自然语言处理总复习（九）—— 机器翻译_自然语言处理机器翻译

一、概述

1. 定义

用计算机实现从一种自然语言（源语言/source language）到另一种自然语言（目标语言/target language）文本的翻译。

2. 分类

• Human Assisted Machine Translation (HAMT) 人助机译
• Computer Aided Translation (CAT) 机助人译
• Fully Automatic Machine Translation (FAMT) 全自动机器翻译

3. 发展历史

二、机器翻译的技术路线

• 基于规则的机器翻译 —— 基于理性主义的方法；
• 于实例和统计的机器翻译 ——经验主义的方法或者基于语料库的方法；

但是这种说法不是很确切。因为语料库已经用于所有的机器翻译开发中。只不过是直接应用还是间接应用。

实用化的策略

（一）基于规则

1. 直接式翻译

进行词汇的更换

2. 转换式翻译

（1）通过句法分析得到某种内部的结果化表达

（2）变换句型

（3）目标语言的形态生成

（二）基于实例

基于实例的机器翻译问题

（三）基于统计

1. 基于统计的原因

2. 要素

（1）数据

大规模的双语语料库 (比如107–109 词次) ，它用于训练统计翻译模型。大规模的单语数据库，它用于训练语言模型。

（2）学习

模型的学习（也叫训练），模型包括系统架构及其各项参数。在系统架构已经确定下，利用以上数据可以自动学习翻译模型的各项参数。

（3）搜索

翻译过程 （也叫解码过程或者搜索过程）。对一个新的句子，利用学习得到的模型产生多个候选句子，并且利用一种搜索方法，求得一个最好的译文。

3. 例子

4. 基于词的统计机器翻译（IBM Models）

（1）统计机器翻译系统

（2）贝叶斯规则

（3）统计机器学习的三个问题

1）语言模型

a. 经典的语言模型 —— N-Grams模型

模型目标： 选择哪一个句子更像一个句子

He is on the soccer field
He is in the soccer field

Is table the on cup the
The cup is on the table
1
2
3
4
5

模型方法：

1）翻译模型

三、机器翻译的评价

四、利用互联网获取双语预料