英语功能名词短语研究及其应用

根据英语名词短语的句法功能,提出了一种新的英语名词短语——功能名词短语,同时与基本名词短语和最长名词短语相比较.利用Google在线翻译系统,对存在结构歧义的句子进行了翻译,发现英汉机器翻译的错误主要是由结构歧义引起的,并应用功能名词短语的定义对结构歧义问题予以解决.实验结果表明,功能名词短语的识别能够有效消解两种结构歧义:一是与动词构成固定搭配的名词引起的歧义;二是"介词+名词"结构是作状语还是作后置定语的歧义.功能名词短语的研究对消除句法结构歧义、提高英汉机器翻译译文质量具有重要意义.     

汉语单句谓语中心词识别知识的获取及应用

在基于实例的机器翻译(EBMT)的语句相似度研究中,确定谓语中心词以把握句子的整体结构是至关重要的。以标注了谓语中心词的3000句汉语单句作为训练集,将候选词本身的语法属性以及上下文环境作为该候选词的归类特征,通过建立统计决策树模型获取谓语中心词的识别知识。应用统计决策树进行了谓语中心词的自动识别,并获得了较为满意的测试结果。     

英语到蒙古语转换生成规则的研究

英蒙机器翻译系统（EMMT）是把源语言（英语）转换成目标语言（蒙古语）的系统，其中转换规则库是最重要的知识库之一．通过分析英语的各种常用句型，介绍了把英语句子翻译成蒙古语句子时的转换生成规则，给出了句型转换、时态转换、疑问句转换，以及并列句和复合句等转换生成规则．     

语义单元表示库的半自动构建技术

提出了一种高效的半自动构建语义单元表示库(英汉)的方法.该方法不是使用分词和词性标注等工具,而是直接对组成双语句子的基本字符进行处理,采用语义单元实量匹配和重构语义单元树的算法,对其产生的结果运用规则进行推断,规则独立于其他模块并且可扩充.经人工检查正确的语义单元加入语义单元表示库中.实验表明,该方法能保证结果的正确性,达到实用的水平.     

一种高效的通用型自然语言语法分析器系统设计

阐述一个基于合一算法的高效的通用型语法分析器系统的设计原理和方法．着重说明：一种基于功能文法的语法规则的表示形式；基于树的合一算法的原理及其分析；以及如何使系统既具有运行的高效性又具有调试的方便性的总体设计方案．     

机器翻译英汉系统的适用性评测

本文作者以国家标准GB/T19363.1-2003翻译服务规范中所要求的"译文的完整性和准确度"作为评价标准,选择国际标准化组织发布的ISO 9001-2000英文版作为测试语料,对流行的五个机器翻译软件英汉系统的文本翻译能力进行了人工测评,并指出这些计器翻译译文中存在的普遍问题.     

词义自动消歧概率模型

提出了一种词义自动消歧概率模型·在词义自动消歧实验中,分析了高频率词义、指示词、特定领域、固定搭配和固定用法信息对名词和动词词义消歧的影响·目前该词义自动消歧系统已经应用于基于词层的英汉机器翻译系统(汽车配件专业领域)中,有效地提高了翻译性能     

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。     

相似度增强的译文质量评估方法

机器翻译的质量评估作为不依赖参考译文而预测翻译质量的任务，在机器翻译领域中起到了重要的作用.相较于机器翻译，质量评估的数据资源非常稀缺，将跨语言预训练模型应用到该任务中，不但能受益于从大规模语料中学习到的跨语言知识，解决数据量不足的问题，而且极大地节约了计算资源.但与建立跨语言预训练模型采用的正常数据不同，译文质量评估面对的是正常的源端文本和错误程度不同的目标端文本，即它需要应对更大的两端语义差异.因此，本文为基于跨语言预训练模型的译文质量评估系统引入了特殊的语义关联处理层，通过相似度增强的拼接机制来增强原文与译文的语义关联性，从而提高质量评估的准确性.该方法在WMT19质量评估任务数据集上的实验结果验证了上述方法的有效性.     

面向低资源俄汉机器翻译的领域适应方法

基于Transformer的神经机器翻译在高资源语言对上取得了巨大的成功,但是在资源稀缺的情况下模型翻译效果较差.针对旅游口语领域的俄汉低资源机器翻译,本文通过扩充领域内数据和多种微调方法改善目标领域翻译质量.首先利用多种语料过滤方法得到通用领域俄汉语料,然后在不同参数配置的Transformer模型上进行预训练,探索多种领域适应性微调方法,得到最优模型,最后在译码阶段采用模型平均和后处理生成翻译结果.实验结果表明,该方法可以有效提升低资源场景下的俄汉机器翻译效果.