1、機(jī)器翻譯是自然語言理解中的一個(gè)研究熱點(diǎn),能有效地促進(jìn)信息共享,具有廣泛的研究和應(yīng)用價(jià)值。統(tǒng)計(jì)機(jī)器翻譯(Statistical Machine Translation,SMT)是目前主流的機(jī)器翻譯技術(shù),但孤立進(jìn)行句子翻譯的SMT系統(tǒng)在翻譯的過程中僅能利用當(dāng)前句子的信息,完全忽略了前后句子的關(guān)聯(lián)和文本的全局信息。然而,文檔級(jí)別的信息,比如風(fēng)格、主題、類別等,對(duì)機(jī)器翻譯而言是極為有用的,它們不僅能引導(dǎo)翻譯系統(tǒng)在詞形、詞義上進(jìn)行正確的消歧,還能

2、保持譯文與原文在語言風(fēng)格和關(guān)鍵內(nèi)容上的一致。
　　雖然早在1992年就有學(xué)者提出基于篇章的機(jī)器翻譯概念,但機(jī)器翻譯發(fā)展至今,絕大多數(shù)還停留在孤立的句子層面,這里面有一些客觀的原因,比如語料的限制。但總體來看,進(jìn)展的緩慢恰恰表示這項(xiàng)研究具有挑戰(zhàn)性。本文對(duì)文檔級(jí)統(tǒng)計(jì)機(jī)器翻譯展開研究,主要內(nèi)容包括:
　　1.文檔級(jí)統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)架構(gòu)的研究。通過借鑒人類翻譯者的活動(dòng)過程,本文首先提出了基于多策略緩存的文檔級(jí)SMT系統(tǒng)框架,該框架包

3、括三類緩存,分別用以刻畫文檔的背景知識(shí)、主題和詞匯銜接性。上述緩存中的各類信息被巧妙地設(shè)計(jì)成為SMT對(duì)數(shù)線性模型中的系統(tǒng)特征,能夠指導(dǎo)傳統(tǒng)的SMT系統(tǒng)靈活、有效地使用文檔級(jí)知識(shí)。第二種架構(gòu)是基于 N-best列表的后處理方式,重在解決譯文與原文的主題內(nèi)容的一致性,其主要原理是借鑒文本摘要的生成方法,聯(lián)合主題模型在N-best列表中選擇一組更符合原文內(nèi)容的翻譯假設(shè)集合。實(shí)驗(yàn)表明,這兩套系統(tǒng)架構(gòu)都能夠成功集成文檔信息,第一種系統(tǒng)架構(gòu)更具優(yōu)勢(shì)

4、,其性能顯著優(yōu)于傳統(tǒng)的句子級(jí) SMT系統(tǒng)。
　　2.文檔級(jí)統(tǒng)計(jì)機(jī)器翻譯中的時(shí)態(tài)研究。時(shí)態(tài)研究是文檔級(jí)SMT研究中的一個(gè)有效知識(shí)擴(kuò)充,它建立在基于緩存的系統(tǒng)框架之上,能在翻譯系統(tǒng)中融入更多的上下文知識(shí)。本文利用時(shí)態(tài)在文檔內(nèi)的延續(xù)性,提出了N-gram時(shí)態(tài)模型,該模型能反映句子內(nèi)部和句子之間兩個(gè)層次的時(shí)態(tài)變化規(guī)律。在此基礎(chǔ)上,本文又提出了更具泛化能力的基于分類的時(shí)態(tài)模型。實(shí)驗(yàn)表明,兩種時(shí)態(tài)模型各有優(yōu)勢(shì),聯(lián)合了時(shí)態(tài)模型的SMT系統(tǒng)能夠顯

5、著改善翻譯質(zhì)量,最好的系統(tǒng)性能在BLEU值上提高0.97個(gè)點(diǎn)。
　　3.文檔級(jí)機(jī)器翻譯自動(dòng)評(píng)價(jià)方法的研究。本文主要從兩個(gè)方面探索了文檔級(jí)翻譯的自動(dòng)評(píng)價(jià)方法:第一,根據(jù)譯文需要反映原文的關(guān)鍵內(nèi)容出發(fā),分別提出了中心句驅(qū)動(dòng)的評(píng)價(jià)方法和基于主題模型的評(píng)價(jià)方法;第二,從文檔級(jí)翻譯需要保持詞匯銜接性出發(fā),提出了基于詞匯鏈的評(píng)價(jià)方法。相關(guān)實(shí)驗(yàn)表明改進(jìn)后的評(píng)價(jià)方法能不同程度地提高與文檔級(jí)人工評(píng)分的相關(guān)系數(shù)。
　　上述三個(gè)方面構(gòu)成了此項(xiàng)研究