句型转换式汉英机译的一些技术处理探讨

句型转换式机器翻译涉及的技术很多.主要工作有四部分:第一部分给出一种自动分词边界问题处理方法;第二部分探讨一般句与疑问句的句型结构;第三部分研究汉英机器翻译的译文生成问题;第四部分是一种"是"动词"am;is;are"的处理方法.     

汉英机器翻译的单词处理研究

机器翻译涉及的技术很多. 本文的主要工作有两部分:第一部分给出词性兼类处理的一些方法;第二部分探讨汉英机器翻译时译文生成的处理, 包括建立汉英机器翻译的时态转换、相关匹配规则、名词的单复数处理算法. 第三部分研究多义词的一些处理处理. 第四部分提出单词处理的其它注意问题.     

机器翻译的一些处理方法探讨

本文的工作有三部分：第一部分介绍了机器翻译及其现状；第二部分主要讨论了机器翻译的四种实现方法；第三部分提出了基于实例的机器翻译的三种处理方法。     

汉英机器翻译中短语处理与译文生成研究

机器翻译涉及的技术很多,主要工作有两部分:第一部分给出一种汉英机器翻译中的短语处理方法,包括短语切分和短语查找;第二部分研究了汉英机器翻译中译文生成的一些问题.     

汉英机器翻译中的近似算法与歧义处理探讨

在机器翻译的研究中,混合式方法是一种好方法.本文的主要工作有两部分:第一部分提出一种近似机器翻译的算法;第二部分针对自然语言在各个层次上普遍存在的歧义性,对语言歧义的问题进行分析,论述一些具体消歧方法.     

民汉稀缺资源神经机器翻译技术研究

该文介绍了中国科学院自动化研究所参加第15届全国机器翻译大会(CCMT2019)翻译评测任务总体情况以及采用的技术细节.在评测中,中国科学院自动化研究所参加了3个翻译任务,分别是蒙汉日常用语机器翻译、藏汉政府文献机器翻译以及维汉新闻领域机器翻译; 阐述了参评系统采用的模型框架、数据预处理方法以及译码策略; 最后给出了不同设置下评测系统在测试数据集上的表现,并进行了对比和分析.     

两种机器学习方法及其在机器翻译中应用

在智能技术的研究中,从例子中学习和类比学习是两种好方法。第一部分研究了两种机器学习方法;第二部分讨论了类比机器翻译方法。     

基于N-gram共现的机器翻译自动评估的研究

机器翻译的研究是人工智能中自然语言理解部分的一个分支,而译文质量是机器翻译系统评估的核心问题.讨论了基于n-gram共现的机器翻译自动评测框架,介绍了BLEU、N IST两种自动评价方法,并针对其提出若干改进思路,旨在更好地实现机器翻译译文质量的自动评估,从而对机器翻译系统的开发和完善提供更好的指导和辅助.     

基于实例和本体的甲骨文机器翻译方法研究

为解决基于实例的甲骨文机器翻译缺乏深层次语义分析的问题,引入了本体技术.采用实例和本体相结合的办法,分阶段实现甲骨文语句的机器翻译.基于实例的方法用于仅需浅层语义分析的句子,基于本体的方法用于需深层语义分析的句子.在对比分析甲骨文与现代汉语之间的内在联系基础上,建立了甲骨文知识本体,为机器翻译的词典和语义提供概念及其层次网络,解决甲骨文同义词、兼类词及词义消歧问题.实验结果表明:对常规的简单甲骨文语句,基于实例的机器翻译结果较好;对复杂的甲骨文语句,需要利用基于本体的机器翻译,其结果也基本满足研究需求.     

在OA环境下TRANS-NET微机局部网络的功能开发及命令扩充

本文分四个部分。第一部分介绍了微机局部网络及其系统的基本概念;第二部分介绍了Trans——Net局部网络的主要性能及其功能;第三部分是全文的重点,这部分详细地叙述了在办公自动化(OA)环境下T——Net局部网络的应用、功能开发及扩充的十七条命令;第四部分以发文命令为例介绍了程序框图及其执行过程。     

汉英混合式机器翻译难点研究

混合式汉英机器翻译涉及的技术很多.主要工作有三项:一是阐述了汉英混合机器翻译处理的难点,给出了转换和实例汉英混合式机器翻译软件的结构;二是分析了词法处理方法主要面临的难点和汉语单词兼类的难点、包括汉语转换成英语中名词生成单复数的难点以及多义词处理难点;三是探讨了实例机器翻译的难点,指出了从事这方面研究机器翻译软件的科技人员努力方向.     

神经机器翻译综述

机器翻译研究在非人工干预的情况下,利用计算机自动地实现不同语言之间的转换,是自然语言处理和人工智能的重要研究领域,神经机器翻译(neural machine translation,NMT)利用神经网络实现源语言到目标语言的转换,是一种全新的机器翻译模型.神经机器翻译经过最近几年的发展,取得了丰富的研究成果,在很多语言对上超过了统计机器翻译方法.首先介绍神经机器翻译的基本思想和主要方法,然后对最新的前沿进展进行综述,最后对神经机器翻译的未来发展方向进行展望.     

融合非偏好注意力跨度的预训练语言模型

语言模型是自然语言处理领域最重要的任务之一,并以迁移学习的方式影响着机器翻译、机器阅读理解、自动文本摘要等诸多下游任务。依托多头自注意力构建的大规模预训练语言模型在特征提取和文本表征能力上相较之前的神经网络模型取得了较大提升,却也极大地增加了模型训练的时空复杂度。为此,从模糊群决策的角度出发,将毕达哥拉斯模糊非偏好函数用作多头注意力跨度范围的先验,提出一种自适应的注意力跨度调节机制,较大程度地改善了模型捕捉长距离文本依赖的能力,并使模型的整体计算复杂度相较原始Transformer结构维持在较低水平。公开语言模型数据集上的实验表明：所提方法在困惑度指标上取得了较好的性能,超越了多种以往的方法。     

浅议赵元任《谈人工翻译》对当代翻译研究的启示

通过对赵元任《谈人工翻译》(Translation Without Machine)的解读,分析阐述了赵元任对机器翻译和人工翻译的看法。并从赵元任对机器翻译和人工翻译的评述中得出启示:当代人工翻译研究和实践中应重点关注翻译策略的选择、翻译的文体风格、翻译中的跨文化问题以及翻译中的语用问题。同时,翻译研究需要进行跨学科研究,注重人工翻译和机器翻译的有效结合。     

机器翻译自动评价中领域知识复述抽取研究

针对通用领域语料中抽取的复述在特定领域机器译文自动评价任务的应用中容易出现复述匹配偏差的问题,提出采用抽取与测试领域相关的复述来提高机器译文自动评价的方法。首先将通用单语训练语料进行聚类,并利用改进的M-L方法过滤,得到特定领域训练语料,然后在训练语料中利用Markov网络模型,抽取特定领域复述表,最后将此复述表应用在机器译文自动评价中,以提高同义词和近义词的匹配精度。在WMT’14 Metrics task和WMT’15 Metrics task数据集上的实验结果表明,利用领域知识抽取的复述能够增加自动评价方法METEOR和TER与人工评价的相关性。     

面向翻译教学的机器翻译系统建构

信息时代,知识的更新换代进一步加快,对翻译人才的要求越来越高,翻译课的传统模式以及方法已不能适应新的需要。随着机器翻译技术的不断发展,机器翻译、翻译记忆等产品也逐步地以各种方式应用到了翻译教学当中。构建一个面向翻译教学的机器翻译系统,整体、系统地将机器翻译技术应用于翻译教学,提高翻译教学的质量,全面提高学生的翻译能力。