基于映射关系理解的实体翻译方法及应用研究

实体翻译在机器翻译、跨语言信息检索等领域都有非常重要的用途。目前实体翻译面临以下几个挑战：实体作为多信息成分的组合体，在翻译中呈现不同的映射方式，目前翻译模型难以表示和容纳这些丰富的映射知识；传统的双语实体抽取方法难以从模式、内容多样性的网络资源中获取双语词典；实体识别错误是实体翻译应用于机器翻译系统的最大障碍。因此，本项目拟在以下几个方面进行深入研究和探索：（1）在对实体映射关系进行分析、定义的基础上，结合实体识别任务，提出实体映射关系的理解方法；（2）在此基础上，研究提出基于映射关系理解的实体翻译一体化模型；（3）利用图模型对混合网页中翻译对的抽取问题进行建模，并建立主动学习引导下的双语词典生成的新方法；（4）最终面向机器翻译的应用，提出基于多核学习的扩展实体翻译模型，实现实体识别和实体翻译的交互，并辅助机器翻译系统性能的提高。本项目开展的研究工作具有重要的理论意义和应用价值。

本项目针对目前命名实体翻译面临的几个关键问题：如何准确理解实体内部词所映射的语义并进行翻译；如何使双语实体识别与实体对齐相辅相成；以及最终如何有机结合实体翻译与机器翻译等问题，展开了一系列研究，取得的主要技术进展和研究成果归纳如下：(1) 分析了汉英实体识别的差异性和互补性，提出了汉英双语实体识别与对齐的联合式模型，突破了传统的实体对齐框架。该联合式模型不仅有效提高了实体对齐的性能，而且大幅度提高了实体识别结果。(2) 提出了一种融合生成式和区分式的汉语分词模型，可应用于实体的内部标注，可以更好地理解实体内部词的语义及相互关系。(3) 针对实体词的多义性，提出了基于语义理解的汉语实体翻译方法，有效提高了人名、地名和机构名的翻译效果。(4) 基于双语实体识别与对齐的特性，提出了汉英双语实体识别与对齐的交互式方法，包括基本对齐计算和修正对齐计算。其中的修正对齐计算根据单语和双语序列上的实体置信度，重新判断实体的边界和类别，实现了双语实体识别与对齐的交互。(5) 未登录词在实体中占有很大的比例，严重影响了机器翻译效果，因此，针对未登录词提出了基于语义功能的挖掘模型，可以有效地解决未登录词在翻译模型中造成的短语调序问题。. 基于以上研究成果，我们实现了一个汉英双语实体识别与翻译的高性能系统。该系统加入到机器翻译系统后，可以有效改善译文质量，为将来的进一步研究打下了扎实的基础。. 三年来，项目总体进展顺利，所有研究计划已按要求完成。共发表学术论文15篇，被国际顶级期刊录用论文2篇，获一项学术会议最佳论文奖；申请国家发明专利2项，获2项软件著作权登记；培养研究生8名，达到了项目的预期目标和成果。