面向领域辅助翻译的词典资源获取

论文摘要

随着我国信息化进程的深入和电子政务的建设,大量的社会和经济信息已经电子化。而由于国际政治经济的交流和发展,如何向世界范围内发布这些相关的信息成为一个现实需求。近年来机器翻译技术虽然取得了很大的进展,特别是统计翻译方法的突破,使得自动翻译结果多数情况下可以满足日常浏览的需求,但是在面对高质量跨语言信息发布的需求时,机器辅助翻译仍然是更加现实的解决方案。本文针对电子化信息的翻译问题,以一个发布公司基本信息的电子信息库为例,探索了针对特定领域的机器辅助翻译系统的开发技术。本文分析发现目前中文信息的电子化手段多采用数据库形式,并将不同关键信息分字段存放。信息库中不仅包含大量的机构名称、地址、人名等命名实体信息,还包含大量专业术语等领域文本特征。而针对信息发布的需求,其翻译过程强调信息关键点的准确性,而不十分看重全文翻译质量和速度。针对这些翻译需求,本文重点研究了相关的辅助翻译技术,探索了多层次、多类型的翻译词典获取方法。具体地,本文的研究内容包括:（1）针对翻译领域中的各种单语词汇,研究特定领域中几种主要中文词典的构建方法,包括:利用n-gram字串的频率信息实现单语词典辅助获取系统,提高领域一般词汇的获取速度;以中文机构地址的层次性词典获取为突破口,研究层次性词典获取问题;以中文机构类别的获取为突破口,研究后缀型词汇的获取方法。（2）探索了基于Web的中文机构名称译文获取技术。针对命名实体的专有固定译文获取难题,通过构建包含原文和启发信息的查询,获取并分析搜索引擎返回的结果页,进而通过构词知识和机器学习方法解决正确译文的识别。实验表明,该方法能在较短时间内获取大部分中文机构名称的译文,避免了以往Web平行语料挖掘的对于存储空间和网络带宽的巨大负担。（3）设计并实现了面向领域信息发布的辅助翻译系统。在上述几种词典资源获取方法及基于Web的译文获取技术的基础上,本文设计并实现了针对领域信息发布的机器辅助翻译系统,该系统为用户提供了关键词标注、自动翻译、摘译等功能,辅助用户翻译,初步满足了用户的跨语言信息加工需求。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及意义
• 1.2 国内外研究现状
• 1.3 本文的主要研究内容
• 第2章 单语词典获取
• 2.1 依据文本语料的特点进行词典获取
• 2.2 单语词典辅助获取系统
• 2.2.1 基本思想及系统流程
• 2.2.2 主要数据结构
• 2.2.3 性能评价
• 2.3 中文地址层次性词典获取
• 2.3.1 基本思想及系统流程
• 2.3.2 种子树的构建
• 2.3.3 自动扩充
• 2.3.4 手工扩充
• 2.3.5 性能评价
• 2.4 中文机构类别后缀性词典获取
• 2.4.1 基本思想
• 2.4.2 树的构建
• 2.4.3 特征空间
• 2.4.4 实验结果及分析
• 2.5 本章小结
• 第3章 基于WEB 的双语词典获取
• 3.1 中文机构名称及其特点
• 3.2 基于WEB 的译文辅助获取系统的设计与实现
• 3.2.1 系统流程
• 3.2.2 各模块功能介绍及主要实现技术
• 3.3 对比实验
• 3.3.1 实验数据
• 3.3.2 评价标准
• 3.3.3 Query 构造对比实验
• 3.3.4 候选译文排序对比实验
• 3.4 本章小结
• 第4章 面向领域信息发布的辅助翻译系统
• 4.1 辅助翻译技术介绍
• 4.2 系统框架
• 4.3 系统各功能模块
• 4.4 系统性能评价
• 4.5 本章小结
• 结论
• 参考文献
• 附录1 单语词典辅助获取系统用户界面
• 附录2 中文地址层次性词典辅助获取系统用户界面
• 附录3 面向领域信息发布的辅助翻译系统用户界面
• 致谢