英汉机器翻译中基于规则的句子结构分析与转换

以英汉机器翻译系统为研究背景,提出了一种基于规则的句子结构分析与转换方法。针对不同情况采取不同策略将复杂句分解成由一组简单句构成的复杂句子结构。简单句结构分析以谓语动词为中心,依据其EICG格约束和句子浅层分析结果填充格框架,从而得到整个句子的语法语义结构。句子结构转换依照句子分析结果和转换规则产生等价的目标语言的线性语法语义结构。系统运行结果表明,本文提出的方法能够正确有效地分析英语句子的结构并完成英汉句子的转换。     

基于神经机器翻译的二进制函数相似性检测方法

二进制函数相似性检测是检测软件中已知安全漏洞的一种重要手段,随着物联网设备急剧增长,越来越多的软件被编译到不同指令集架构的平台上运行,因此基于二进制的跨平台相似性检测方法更具通用性.针对目前基于深度神经网络的跨平台相似性检测方法只能在基本块粒度进行相似性比对的不足,基于神经机器翻译的思想,提出一个通用的跨指令集架构的二...     

基于EICG的英汉机器翻译句型转换器设计

句型转换是指将感叹句和各种疑问句变为陈述句语序的转换。我们在研制MatLink英汉机器翻译系统的过程中，提出了扩展的基于信息的格语法(EICG)及其应用原则，并且利用EICG设计实现了英语句型转换器。该分析器采用多出口结构，针对感叹句和不同类型疑问句提出相应的分析实现算法，并通过实例分析阐述了实现不同句型间转换的设计思想和工作过程。     

低资源语种傣汉神经机器翻译方法

近年来随着人工智能和深度学习的发展,在神经机器翻译(NMT)的加持下,机器翻译的水平取得了长足的进步,但是在较大语料的情况下才能取得好的效果.此外,NMT的成功需要依赖于大量高质量的双语语料作为训练数据.在英法等丰富资源的语种(Rich resource language)翻译任务上,神经机器翻译机器的表现几乎可以媲美人类的水平.对于一些小语种(俗称低资源语种:Low resource language),无法提供足够多的双语数据,导致NMT出现过拟合问题,从而降低翻译效果.据此本文以低资源的汉傣语翻译为例,针对神经机器在低资源汉傣语机器翻译表现不佳的问题现状,开展了如下研究:(1)构造了以词向量为基础的初始化模型,利用傣汉词向量空间对齐的方法,来初始化神经翻译模型的词嵌入层以提高翻译的性能;(2)设计了傣汉词向量空间的对齐方法;(3)提出了一种基于词对齐的神经机器翻译框架.通过汉/傣、傣/汉双向翻译实验证明,该方法可以分别使汉/傣、傣/汉机器翻译的BLEU值提高2.38个和0.43个BLEU点.     

Graph-based Lexicalized Reordering Models for Statistical Machine Translation

Lexicalized reordering models are very important components of phrasebased translation systems.By examining the reordering relationships between adjacent phrases,conventional methods learn these models from the word aligned bilingual corpus,while ignoring the effect of the number of adjacent bilingual phrases.In this paper,we propose a method to take the number of adjacent phrases into account for better estimation of reordering models.Instead of just checking whether there is one phrase adjacent to a given phrase,our method firstly uses a compact structure named reordering graph to represent all phrase segmentations of a parallel sentence,then the effect of the adjacent phrase number can be quantified in a forward-backward fashion,and finally incorporated into the estimation of reordering models.Experimental results on the NIST Chinese-English and WMT French-Spanish data sets show that our approach significantly outperforms the baseline method.     

邮件翻译，用Gmail一键搞定

虽说很多外语高手都把机器翻译的结果当成笑话看，但对于大多数普通人来讲，哪-怕是一堆狗屁不通的方块字，也比让人全无头绪的外文字符来得亲切。     

基于长度的扩展方法的汉英句子对齐

本文提出了一种用于汉英平行语料库对齐的扩展方法。该扩展方法以基于长度的统计对齐方法为主,然后根据双语词典引入了词汇信息,而基于标点的方法作为对齐的后处理部分。这种扩展方法不仅避免了复杂的中文处理,例如,汉语分词和词性标注,而且在统计方法中引入了关键词信息,以提高句子对齐的正确率。本文中所用的双语语料是LDC 的关于香港的双语新闻报道。动态规划算法用于系统的实现。和单纯的基于长度的方法和词汇方法相比,我们的扩展方法提高了句子对齐的正确率,并且结果是比较理想的。     

关于英国Lancaster大学与中国电子信息产业发展研究院（CCID）联合召开中文多字表达（MWE）与机器翻译研讨会征文通知

目前,在国际计算语言学界,从语料库资源抽取和分析多字表达(MultiwordExpressions)已经成为提高机器翻译译文质量的一个重要研究方向。由于自然语言包括大量的多字表达,比如动词短语、名词词组、成语等等,仅依靠逐词对译很难得到高质量的翻译效果。为了对这些多字表达进行准确的翻译,需要对它们进行分类和分析,并制定相应的翻译策略。近年来,随着语料库在计算机语言学研究中的广泛应用,目前的研究焦点之一是,从语料库提取多字表达,并利用语料库考察它们的使用语境,进而进行各种分类,对不同类型多字表达找出有针对性的有效的翻译策略和程式…