赞
踩
思想
基本原理:噪声信道模型
语言模型概率估计
翻译概率估计
IBM TM1
IBM TM2
IBM TM3
IBM TM4:考虑片段的中心词的概率和其他单词的位置概率
IBM TM5:源语言句子单词间的相对位置
IBM翻译模型特点:基于词的模型
基于短语的翻译模型
生成式模型转向判别式模型
最大熵方法
翻译基本的单元由词转向词语
短语:连续的词串n-gram
短语划分模型 P ( S 1 K ∣ S ) P(S_1^K | S) P(S1K∣S)
短语翻译模型 P ( T 1 K ∣ S 1 K , S ) P(T_1^K | S_1^K, S) P(T1K∣S1K,S)
短语调序模型 P ( T 1 K ′ ∣ T 1 K , S 1 K , S ) P(T_1^{K^\prime} | T_1^K, S_1^K, S) P(T1K′∣T1K,S1K,S)
目标语言模型 P ( T ∣ T 1 K ′ , T 1 K , S 1 K , S ) P(T| T_1^{K^\prime}, T_1^K, S_1^K, S) P(T∣T1K′,T1K,S1K,S)
短语翻译模型的8个特征
短语模型的解码算法
基于短语的SMT系统实现
统计机器翻译
系统融合方法
句子级系统融合
短语级系统融合
词语级系统融合
首先将多个翻译系统的译文输出进行词语对齐,构建一个混淆网络,对混淆网络中的每个位置的候选词进行置信度估计,最后进行混淆网络解码
基于深度学习的系统融合
语音翻译:用计算机实现持不同语言的说话人之间话语翻译的过程
基本原理
口语翻译特点
系统实现方法
需要解决的问题
级联方法
端到端方法
机器同传
现状
问题
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。