项目名称: 面向统计机器翻译的同步短语树结构归约机制研究

项目编号: No.61273319

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 段湘煜

作者单位: 苏州大学

项目金额: 80万元

中文摘要: 同步结构在统计机器翻译中起关键作用。目前的统计机器翻译系统获得同步结构通常需要两个阶段:首先从平行语料中获得词对齐信息,然后采用一些启发式规则获得可能的同步结构。这种相互独立的分阶段模式和启发式方法缺乏统计理论依据,造成翻译系统训练过程和解码过程的不一致性。本项目以同步短语树结构的归约机制研究为切入点,基于贝叶斯理论,探索翻译系统的统一建模,由模型直接推导出同步短语树。在建模方面,本项目提出同步成分上下文模型,并为该模型加以两种稀疏先验分布假设,使模型倾向于通用性强的同步短语;在对模型各项后验概率的推导方面,本项目提出两种贝叶斯推导方法: 渐进式推导方法和基于局部抽样的推导方法,以克服规约中所面临的计算瓶颈问题。总的说来,本项目提出的同步结构规约机制可以简化当前统计机器翻译系统的基本架构,提供扎实的统计理论依据和高效算法,并为统计机器翻译系统提供高质量的同步短语。

中文关键词: 机器翻译;同步短语树结构规约;贝叶斯推导;先验假设;

英文摘要: Synchronous structures play the key role in Statistical Machine Translation (SMT). Currently, most SMT systems obtain synchronous structures in two steps: first obtaining word alignments from parallel corpus and then extracting synchronous structures using some heuristics. In principle, these two independent steps and the applied heuristics lack theoretical support, resulting in the inconsistency between training and decoding in SMT systems. This project proposes a unified computational model from which synchronous structures are induced directly. Specifically, this project proposes a Synchronous Constituent Context Model (SCCM) for directly inducing phrasal synchronous trees, and puts two kinds of sparse priors on SCCM's probabilistic variables to bias toward more reusable synchronous phrases. Besides, for overcoming the computational bottleneck during the inference for SCCM posterior probabilities, we propose two kinds of Bayesian inference methods: gradual inference and local Gibbs sampling. To summarize, the SCCM and the two Bayesian inference methods proposed in this project can simplify the pipeline of the current SMT systems and provide high quality synchronous phrases with theoretically sound probabilistic estimations for SMT decoders.

英文关键词: Machine Translation;Phrasal Synchronous Tree Induction;Bayesian Inference;Priors;

成为VIP会员查看完整内容
0

相关内容

机器翻译,又称为自动翻译,是利用计算机将一种自然语言(源语言)转换为另一种自然语言(目标语言)的过程。它是计算语言学的一个分支,是人工智能的终极目标之一,具有重要的科学研究价值。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【Chen Guanyi博士论文】汉语名词短语的计算生成,282页pdf
EMNLP 2021 | 学习改写非自回归机器翻译的翻译结果
专知会员服务
14+阅读 · 2021年12月25日
专知会员服务
55+阅读 · 2021年10月12日
专知会员服务
79+阅读 · 2021年7月3日
专知会员服务
25+阅读 · 2020年9月9日
【IJCAI2020南大】上下文在神经机器翻译中的充分利用
专知会员服务
15+阅读 · 2020年8月17日
【IJCAI2020-CMU】结构注意力的神经抽象摘要
专知会员服务
21+阅读 · 2020年4月23日
哪个数码技术你用了就很难舍弃?
ZEALER订阅号
0+阅读 · 2022年3月6日
已删除
将门创投
12+阅读 · 2019年7月1日
最新论文解读 | 基于预训练自然语言生成的文本摘要方法
微软研究院AI头条
57+阅读 · 2019年3月19日
自然语言处理基础:上下文词表征入门解读
机器之心
13+阅读 · 2019年3月2日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
102+阅读 · 2021年6月8日
Arxiv
21+阅读 · 2019年3月25日
小贴士
相关VIP内容
【Chen Guanyi博士论文】汉语名词短语的计算生成,282页pdf
EMNLP 2021 | 学习改写非自回归机器翻译的翻译结果
专知会员服务
14+阅读 · 2021年12月25日
专知会员服务
55+阅读 · 2021年10月12日
专知会员服务
79+阅读 · 2021年7月3日
专知会员服务
25+阅读 · 2020年9月9日
【IJCAI2020南大】上下文在神经机器翻译中的充分利用
专知会员服务
15+阅读 · 2020年8月17日
【IJCAI2020-CMU】结构注意力的神经抽象摘要
专知会员服务
21+阅读 · 2020年4月23日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员