融合语言知识与统计模型的机器翻译方法研究

本项的主要目标是建立一种有效的机器翻译方法，将传统的规则方法和目前流行的统计方法有效地结合起来，从而使得机器翻译的质量有较大的提高。统计机器翻译近年来取得了重大的进展，可以从大规模语料库中获取大量不同粒度的翻译知识，并为多种复杂因素下的译文优选提供较为合理的解决办法。但统计方法也有明显的缺点，目前的主流的统计机器翻译方法是基于短语的方法，由于没有利用更深层次的句法、语义等结构信息，很难解决翻译过程中的长距离词序调整问题，而且生成的译文也经常不符合目标语言的语法。特别是对于汉语和英语这两种结构差别比较大的语言而言，问题尤其严重。而传统的基于语言学规则知识的方法，在句法分析准确的情况下，可以比较好地解决这类问题。将这两种方法有效地结合起来，是进一步提高机器翻译质量的必由之路。这将使机器翻译在各种领域得到更加广泛的应用，在目前信息交流急剧增长的今天，这无疑具有无可估量的经济和社会效益。