孙水华，丁 鹏，黄德根

(1. 大连理工大学 计算机科学与技术学院，辽宁 大连 116024；2. 福建工程学院 信息科学与工程学院，福建 福州 350118)



利用句法短语改善统计机器翻译性能

孙水华1，2，丁 鹏1，黄德根1

(1. 大连理工大学 计算机科学与技术学院，辽宁 大连 116024；2. 福建工程学院 信息科学与工程学院，福建 福州 350118)

短语表是基于短语的统计机器翻译系统的一个核心组成部分，基于启发式方法抽取到的短语表受单词对齐错误和未对齐词的影响严重，同时抽取到的短语也并非句法意义上的短语。该文提出一种基于EM(Expectation-maximization)算法的双语句法短语抽取方法来抽取双语句法短语，此方法可以通过不断迭代的方式使各参数值达到最优。通过加入双语句法短语、增加新特征、重新训练三种不同的方法，将获得的双语句法短语与基于短语的统计机器翻译方法结合以提高统计机器翻译系统的性能。结果表明： 三种方法都不同程度提高了译文的BLEU(BiLingual Evaluation Understudy)值，其中增加新特征方法提高了0.64个点。

统计机器翻译；EM算法；双语句法短语

1 引言

自P Koehn 等提出从基于词的对位中启发式学习短语翻译对[1]的方法以来，基于短语的统计机器翻译方法受到广泛关注，性能也不断提高。基于短语的统计机器翻译方法利用相邻词组合成的短语作为基本单位，在训练阶段获得短语表，在解码阶段利用短语表来获得候选翻译。但是短语表中的短语并非句法意义上的短语，不能充分利用语言的句法信息，而且基于启发式的短语抽取方法是以词对齐为基础来抽取短语对，词对齐错误和大量的词语对空[2]引进大量的无效短语使短语表变得很大。……