[发明专利]构建树结构及基于树结构的机器翻译系统的方法

权利要求书

1.一种利用双语语料构建树结构的方法，所述树结构用于构建机器翻译系统，其特征在于，所述方法包括如下步骤：

对所述双语语料中的双语句子对进行分词、词性标注和词对齐；

根据所述词对齐的结果，对所述双语句子对进行双语切分，生成比双语句子对长度更短的双语子句对，并对生成的所述双语子句对重新进行词对齐；

根据所述双语子句对词对齐的结果，进行子句合并以获得所述双语句子对的词对齐，并为所述双语句子对构造压缩森林；

从所述压缩森林中选择适合于机器翻译的树结构。

2.如权利要求1所述的利用双语语料构建树结构的方法，其特征在于，当所述语言对不包含汉语时，则不进行分词。

3.如权利要求2所述的利用双语语料构建树结构的方法，其特征在于，对所述双语句子对进行双语切分的方法为：

根据所述词对齐的结果，配对子句必须满足如下规则：

A、每个子句的长度大于一个长度阈值；

B、双语对齐的子句的长度比小于一个长度比阈值；

C、每个子句中，最少有第一百分比的词汇能够对齐到与它配对的子句中；

D、从每个子句发出的对齐线中，最多有第二百分比的对齐线(align link)无法对应到与它配对的子句中；

E、只在用于断句的标点符号处寻找双语句子对的切分点。

4.如权利要求2所述的利用双语语料构建树结构的方法，其特征在于，利用所述双语句子对构造压缩森林的步骤包括：

构造压缩森林的节点标签；

削减与目标语言句子所对应的树结构空间；

利用所述节点标签构造方法和树结构空间的削减方法构造压缩森林。

5.如权利要求4所述的利用双语语料构建树结构的方法，其特征在于，构造压缩森林的节点标签的步骤包括：

把森林中的非叶子节点按照所控制的词汇的个数进行分类：

I、单词节点，控制句子中的一个词，节点标签即为这个词的词性标注；

II、双词节点，控制句子中的两个词，节点标签是这两个词的词性标注的组合；

III、多词节点，控制句子中的多个词，节点标签定义为开头和结尾两个词的词性标注的组合。

6.如权利要求4所述的利用双语语料构建树结构的方法，其特征在于，所述削减与目标语言句子所对应的树结构的搜索空间的步骤包括：

只保留边界节点数目最多的树结构。

7.如权利要求4所述的利用双语语料构建树结构的方法，其特征在于，在利用所述节点标签构造方法和树结构空间的削减方法构造压缩森林的步骤中，使用二叉结构构造压缩森林。

8.如权利要求2所述的利用双语语料构建树结构的方法，其特征在于，从所述压缩森林中选择适合于机器翻译的树结构的步骤包括：

利用期望最大化算法并获取能够更好的解释所述双语语料的树结构。

9.如权利要求8所述的利用双语语料构建树结构的方法，其特征在于，在期望最大化算法中，概率估计是通过内外向算法进行的。

10.一种构建基于树结构的机器翻译系统的方法，其特征在于，采用如权利要求1至9中任一项所述的构建树结构的方法来构建该机器翻译系统的树结构，并基于该树结构构建基于树结构的机器翻译系统。