基于單語語料庫的詞語新譯挖掘方法研究.pdf

1、機器翻譯是應用計算機將一種源自然語言自動地翻譯成另一種目標自然語言的技術。隨著時代的迅速發(fā)展，人們?yōu)榱烁菀椎鼗ハ嘟涣骱瞳@取信息，對于機器翻譯的需求也在逐漸加強。如何提高機器翻譯質量已經成為研究者們的研究熱點。
　　統(tǒng)計機器翻譯系統(tǒng)對平行語料有很強的依賴性，然而，一些語言對以及特定領域中平行語料資源稀缺，甚至不存在，使得機器翻譯不能順利進行。即使存在豐富數據資源，一般也來自于不同領域。這種領域上的差異導致很多詞語在不同領域中有不同

2、的譯法，使得跨領域機器翻譯效果并不理想。為了解決這些問題，本文提出了基于單語語料庫的詞語新譯挖掘方法研究。
　　本文在進行詞語新譯挖掘時，將其拆分為兩個子任務，分別是：詞語新譯法發(fā)現和詞語譯文挖掘，并將二者融合進行一體化研究，最終還將挖掘的詞語新譯應用在機器翻譯實際場景中。本文的具體研究內容如下：
　　(1)在詞語新譯法發(fā)現任務中，本文將其轉換為分類問題，判斷詞語是否存在新譯法。在原有方法基礎上對特征加以改進，提出了基于豐富

3、特征的方法，引入了語言學特征，分別是目標語言、詞性和句法特征，這些特征更符合本文所要解決的新譯法發(fā)現任務的特點，能夠提高分類器的準確性。
　　(2)在詞語譯文挖掘任務中，本文對基于分布表示的方法加以改進，提出了基于神經網絡的方法。首先對詞語進行聚類，然后在每個類別中利用神經網絡來代替線性函數，挖掘詞語向量表示之間的映射關系。所有操作都是在單語語料庫上進行。改進后能夠更好地挖掘同一語言詞語之間的關聯，以及不同語言詞語之間的映射關系，