学位论文 > 优秀研究生学位论文题录展示

基于NP树的英文专利文献术语自动翻译技术研究

作　者: 林晓庆
导　师: 张桂平；蔡东风
学　校: 沈阳航空工业学院
专　业: 计算机应用技术
关键词: 机器翻译 NP树译文选择模型 HowNet NP翻译模式
分类号: TP391.2
类　型: 硕士论文
年　份: 2009年
下　载: 66次
引　用: 0次
阅　读: 论文下载

内容摘要

随着对外交流,引进先进技术的增加,人们接触专利文献的机会越来越多。从事科技翻译的人员经常要遇到专利文献的翻译问题。而术语翻译尤其是专利文献翻译的一个重要部分。近年来机器翻译技术取得了很大的突破,使得翻译质量有了很大的提高,为专利文献翻译提供了有力的手段。本文针对专利文献中的术语NP(noun phrase)的特点,使用统计和规则相结合的方法实现了术语NP的自动翻译。从建立NP树库,译文选择模型的建立,NP翻译模式的归纳,到基于知网的最相似NP树的查找以及翻译结果的自动评测,实现了一个完整的术语翻译流程。主要工作包括以下几个方面:第一,提出了一种改进互信息的译文选择方法。本文认为词语的译文的选择不是孤立进行的,上下文对译文的选择有着重要的意义,通过对已有的互信息公式加入翻译模型特征进行改进,结合翻译模型与互信息来选择最佳译文。第二,采用了NP翻译模式进行译文的调序处理。根据术语NP的特点,对句法分析后的NP进行翻译模式的总结,概括出比较常用的NP翻译模式,作为复杂NP进行译文调序的依据。第三,提出了一种基于HowNet的最相似NP树的查找方法。本文将已有的基于HowNet的词语相似度公式进行扩展,提出基于HowNet的NP语义相似度计算方法来进行最相似NP树的查找。第四,建立一个完整的术语翻译系统。使用机器翻译自动评测技术进行翻译结果的自动评测,与基于短语的统计机器翻译系统(Pharaoh)进行对比实验。实验结果表明本文基于NP树的术语翻译方法优于基于统计的机器翻译方法(Pharaoh)。对于下一步的工作,尝试加入更多NP翻译模式和语言学知识来改善翻译效果。

全文目录

摘要  6-7
Abstract  7-11
第1章引言  11-17
  1.1 选题的背景和意义  11
  1.2 句法结构  11-12
  1.3 名词短语定义  12-13
  1.4 专利相关概念  13-15
    1.4.1 专利文献适合于机器翻译的特点  14
    1.4.2 专利文献组成  14-15
    1.4.3 专利说明书构成  15
    1.4.4 术语定义  15
  1.5 本文的组织结构  15-17
第2章相关研究  17-27
  2.1 机器翻译方法  17-19
    2.1.1 基于理性主义的方法  17-18
    2.1.2 基于经验主义的方法  18-19
  2.2 统计机器翻译模型  19-23
    2.2.1 基于词的模型  20-21
    2.2.2 基于短语的模型  21
    2.2.3 基于句法的模型  21-23
  2.3 机器翻译子任务  23-25
    2.3.1 词汇翻译  24
    2.3.2 命名实体翻译  24
    2.3.3 基本名词短语翻译  24-25
    2.3.4 查询翻译  25
  2.4 本章小结  25-27
第3章基于NP 树的术语自动翻译技术  27-41
  3.1 建立NP 树库  28-30
    3.1.1 NP 树定义  28-29
    3.1.2 NP 树匹配  29-30
  3.2 基于知网的NP 语义相似度  30-36
    3.2.1 知网（HowNet）介绍  31-32
    3.2.2 概念相似度计算  32-33
    3.2.3 基于知网的语义相似度计算方法  33
    3.2.4 基于知网的NP 语义相似度计算  33-36
  3.3 NP 翻译模式  36-40
    3.3.1 NP+介词+NP 的翻译模式  36-37
    3.3.2 NP+done+介词+NP 的翻译模式  37-39
    3.3.3 NP+介词+doing+NP 的翻译模式  39-40
  3.4 本章小结  40-41
第4章基于改进互信息的译文选择方法  41-48
  4.1 译文选择  41-42
  4.2 互信息  42
  4.3 译文选择的相关研究  42-43
  4.4 译文选择模型  43-47
  4.5 本章小结  47-48
第5章实验结果评价与分析  48-60
  5.1 BLEU 评测方法  48-49
  5.2 NIST 评测方法  49-52
  5.3 实验条件  52-55
    5.3.1 训练数据  52
    5.3.2 语料预处理  52-54
    5.3.3 对比测试系统  54
    5.3.4 系统运行环境  54-55
  5.4 翻译结果的自动评测  55-58
  5.5 结果译文分析  58-59
  5.6 本章小结  59-60
结论  60-62
附录Ⅰ PENN TREEBANK 英文词类标记（包括标点符号）  62-63
附录II 系统界面  63-64
参考文献  64-68
致谢  68-70
攻读硕士期间发表（含录用）的学术论文  70

相似论文

统计机器翻译中结构转换技术的研究,TP391.2
面向统计机器翻译的解码算法的研究,TP391.2
基于本体的食品投诉文档文本聚类研究,TP391.1
结合本体HowNet的中文文本分类研究,TP391.1
基于概念集合的网页内容过滤方法的研究,TP393.092
统计机器翻译中命名实体处理研究,TP391.2
汉英机器翻译系统中的一种语义排岐模型研究,TP391.2
汉英机器翻译系统英文生成中的一种选词模型研究,TP391.2
基于模板的英蒙机器翻译系统的研究,TP391.2
交互式多策略机器翻译系统（IHSMTS）面向对象分类模式库的研究,TP391.2
基于标志词的汉英机器翻译的研究,TP391.2
特定场合下的英汉机译系统研究,TP391.2
EBMT系统中翻译模板的抽取与匹配,TP391.2
机器翻译与人类介入,H085
基于语义关系的摘要提取,TP391.1
Corpus-Based Machine Translation of WebPages--A Suggestion on MT Model and Strategy to Disambiguation,H085.5
IHSMTS中汉英双语句子对齐机制的设计与实现,TP391.2
基于Web的计算机辅助图样转换系统的开发,TP391.72
对我国几种机器翻译软件译文质量的测评,H085
机器翻译中语义因素的理论分析,H085