[发明专利]一种基于模糊树到精确树的统计机器翻译方法

权利要求书

1.基于模糊树到精确树的统计机器翻译方法，其特征在于，所述方法包括步骤如下：

步骤1：对双语句对进行分词、自动词对齐和句法分析；

步骤2：从词对齐的双语句法分析树中自动抽取出模糊树到精确树翻译规则；

步骤3：对抽取出模糊树到精确树翻译规则进行概率估计，并训练目标端的语言模型；

步骤4：设计源语言端句法结构与模糊树到精确树翻译规则的匹配准则，并估计其匹配概率；

步骤5：设计翻译模型优化目标，并利用模糊树到精确树翻译规则以及目标端语言模型搜索测试语句的目标翻译。

2.根据权利要求1所述的基于模糊树到精确树的统计机器翻译方法，其特征在于：所述模糊树到精确树翻译规则的抽取步骤如下：

步骤21：首先从词对齐的双语句法树对中抽取出串到树翻译规则；

步骤22：利用范畴语法(categorial grammar)的形式为每一条抽取出的串到树翻译规则的源语言端从源语言句法树中计算并生成一个相应的句法结构表示；

步骤23：将计算出的句法结构表示赋予串到树翻译规则的源语言端，形成模糊树到精确树翻译规则。

3.根据权利要求1所述的基于模糊树到精确树的统计机器翻译方法，其特征在于：所述源语言端句法结构与模糊树到精确树翻译规则的匹配准则包括：1)0-1匹配准则；2)似然度匹配准则；3)句法结构相似度匹配准则。

4.根据权利要求3所述的基于模糊树到精确树的统计机器翻译方法，其特征在于：所述0-1匹配准则是：

对抽取出的模糊树到精确树翻译规则进行转换，保留模糊树到精确树翻译规则中源语言端最可靠的句法结构，最可靠的句法结构是似然度最大的句法结构；当翻译源语言句子时，考察源语言串对应的句法结构与模糊树到精确树翻译规则的匹配情况，若与模糊树到精确树翻译规则中源语言端的句法结构完全匹配，就对使用所述的模糊树到精确树翻译规则赋予奖励表明所述的模糊树到精确树翻译规则的使用遵循了源语言端的句法结构信息，否则便对使用所述的模糊树到精确树翻译规则给予惩罚表明所述的模糊树到精确树翻译规则的使用违反了源语言端的句法结构信息。

5.根据权利要求3所述的基于模糊树到精确树的统计机器翻译方法，其特征在于：所述似然度匹配准则是：

当翻译源语言句子时，考察源语言串对应的句法结构与模糊树到精确树翻译规则的匹配情况，若与模糊树到精确树翻译规则中源语言端句法结构集合中的某个句法结构相同，便用所述的某个句法结构对应的似然度表示匹配概率；否则便赋予一个平滑概率表示匹配概率。

6.根据权利要求3所述的基于模糊树到精确树的统计机器翻译方法，其特征在于：所述句法结构相似度匹配是：

利用浅层变量模型(latent variable model)将每个源语言端的句法结构映射到唯一的一个m维实数向量；对模糊树到精确树翻译规则的源端的句法结构集合利用似然度进行加权得到唯一的一个实数向量表示所述模糊树到精确树翻译规则源端的句法结构，当翻译源语言句子时，考察源语言串对应的句法结构，并利用浅层变量模型将该结构映射至一个实数向量，最后利用点积(dot-product)计算该句法结构与某规则的相似度，并利用该相似度表示匹配概率。

7.根据权利要求1所述的基于模糊树到精确树的统计机器翻译方法，其特征在于：所述翻译模型优化目标采用对数线性模型，利用对数线性模型组合的特征有：

1)模糊树到精确树翻译规则具有五个翻译特征：(1)模糊树到精确树翻译规则相对于根节点的条件概率，(2)模糊树到精确树翻译规则相对于源语言端的条件概率，(3)模糊树到精确树翻译规则相对于目标语言端的条件概率，(4)源语言端相对于目标语言端的词汇化翻译概率，(5)目标语言端相对于源语言端的词汇化翻译概率；

2)语言模型概率；

3)对译文长度的惩罚特征；

4)控制使用规则数量的特征；

5)使用规则是否为复合规则的二值特征；

6)源语言端句法结构与模糊树到精确树翻译规则的模糊匹配概率特征。