1、陳毅東 史曉東 周昌樂ydchen, mandel, 2008年11月 北京1提綱概述機器翻譯系統概要系統融合方法概要測評數據與結果小結2提綱概述機器翻譯系統概要系統融合方法概要測評數據與結果小結3概述廈門大學參加了漢英新聞領域機器翻譯（開放）漢英新聞領域系統融合英漢新聞領域機器翻譯（受限）英漢科技領域機器翻譯（受限）使用的模型漢英機器翻譯：短語，短語+規則英漢機器翻譯：短語+規則、規則使用的融合方法和系統融合評測中使用的相同4提綱概述機器翻譯系統概要系統融合方法概要測評數據與結果小結5機器翻譯系統概要（1）統計翻譯系統短語模型對數線性模型融合特征：短語翻譯概率（正向/反向）、詞匯化短語翻譯概

2、率（正向/反向）、語言模型、長度懲罰因子、短語懲罰因子單調解碼，動態規劃方法漢英機器翻譯評測中，我們的短語翻譯系統則結合了基于組塊的詞語調序模型 6機器翻譯系統概要（2）規則翻譯系統基本模塊：詞法分析句法分析詞義消歧譯文生成采用依存文法描述英語和漢語，文法由程序來描述 詞典條目大約10萬結合了部分TM技術沒有專門針對這次評測進行調整7提綱概述機器翻譯系統概要系統融合方法概要測評數據與結果小結8系統融合方法概要（1）早在1994年就有研究者研究多引擎翻譯系統。多引擎系統的研究可以粗略地分成兩類：簡單地在各系統的輸出中選出一個最佳的結果。從各系統的輸出中各選取最佳片段并構成新的結果。由于融合粒度更

3、細，第二類方法常常可以獲得更好的融合效果。第二類系統融合技術需要解決的兩個問題：必須從候選翻譯中抽取出與原文相對應的翻譯片段。必須在這些可用的翻譯片段中篩選并組合成新的翻譯結果。 9系統融合方法概要（2）參考文獻Chen Yu, Andreas Eisele, Christian Federmann, Eva Hasler, Michael Jellinghaus, and Silke Theison. 2007. Multi-Engine Machine Translaiton with an Open-Source Decoder for Statistical Machine Trans

4、laiton. In: Proceedings of the Second Workshop on Statistical Machine Translation, Prague, 193-196. 平行語料庫候選翻譯原文新句對短語表短語模型訓練模塊單語語料庫語言模型語言模型訓練模塊短語翻譯解碼模塊譯文10提綱概述機器翻譯系統概要系統融合方法概要測評數據與結果小結11評測數據與結果（1）使用的外部工具GIZA+工具包對雙語語料進行詞對齊，訓練模式是15H53545使用SRI語言模型工具包來訓練語言模型使用CRF+工具包來訓練組塊分析器（漢英測評中）。12評測數據與結果（2）漢英新聞機器翻譯評測

5、數據結果系統BLEU4NIST5時間(s)xmu-constrast-memt（統計+規則）0.24127.50826935.44xmu-primary-pumpkin（統計）0.23907.84015341.2513評測數據與結果（3）漢英新聞系統融合評測 根據諸系統在ssmt2007測試集上的成績僅挑選了前4名的系統參與融合采用的數據情況同漢英新聞機器翻譯評測結果constrast系統使用和漢英新聞機器翻譯評測相同的參數，primary系統則將長度懲罰因子參數增加到原來的兩倍。 系統BLEU4NIST5時間(s)xmu-primary-memt10.27217.440815043.03xm

6、u-constrast-memt20.23215.195515108.8814評測數據與結果（4）英漢新聞機器翻譯評測數據情況結果系統BLEU5NIST6時間(s)xmu-primary-memt（統計+規則）0.23697.96243262.44xmu-constrast-neon（規則）0.22638.319936.45pbtm（統計）0.2020-15評測數據與結果（5）英漢科技機器翻譯評測數據情況結果xmu-constrast-memt2系統僅使用科技語料 系統BLEU5NIST6時間(s)xmu-primary-memt1 (統計+規則)0.402610.32473362.61xmu-constrast-memt2 (統計+規則)0.400410.27293091.70 xmu-constrast-neon (規則)0.28169.140058.2316提綱概述機器翻譯系統