子句对齐及其在专利统计机器翻译中的应用

摘要：

针对专利文献句子偏长的特点，将统计机器翻译中的训练语料进行子句切割获取双语的子句序列，再采用统计和规则相结合的策略来生成子句对齐，建立基于简单子句的双语语料来重新训练统计机器翻译系统，在一定程度上改善了原有双语训练语料中的短语对齐和词对齐，可以更为深入地利用平行语料中蕴含的翻译信息，应用于专利统计机器翻译中，在NTCIR-9的测试集上进行实验比较，获得较为满意的翻译效果。

关键词：子句对齐、词对齐、简单子句、专利文献、统计机器翻译

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目“面向专利文献的统计机器翻译语境分析”61303152；“十二五”国家科技支撑计划课题“基于多源信息的电动汽车数据挖掘关键技术研究2013BAG06B01”；国家国际科技合作专项“面向科技文献的日汉双向实用型机器翻译合作研究”2014DFA11350。

在线出版日期：2014-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：86-93