基于实例英汉翻译系统研究与实现

论文摘要

机器翻译作为计算机自然语言处理的一个重要分支,经历了漫长而曲折的发展历程。在研究的过程中也诞生了多种机器翻译方法。近年来,随着计算机计算速度,存储容量的不断提高,基于实例的机器翻译（Example-Based Machine Translation,EBMT）方法越来越受到研究者的青睐。基于实例的机器翻译系统,充分利用原有实例的翻译信息,进行匹配替换翻译。因而不需要对源语句和待翻译语句做深层次的语法分析,克服了基于规则的机器翻译系统在知识获取方面的困难。而且,在例句库中拥有和待翻译语句有相似语句时,往往能获得高质量的翻译结果。简单陈述句是英语中其他形式语句的基础,对简单陈述句的研究也是基于实例的机器翻译领域研究的重点。因此本文研究主要针对简单陈述句,并且不考虑时态,语态等信息。本文首先介绍了机器翻译的历史及发展现状。其次重点介绍了基于实例机器翻译（EBMT）的基本原理,系统组成,以及基于实例机器翻译中需要研究的几个相关问题:双语语料库的建立,相似实例的检索,目标语句的重组。本论文研究的主要内容包括四个部分:双语对齐库的建立,双语对齐库的存储与检索,语句相似度的计算,语句片段获取和译句生成。在以上研究的基础上,探索实现了一个简单句英汉机器翻译系统。其基本流程是:对用户或系统输入的英语句子或句子片段,首先提取关键词,通过关键词搜索含有该关键词的例句,从而获得可能的实例翻译对。然后计算待翻译语句与所选实例的语句相似度,使用相似度最高的的实例语句进行比对替换重组,最后输出翻译结果。最后,本文还介绍了翻译系统的实现,实验结果以及评价。从实验结果可以看出,在例句库中有与待译语句相似例句时,往往能获得较好的翻译结果。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 机器翻译的历史
• 1.1.1 初始阶段:萌芽期（1946年～1966年）
• 1.1.2 波折阶段:低谷期（1966年～1975年）
• 1.1.3 恢复阶段:复苏期（1975年～1989年）
• 1.1.4 新发展阶段:繁荣期（1989年～至今）
• 1.2 机器翻译的方法
• 1.2.1 基于规则（Rule-Based）的机器翻译方法
• 1.2.2 基于统计的机器翻译的方法
• 1.2.3 基于实例的机器翻译的方法
• 1.2.4 基于范例推理的机器翻译
• 1.2.5 多引擎的机器翻译方法
• 1.3 我国机器翻译状况
• 1.4 机器翻译的发展前景
• 1.5 本论文的选题和研究内容
• 第二章 基于实例的机器翻译
• 2.1 基本原理
• 2.2 基于实例的机器翻译系统的组成:
• 2.3 基于实例的机器翻译的相关问题
• 2.3.1 双语语料库的建立:
• 2.3.2 短语片段粒度的划分:
• 2.3.3 相似实例的检索
• 2.3.4 目标语句的重组:
• 2.4 基于实例机器翻译优点
• 第三章 面向数据的翻译（DOT）模型
• 3.1 DOP模型
• 3.2 DOT1模型
• 3.3 DOT2模型
• 第四章 语句相似度计算
• 4.1 语句相似度计算方法概述
• 4.2 句子编辑距离的概念
• 4.3 词语语义相似度计算
• 4.3.1 WordNet简介
• 4.3.2 基于WordNet的英语词语词义相似度计算
• 4.4 改进编辑距离计算语句相似度
• 第五章 EBMT系统的设计
• 5.1 词性标注和短语结构标注
• 5.2 建立双语对齐树库
• 5.2.1 标注源语句对
• 5.2.2 双语对齐关系标注
• 5.2.3 双语对齐存储结构
• 5.2.4 单词索引
• 5.3 EBMT系统的翻译过程
• 第六章 EBMT系统的实现
• 6.1 使用技术介绍
• 6.1.1 Mysql数据库
• 6.1.2 Ruby
• 6.1.3 Rails
• 6.2 数据库存储设计
• 6.2.1 语句对存储结构sentences
• 6.2.2 对应关系存储结构表fragments
• 6.2.3 索引存储结构表keywords
• 6.2.4 词语相似度存储表similaritie
• 6.3 相似度计算模块
• 6.3.1 词语相似度计算模块
• 6.3.2 语句相似度计算模块
• 6.4 XML文档导入
• 6.5 语料库语句的编辑与添加
• 6.6 翻译语句重组
• 6.7 系统实现中遇到的问题
• 6.7.1 语句相似度计算
• 6.7.2 多意词意思的选择
• 6.7.3 中文量词和名词的关联
• 6.7.4 复数翻译结果的判定
• 6.7.5 未知单词和句形的翻译
• 第七章 翻译系统测试结果
• 第八章 总结和展望
• 8.1 本系统的优缺点
• 8.2 EBMT系统的前景展望
• 致谢
• 参考文献
• 攻读硕士期间发表的学术论文