英汉命名实体翻译方法研究

论文摘要

命名实体翻译是跨语言信息抽取、机器翻译等跨语言信息处理领域的一项重要任务。命名实体因类别不同采用的翻译方法不同,人名、地名主要采用音译,组织机构名主要采用音译与意译相结合的方法翻译。本文主要针对英汉人名的统计翻译模型方法和基于网络的英汉人名和组织机构名的翻译挖掘方法进行研究。论文的主要内容归纳如下:基于统计机器翻译与基于机器学习策略的英汉音译模型构建方法基于统计机器翻译的音译模型将音译问题映射为句子翻译问题,采用基于短语的和基于N-Gram的机器翻译方法构建音译模型。基于机器学习策略的音译模型将音译问题映射为标注序列问题,采用条件随机场和最大熵两种机器学习方法构建音译模型。对比以上几种音译模型,基于条件随机场的音译模型准确率最高。基于音译与网络的英汉人名翻译挖掘方法本文将统计模型的结果应用到网络挖掘中,通过构造启发式查询扩展获取质量更高的摘要资源,改善网络挖掘翻译的结果。对比基于统计模型的音译方法和基于网络的翻译挖掘方法,实验结果显示基于网络挖掘的翻译挖掘方法具有较高的性能,该方法修正了基于统计音译模型翻译结果中部分汉字不正确的情况。基于网络的英汉组织机构名翻译挖掘方法本文采用基于对齐锚点左右扩展的对齐方法对齐组织机构名双语对语料,然后从对齐结果中抽取组织机构名内部词汇和短语翻译词典。采用该词典作为查询扩展来源从网络中抽取翻译。对比基于网络的翻译挖掘方法和基于短语的统计机器翻译方法,基于网络的翻译挖掘方法性能较高。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状和相关工作
• 1.2.1 音译模型研究
• 1.2.2 组织机构名翻译模型研究
• 1.2.3 基于网络的翻译知识抽取技术研究
• 1.2.4 基于网络的命名实体翻译抽取技术研究
• 1.3 本文的研究内容
• 1.4 论文的组织
• 第二章 英汉人名音译模型
• 2.1 音译单元对齐
• 2.2 统计机器音译方法
• 2.2.1 基于短语的机器音译方法
• 2.2.2 基于N-Gram 的机器音译方法
• 2.3 基于机器学习策略的音译方法
• 2.3.1 最大熵模型
• 2.3.2 条件随机场模型
• 2.3.3 基于机器学习策略的音译模型
• 2.4 实验结果及分析
• 2.4.1 实验数据及工具来源
• 2.4.2 基于统计音译方法实验结果及分析
• 2.4.3 基于机器学习策略的音译模型实验结果及分析
• 2.5 本章小结
• 第三章 基于网络的英汉人名翻译挖掘方法
• 3.1 设计思路和系统架构
• 3.2 启发式查询扩展的构造
• 3.2.1 基于共现主题词译文的扩展集合抽取
• 3.2.2 基于加权翻译概率的扩展字集合抽取
• 3.3 候选翻译串的抽取
• 3.4 候选翻译串的排序
• 3.5 实验结果及分析
• 3.6 本章小结
• 第四章 基于网络的英汉组织机构名翻译挖掘方法
• 4.1 设计思路和系统架构
• 4.2 组织机构名内部词汇对齐方法
• 4.3 启发式查询扩展的构造
• 4.4 候选翻译串的选择及排序
• 4.5 实验结果及分析
• 4.6 本章小结
• 第五章 总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 参考文献
• 攻读学位期间公开发表的论文
• 致谢