[发明专利]一种基于谓词论元结构的统计机器翻译方法

说明书

技术领域

本发明涉及自然语言处理技术领域，是一种新颖的基于谓词论元结构(简称为PAS)的统计机器翻译方法。

背景技术

当前的统计机器翻译方法主要是从双语语料库中自动学习翻译规则，并利用这些规则对测试语句进行翻译的过程。统计机器翻译模型经历了基于词的、基于短语、以及基于句法结构的翻译模型，翻译质量也取得了长足的发展。然而，当前的翻译模型最多只考虑了句子的层次结构属性，而并没有对句子中的语义知识进行建模。

同时，调序(reordering)一直都是机器翻译研究中的一个既重要又困难的课题。当前的翻译模型对于局部调序(local reordering)进行了很好的建模。然而，对于全局调序(global reordering)，也就是把句子的整体结构考虑在内的调序，当前的机器翻译模型并没有非常好的解决办法。因此，如果建立一个机器翻译模型，能够对句子的语义知识进行建模，同时又能够很好地处理全局调序问题，将大大推动机器翻译领域的发展，是一项富有挑战且非常有意义的工作。

谓词论元结构体现了句子中一个谓词和它的所属论元之间的关系。因此，它从某种程度上就指示了句子的语义属性和主体的骨架结构。根据谓词论元结构的特性，发现它不仅仅提供了机器翻译所需要的语义知识，而且提供了一种骨架结构，可以用于在句子的骨架层面进行全局调序。同时，文献【Pascale Fung，Wu Zhaojun，Yang Yongsheng，and Dekai Wu.(2006).Automatic learning of chinese english semantic structure mapping.InIEEE/ACL 2006 Workshop on Spoken Language Technology(SLT 2006)】和【Dekai Wu and Pascale Fung.(2009b).Semantic roles for smt：A hybridtwo-pass model.In Proceedings of Human Language Technologies：The 2009Annual Conference of the North American Chapter of the Association forComputational Linguistics，Companion Volume：Short Papers】还证明了两种语言之间的谓词论元结构比句法结构更能保持结构上的一致性。也就是说，由于当前的基于句法结构的翻译模型总是受到双语句子之间句法结构差异性的限制，谓词论元结构将是句法结构一个非常合适的替代品。

发明内容

(一)要解决的技术问题

本发明所要解决的技术问题是针对如何有效利用句子中的语义信息，并同时处理机器翻译过程中的全局调序问题，提出了一种基于谓词论元结构的统计机器翻译方法。这种方法使得翻译模型能够充分使用待翻译句子的谓词论元结构中所携带的语义信息，并同时对句子在骨架层面的全局调序进行建模，以提高当前统计机器翻译系统的性能。

(二)技术方案

为了解决上述技术问题，本发明提供一种利用句子的谓词论元结构进行统计机器翻译的方法。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、自动词对齐、句法分析以及双语联合语义角色标注；根据所述双语联合语义角色标注的结果，抽取所述双语句子对的PAS转换规则，以对两种语言的谓词论元结构之间的对应关系进行建模；利用所述PAS转换规则，匹配待翻译句子的多个语义角色标注结果，并相应进行翻译；根据所述翻译规则的匹配和翻译结果，构造解码超图，最终生成翻译结果。

根据本发明的优选实施例，所述抽取PAS转换规则的具体步骤如下：

步骤1：首先利用自动词对齐的结果对双语联合语义角色标注的结果进行修改，以确定双语谓词论元结构的对应关系；

步骤2：根据双语谓词论元结构的对应关系，抽取PAS转换规则。

步骤3：根据所获得的PAS转换规则，对这些规则进行泛化扩展。

根据本发明的优选实施例，在源语言的谓词论元结构中，若存在多个论元对齐到目标语言的一个或多个论元的情况，不抽取PAS转换规则。

根据本发明的优选实施例，利用基于谓词的规则翻译概率和基于源端谓词论元结构的规则翻译概率来衡量PAS转换规则的置信度。

根据本发明的优选实施例，使用PAS转换规则匹配待翻译句子的多个语义角色标注结果时，只保留那些含有最多的论元或者覆盖了最多词汇的匹配结构。