹配的对齐算法进行音译单元的对齐,使用viterbi解码,实现了一个英汉双向人名音译系统。4.除此之外,本文将名字看成伪句子,利用统计机器翻译的思想进行音译。统计机器翻译利用对数线性模型。实验结果显示,统计机器翻译的方法更适合于机器音译,因为机器音译是按照发音顺序进行音译的,因此没有调序过程。并且对数线性模型的方法在增加模型的特征时很方便,因此有很大的改进空间。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 课题提出
• 1.2 研究现状
• 1.3 相关工作
• 1.3.1 基于模块化概率模型的日英音译
• 1.3.2 基于规则的英汉音译
• 1.3.3 基于决策树的英韩双向音译
• 1.3.4 基于双流（Bi-Stream）HMM对数线性块模型的阿英音译
• 1.3.5 基于信源通道的英汉音译
• 1.4 本文主要研究内容
• 1.5 本文结构组织
• 第二章 DOM英汉音译方法
• 2.1 基于字形的DOM音译框架的描述
• 2.1.1 符号定义
• 2.1.2 公式表示
• 2.2 音译模型
• 2.2.1 DOM下的n-gram音译模型
• 2.2.2 DOM下的噪声通道模型
• 2.3 两种音译模型的比较
• 2.4 本章小结
• 第三章 音译单元的对齐
• 3.1 英汉名字的所有对齐方式
• 3.2 EM算法在英汉音译单元上对齐的应用
• 3.2.1 EM算法基本原理
• 3.2.2 问题描述
• 3.2.3 EM算法实现
• 3.3 基于音节首字母匹配的对齐
• 3.3.1 基于音节首字母匹配的音译单元对齐方法
• 3.3.2 启发式规则
• 3.4 两种对齐算法的比较
• 3.5 实验
• 3.5.1 实验语料
• 3.5.2 评价标准
• 3.5.3 实验结果
• 3.5.4 结果分析
• 3.6 本章小结
• 第四章 解码
• 4.1 viterbi算法解码
• 4.1.1 C2E状态转换图
• 4.1.2 viterbi解码分析
• 4.1.3 viterbi在C2E中的实现
• 4.2 平滑算法
• 4.3 E2C解码
• 4.3.1 英语名字的切分
• 4.3.2 E2C状态转换图
• 4.3.4 E2C的viterbi实现
• 4.4 C2E和E2C的解码比较
• 4.5 实验
• 4.5.1 英汉双向音译系统
• 4.5.2 实验语料
• 4.5.3 实验结果
• 4.5.4 结果分析
• 4.6 本章小结
• 第五章 利用统计机器翻译的方法实现音译
• 5.1 音译模型
• 5.2 语言模型
• 5.3 解码
• 5.4 系统评价
• 5.5 权重训练模型
• 5.6 实验
• 5.6.1 实验工具与语料
• 5.6.2 实验中间数据
• 5.6.3 实验结果
• 5.6.4 结果比较与分析
• 5.6.5 两个音译模型的比较
• 5.7 本章小结
• 第六章 总结与展望
• 6.1 本文总结
• 6.2 未来研究方向
• 参考文献
• 攻读学位期间本人公开发表的论文
• 致谢
• 详细摘要