2015全国机器翻译研讨会ISTIC评测报告

中国科学技术信息研究所（ISTIC）机器翻译研发工程历史悠久,几经变迁。本文在回顾ISTIC机器翻译发展历史的基础上,介绍了最近参加第十一届全国机器翻译研讨会机器翻译评测（简称CWMT’2015）系统的具体表现。CWMT’2015评比中, ISTIC 参加了维汉、藏汉、蒙汉三个机器翻译评测项目。本文阐述了本单位机器翻译系统的实现框架以及实施细节,并分析了它们在评测数据上的性能表现。     

基于词与短语的多机器翻译系统融合方法研究

多机器翻译系统融合技术能够对不同机器翻译系统的输出结果有效地进行融合产生更好的翻译性能,因此该技术成为机器翻译研究领域的一个热点问题.常用的多机器翻译系统融合技术可以分为句子级、短语级和词级融合.在对不同级别的系统融合技术进行分析的基础上,本文提出基于词和短语的多机器翻译系统融合方法.首先,采用词级的系统融合技术构建混淆网络,将混淆网络转化为短语表.然后,基于该短语表利用短语级的系统融合技术中的再解码方法进行混淆网络解码生成融合结果.该方法既保证了融合系统所构建的混淆网络的最大可能性,又可以利用更多的特征进行混淆网络解码.我们将基于词和短语的多机器翻译系统融合方法在两个测试集上分别实验并进行比较,获得了较为满意的翻译效果.     

面向专利领域的汉英机器翻译融合系统

面向专利领域的机器翻译近年来已成为机器翻译的重要应用领域之一。本文提出了一个汉英专利文本机器翻译融合系统,该系统以规则系统为主导搭建,并把规则翻译方法和基于短语的统计翻译系统相结合。在融合系统中,规则系统主要负责源语言的分析和转换阶段的处理,生成相应的源语言句法分析树与转换树,并确定目标语言的基本句法框架。统计翻译系统则在目标语生成阶段根据生成的目标语句法结构寻找合适的对译词形,并产生最终的候选译文。通过利用自动评测指标对融合系统进行测试,融合系统的结果均优于单个规则系统和统计系统的结果,表明了融合方法的有效性和可行性,可以改善系统的翻译性能,提高翻译质量。     

基于枢轴语言的平行语料构建方法

平行语料库的规模对于统计机器翻译性能的提高具有重要作用,但是平行语料库的人工构建成本很高。针对这个问题,本文提出了一种低成本高效率的平行语料构建方法,利用枢轴语言作为桥梁,借助已有的机器翻译技术并融合主动学习方法构建目标语言对的大规模高质量平行语料库。本文通过以英语作为枢轴语言构建日汉平行语料库的实例研究,利用成熟的基于短语的统计机器翻译技术,描述了基于译文自动评测的良好译文选择方法、基于主动学习的语料选取方法、以及翻译系统的更新迭代和评价实验。实验结果表明,本文提出的方法能够快速构建日汉平行语料,并有效提高日汉翻译系统的性能。     

中日两国机器翻译研究进展及比较

机器翻译研究用计算机实现不同自然语言之间的翻译。自第一台计算机诞生开始,人们一直在研究和探索高质量高效率的机器翻译技术。近年来,基于规则的机器翻译、基于实例的机器翻译和基于统计的机器翻译这几种主要的翻译模式共同存在且相互补充,并有不断融合之势。随着中国和日本在科技、经济和文化交流的不断深入,机器翻译研究对于打破汉语和日语之间的语言壁垒进而推进中日两国各个领域的交流与合作具有重要的应用价值。中国和日本两国机器翻译研究人员已经开展了大量的汉日／日汉机器翻译的理论研究与系统研制,已取得了有效的成果,但距离大规模实际应用和高标准的翻译质量的要求尚有差距。为此,中日两国机器翻译人员有必要在汉日／日汉机器翻译技术与系统研制方面展开合作,特别是在对齐平行文本、实例词典、专业术语词典以及句法分析等共同课题方面展开合作。文章介绍了中日两国机器翻译研究的进展并加以比较,对中日两国在机器翻译领域的合作做了分析与展望。     

机器翻译在CADAL中的应用

文章将对在“中美百万册数字图书馆（简称CADAL）”项目中提供双语服务所涉及的机器翻译技术以及如何将该技术在数字图书馆建设中应用进行讨论并提出解决方法。     

自动文摘系统评测方法的回顾与展望

自动文摘系统的评测是自动文摘技术研究与发展的关键部分.随着摘要技术的快速发展,国外学者十分重视评测技术,研究工作也如火如荼,而国内相关工作相对贫乏.文摘评测对文摘系统的性能有重大影响,对自然语言处理、信息检索等相关技术有着促进作用.本文详细介绍了文摘评测的两大方法:内部评测和外部评测,并对多年来文摘评测中应用的关键技术做了简要总结,最后指出文摘评测面临的挑战及未来需要努力的方向.     

跨语言检索中机器翻译技术的应用和进展

本文以跨语言检索为背景,主要介绍了机器翻译技术的应用和进展.文章介绍了跨语言检索中机器翻译技术的应用形式,简单回顾了机器翻译技术发展历史中出现的各种方法及其基本思想和优缺点,特别是近年来统计机器翻译的发展.本文通过一个实例较为详细地介绍了目前主流的基于短语的统计机器翻译原理,然后通过一个实际的新闻长句子对几个典型的基于规则的和基于统计的机器翻译系统的翻译结果给出了细致的比较和分析.最后对机器翻译在跨语言检索中的应用前景做出了展望.     

中国电信黄页搜索引擎系统的测试和评估

本文详细说明了复旦大学开发的黄页搜索系统的评测结果。首先阐述了国内外的相关组织和它们制定的标准,讨论了各种测试模型的特点,提出了本系统采用的评测指标和计算公式。然后,介绍了评测数据的建立方法。最后,给出了复旦大学黄页搜索系统的各项评测结果,并将它们与百度的测试结果进行了对比,说明了本系统是一个优秀的黄页搜索系统。     

融合不同语义知识的中国古代典籍机器翻译研究

[目的/意义]文章旨在探究将不同语义知识融入机器翻译模型能否增强机器翻译的效果以及何种语义知识的作用更为显著,以助力机器翻译研究与中华优秀传统文化的传承与传播。[方法/过程]研究选取了30万对精加工的《二十四史》“古代汉语-现代汉语”平行语料作为实验数据,基于神经机器翻译OpenNMT模型,通过三种不同的特征融合方法,将词边界知识、词性知识、实体知识和依存句法知识分别融入机器翻译模型的训练过程中。[结果/结论]不同语义知识与模型的融合对典籍翻译效果有不同的影响,词边界知识、词性知识、实体知识对机器翻译任务有一定的贡献且实体知识的贡献最大,依存句法知识无明显作用。     

基于单词规则的英汉机器翻译和消歧研究

本文比较各种机器翻译方法的特点，借鉴短语结构、ＧＰＳＧ、ＨＰＳＧ和语料库等计算语言学理论，采用以单词为核心的方法，建立一组以１０００单词为背景的英汉翻译规则，并实现以单词规则、通用规则为准，进行英汉翻译的机译系统。本文还对机译系统构成、设计、词典结构等技术问题进行了探讨，并提出一套规则和结点的评价方法，为消除机器翻译中的句法歧义做了有益的尝试。     

情报学硕士学位论文评价指标体系研究

论文探讨了建立情报学硕士学位论文评价指标体系的思路、原则和方法,然后介绍了利用该评价指标体系对中国科技信息研究所等3单位近5年硕士学位论文进行的深入评价过程,对评价结果进行了分析比较。分析表明,中国科技信息研究所近5年硕士学位论文质量在逐步提高。评价结果显示,该评价指标体系是情报学硕士学位论文评价的有效工具。     

中信所数据库的开发及建议

本文简要介绍了目前我国数据库的建设情况, 分别对中国科技信息所自建数据库的研制做了阐述, 着重提出了发展中国科技信息所数据库的建议并指出其技术前景。     

面向机器翻译的标记语言研究

本文提出了一种适合机器翻译的标记语言MTML(MachineTranslationMarkupLanguage)。针对机器翻译研究中对混合策略处理的需求,我们将传统的机器翻译方法与模式匹配及XML等技术相结合,形成了一套灵活的、可扩展的处理机制,方便了基于规则的翻译与数据驱动的翻译之间的交互。目前已经将该标记语言应用到翻译试验系统之中,获得了较好的效果     

基于DOI 系统的中日韩三国之间科技信息共享

为促进亚洲各国之间的科技信息资源共享和科研合作,在这些区域内,通过一站式服务获取相关信息至 关重要。3 年前,基于谅解备忘录（MOU）,中国科学技术信息研究所（ISTIC）、日本科学技术振兴机构（JST）及韩国 科学技术信息研究院（KISTI）建立了基于现有DOI 系统的长期合作机制。首先概要介绍分别由三机构运行管理的各自 国家的DOI 系统,以及三国之间的国际合作进展。然后,通过引入云服务平台的概念,提出未来的合作框架,以进一 步促进资源共享。     

基层科技报告资源建设中元数据质量评估研究

我国各级科技管理部门正积极推进国家科技报告资源建设工作。在这过程中,基层科研单位作为科技报告 资源建设的生产源头,是保证科技报告质量的关键环节,尤其是元数据质量建设起到十分重要的作用。为此,文章就 科技报告元数据项要素进行分析,对其元数据质量评估确定基本内容,提出从完整性、准确性和一致性等维度进行质 量评估。最后,以中国科学技术信息研究所内部约410份科技报告资源为例,通过调查统计、评估分析其元数据质量情 况。