融合词法句法分析联合模型的树到串EBMT方法

针对传统的基于实例的机器翻译(EBMT)方法中系统构筑复杂度和成本较高的问题,提出一种基于依存树到串的汉英实例机器翻译方法。与传统方法相比,该方法只需进行源语言端的句法结构分析,可以大大降低构筑系统的复杂度,有效降低成本。为了提高翻译精度,引入中文分词、词性标注和依存句法分析联合模型,可以减少汉英EBMT中源语言端基础任务中的错误传递,提高提取层次间特征的准确性。在此基础上,结合依存结构的特征和中英语料的特性,对依存树到串模型进行规则抽取以及泛化处理。实验结果表明,相对于基线系统,该方法可以提高实例对抽取质量,改善泛化规则和译文质量,提高系统性能。     

面向维汉机器翻译的层次化多特征融合模型

针对维汉机器翻译中存在的维吾尔语(下文简称维语)形态复杂性和数据稀疏性问题,提出了一种层次化融合多个维语语法特征的神经网络机器翻译模型.该模型采用4种特征(词干、词性、词缀、词缀形态)作为源端语言附加信息,用于辅助单一词汇形式表示的维语语句;同时引入层次化多特征融合的神经网络结构,用于分层处理维语的词干级和词缀级特征,以增强机器翻译系统对维语的句法结构和语义知识的学习能力,从而提高维汉机器翻译质量.在维汉公开数据集上的实验结果表明,所提出的层次化多特征融合模型可以有效提高维汉机器翻译系统性能,其双语互译评估(BLEU)值和字符匹配度(ChrF3)值均有明显提升.     

基于双语对齐的汉语–新蒙古文命名实体翻译

汉语–新蒙古文命名实体翻译在跨汉语–新蒙古文信息处理中具有重要意义,而直接使用机器翻译的方法不能达到满意的结果。针对上述问题,提出一种从汉语–新蒙古文平行语料中自动抽取汉语–新蒙古文命名实体翻译对的方法。该方法只需对汉语端进行命名实体标注;然后基于双语HMM词对齐结果,利用滑动窗口的方法抽取所有候选命名实体翻译对;最后基于融合5种特征的最大熵模型,对所有候选翻译单位进行过滤,选取与汉语端命名实体相对应的置信度最高的新蒙古文命名实体翻译单位。实验结果表明,该方法优于基于HMM的方法,在对齐模型只是部分准确的情况下,也获得较高准确率的汉语–新蒙古文命名实体翻译对。     

日语时间表达式识别与日汉翻译研究

基于自定义知识库, 提出一种知识库强化规则集以及与统计模型相结合的日语时间表达式识别方法,旨在不断提高时间表达式的识别精准度。按照Timex2标准对时间表现的细化分类, 结合日语时间词的特点, 渐进地扩展重构日语时间表达式知识库, 实现基于知识库获取的规则集的优化更新。同时, 融合条件随机场CRF统计模型, 提高日语时间表达式识别的泛化能力。通过考察基于短语的翻译模型翻译时间词的精度, 提出统计机器翻译(SMT)结合规则翻译日语时间词的必要性。实验结果显示, 日语时间表达式识别的开放测试F1值达到0.8987, 基于《日汉时间词平行字典》与规则的翻译精度和召回率都略高于基于统计机器翻译模型。     

基于翻译日志的统计机器翻译模型剪枝

提出一种基于翻译日志的统计机器翻译模型的剪枝方法。该方法利用翻译规则在翻译日志中的命中频数对机器翻译规则进行过滤, 保留当前机器翻译模型所需的最小规则表。实验表明, 该方法能够在仅保留原有模型1%~3%翻译规则的前提下达到原有模型的翻译效果。     

浅谈表示被动意义的介词短语

<正> 一般来说,主动语态表示主动意义,被动语态表示被动意义。但是任何事物都有其特殊性。在英语中主动语态也可表示被动意义,被动语态也可表示主动意义。语态的主动与被动是仅就动词而言的,除此之外,英语中还存在着大量的非     

论认知视角对英语语态的阐释

从Langacker的弹子球模型对英语主动、被动以及中动三种语态进行讨论,得出如下结论:主动语态的焦点关注在施事者、受事者以及能量转移的正向流动;被动语态关注受事者以及能量的逆向流动;中动语态则关注受事者在动作链发生后产生的变化。     

融入规则信息的神经机器翻译

为了将统计机器翻译技术中的规则信息引入到端到端的神经网络模型中,提出了一种将规则信息转化为近似等价的序列信息的方法.在此基础上,提出了两种融入规则信息的神经机器翻译模型,并在基于注意力机制的循环神经网络(RNN)模型上进行了验证.相对于未融入规则信息的基准模型在美国国家标准与技术研究院(NIST)评测集上的评测结果,上述两种模型的双语互译评估(BLEU)值均有所提高.实验表明,将规则等外部知识融入到神经机器翻译系统中是提升模型翻译质量的一种有效途径.     

利用协同训练提高神经机器翻译系统的翻译性能

如何改善神经机器翻译模型的翻译性能一直是学术界研究的热门课题,特别是在低资源语种的翻译任务上,如何提高原有平行语料训练出来的翻译模型的翻译质量是一个迫切需要解决的问题.为此,对传统的统计机器翻译任务上使用的协同训练方法进行优化,进一步提出新的协同训练方法,并应用于神经机器翻译任务中,改善原有神经机器翻译模型的翻译质量.实验表明神经机器翻译中使用协同训练的方法能显著提高翻译质量,在语料数量稀少(低资源语料)的情况下提升效果更为显著.     

多策略切分粒度的藏汉双向神经机器翻译研究

现有的机器翻译模型通常在词粒度切分的数据集上进行训练,然而不同的切分粒度蕴含着不同的语法、语义的特征和信息,仅考虑词粒度将制约神经机器翻译系统的高效训练.这对于藏语相关翻译因其语言特点而显得尤为突出.为此提出针对藏汉双向机器翻译的具有音节、词语以及音词融合的多粒度训练方法,并基于现有的注意力机制神经机器翻译框架,在解码器中融入自注意力机制以捕获更多的目标端信息,提出了一种新的神经机器翻译模型.在CWMT2018藏汉双语数据集上的实验结果表明,多粒度训练方法的翻译效果明显优于其余切分粒度的基线系统,同时解码器中引入自注意力机制的神经机器翻译模型能够显著提升翻译效果.此外在WMT2017德英双语数据集上的实验结果进一步证明了该方法在其他语种方向上的适用性.     

被动语态在科技英语中的应用及翻译技巧

论述了科技英语中常使用被动语态结构的原因,以及科技英语与汉语翻译在表达方式上的不同。通过科技英语实例阐述了科技英语中常用的五种实用翻译技巧。说明了通过翻译技巧把科技英语的被动语态句翻译为汉语的主动语态句,才能使译文通顺流畅,符合汉语表达习惯。     

英汉翻译技巧论析

英汉翻译除了一些基本原则之外,尚有许多技巧性问题直接影响到译文的正确与否及质量的高低。一般来说,英文长句的汉译应优先考虑短分译出,然后再根据汉语的表达习惯重新组合;其次考虑在做适当处理后,汉语译文仍为长句。在译文风格选择方面,为了译文准确这一基本目标,宁“原汁原味”,勿“天马行空”。在语态方面,汉语译文则应做更多地转换,采用符合汉语习惯的主动语态。     

浅析英汉被动语态的互译方法

英语中被动语态使用频率较高，汉语中则不多见，成主动语态。根据英语和汉语特点，英汉被动语态互译有直译、准确和灵活。所以英语被动语态在翻译成汉语时，更多情况下译意译等常见方法，也还有一些特例，翻译时要力求     

中英日被动句对比研究

语言中决定谓语动词和主语之间的关系的语法形式称为语态。而其中作为表示句子主语和谓语动词之间被动关系的语态就是被动语态。汉语、英语和日语三种语言的被动态在结构特征、形成动因及语用功能等方面都各具特色，笔者通过对三者在这些方面的对比分析，得出三者都可以表示中性、积极和消极的意义，但是主次不同，英语被动语态倾向于表中性意义，汉语被动语态表示消极意义居多，而日语被动语态则主要是发展以说话人的主观感受为语义动因的被动句．所以也是表达消极意义居多。     

科技英语特点与翻译的研究

广泛使用名词化结构和大量使用被动语态是科技英语的两个最显著特点。文章分析了名词化结构和被动语态的内涵与作用，并讨论了名词化结构与被动语态的翻译策略。     

“语态混乱”还是“视点漂移”？——兼论英语语句连贯之特点

一种涉及英语语句连贯的病句，有两种不同的分析观点：一是“Confusing shifts in voice（语态混乱）”，二是“Shifts in point of view（视点飘移）”。前者认为造成语病的原因在于语态变换的混乱。克服此类毛病应该从改正主动语态和被动语态的使用入手。这种分析看到的是问题的表面现象，但问题没能从根本上得到解决。后者认为语病的产生不是语态变换的问题，而是主语变换不当的结果，导致话题分散，造成语句不连贯。这是一种“透过现象看本质”的观点，把对毛病的分析与英语连贯的深层特点结合起来，它和“主语统御”原则以及“主位—述位”理论一样，有助于学习者更好地了解英语的语言结构特点、表达习惯、思维方式等方面的问题。     

从动宾结构的汉日对译看汉日语识解方式之差异

汉语动宾结构的原型在日语中呈现＂相对自动词句＂、＂降格被动句＂、＂相对自动词使役句＂等多样化的表现形式。从两者间的对译差异可以清晰看出汉日语言对事件的识解方式是根本相异的,即汉语是以客观识解为主的语言,而日语则是以主观识解为主的语言。     

利用说话人自适应实现基于DNN的情感语音合成

为了提高情感语音合成的质量,提出一种采用多个说话人的情感训练语料,利用说话人自适应实现基于深度神经网络的情感语音合成方法。该方法应用文本分析获得语音对应的文本上下文相关标注,并采用WORLD声码器提取情感语音的声学特征;采用文本的上下文相关标注和语音的声学特征训练获得与说话人无关的深度神经网络平均音模型,用目标说话人的目标情感的训练语音和说话人自适应变换获得与目标情感的说话人相关的深度神经网络模型,利用该模型合成目标情感语音。主观评测表明,与传统的基于隐马尔科夫模型的方法比较,该方法合成的情感语音的主观评分更高。客观实验表明,合成的情感语音频谱更接近原始语音。所以,该方法能够提高合成情感语音的自然度和情感度。     

科技英语文体特征及翻译技巧

科技英语作为一种重要的英语文体,与非科技英语文体相比,具有长句多、被动句多、非谓语动词多、专业性等特点。因此,科技英语的翻译也有别于其他英语文体的翻译。要提高翻译质量,科技英语翻译应在遵循"准确规范"、"通顺易懂"、"简洁明晰"这三个标准的前提下运用翻译技巧如词义的引伸、增减、词类转换方法等。     

科技日语的被动句分析

重点介绍科技日语中被动句的种类,并通过例句分析各种被动句的特点以及翻译技巧。同时,还剖析了科技日语中形态相似的自发句与被动句的区别。