特定句法增强的SMT调序模型.pdf

《特定句法增强的SMT调序模型.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、西安理工大学学报JournalofXi’anUniversityofTechnology(2O15)Vo1．31No．3277文章编号：1006—4710(2015)03—0277—05特定句法增强的SMT调序模型杜金华，张喜媛(1．西安理工大学自动化与信g,m程学院，陕西西安710048；2．陕西省复杂系统控制与智能信息处理重点实验室，陕西西安710048)摘要：面向基于短语的汉英统计机器翻译，提出了一种基于特定句法(汉语“的”结构)增强的调序方法，该方法首先在词对齐和源端词性(POS)信息的约束下抽取基本调序规则

2、，然后根据中文端特定句法结构一“的”字结构，将抽取的基本规则自动分类为“调序倾向性强”和“调序倾向性弱”两类，最后采用不同的优化和剪枝策略对两类规则进行处理，得到最终的源语言端调序规则集合。在NIST汉英数据集上的实验表明，相对于基线系统，本文所提方法在NISTMT2005测试集上显著提高了0．69BLEU值。关键词：统计机器翻译；特定句法结构；“的”结构；POS调序模型中图分类号：TP391文献标志码：ASpecificsyntacticconstructionenhancedPOSreorderingmodelf

3、orSMTDUJinhua．一，ZHANGXiyuan，(1．FacultyofAutomationandInformationEngineering，Xi’anUniversityofTechnology，Xi’an710048，China；2．ShaanxiKeyLaboratoryofComplexSystemControlandIntelligentInformationProcessing，Xi’an710048，China)Abstract：Thispaperpresentsaspecificsyntac

4、ticstructure(Chinese“DE”structure)enhancedreorderingmodelforphrase—basedChinese—EnglishSMT．Thismethodfirstextractsthebasicre—orderingrulesinthecaseofconstraintofwordalignmentandpartofspeech(POS)information，andthenclassifiestheextractedbasicrulesautomaticallyint

5、otwotypesof“strongreorderingtendency”and“weakreorderingtendency”intermsofChineseandspecificsyntacticstructure一“Chinese“DE’’structure”．Finally，thedifferentoptimizationandpruningstrategiesareadoptedtodealwiththerulesoftwotypes，wherebyobtainingthereorderingruleset

6、ofthesourceside．TheexperimentalresultsonChinese——EnglishNIST2005datasetindicatethattheproposedmeth-。odsignificantlyraisesthebaselinebyrelatively0．69BLEUagainstbaselinesystem．Keywords：statisticalmachinetranslation；specificsyntacticconstruction；“DE”construction；P

7、OSreorderingmodel词序作为一种语法关系序列，它是表达语法关别：1)按照作用对象不同，调序分源语言端调序和目系的重要手段，是语言内在意义的句法表现形式。标语言端调序；2)依据作用范围，可分为全局[】]和局不同语言之间的句法异构性，导致了源语言端和目部调序；3)按照作用位置，可以分为作为特征融入到标语言端词序不同。从语法学角度来看，词序不仅对数线性模型框架_2。的模型和作为解码前的一个可以决定句子的逻辑语义模式，而且可以通过变化预处理模型[4；4)从建模方法来看，可以分为基于词来实现不同含义的表达。汇化的

8、调序和基于句法的调序等。统计机器翻译研究中，词序调序是一个热点和随着机器翻译研究的不断发展，调序模型的研难点问题。调序模型按照不同标准可划分为以下类究也取得了很大的进展。2006年Chen等提出了收稿日期：2014—10—16基金项目：国家自然科学基金资助项目(61100085)。作者简介：杜金华，男，副教授，博士，研究方向为机器学习与自然语言