中日英新闻二型模糊多粒度翻译方法研究

Along with the economic globalization and the rise of self-media, cross-media and social-networking, communicating across language needed to overcome the interaction obstacles, to improve the breadth, depth, and speed of information dissemination. Since USA, China and Japan are the top-3 important countries in GDP, Chinese-Japanese-English news translation is very important. In this proposal, we propose a novel type-2 fuzzy multi-granular hidden Markov model, called GT2HMM, in which interpretable granules representation is introduced to describe the contextual uncertainty for its transfer learning. The correspondences among words are transformed into information granules using fuzzy c-means. To fulfill the utilization of granular information in news translation, we construct a type-2 fuzzy HMM which fuses labeled data and unlabeled observations. With a tunable granularity, correspondence information is refined in a coarse-to-fine manner in GT2HMM. We further present a type-2 fuzzy rough set reduction algorithm to obtain multiple granular rules and knowledge to improve multi-granular pattern matching and news machine translation system.

随着经济全球化和自媒体、互媒体、社交网络的兴起，跨语言交流急需克服障碍、解除制，提高信息传播的广度、深度和速度。美中日是世界GDP前三位的重要国家，中日英新闻翻译尤为重要。本项目研究中日英新闻二型模糊多粒度翻译方法，引入可解释的粒度，描述句内关联、句间呼应和上下文信息，通过模糊C均值聚类进行粒度化，进而构建一种新的二型模糊多粒度隐马尔可夫模型，该模型具有上下双层结构，底层利用隐马尔可夫模型中的概率关系描述自然语言中的概率性，而自然语言中的模糊性通过上层模糊来描述，多粒度则由枢轴空间模糊C均值聚类形成；提出二型模糊粗糙集多粒度约简算法获取多粒度规则和知识；研究多个层次地模式匹配，形成一种新颖的基于多粒度模式的机器翻译方法，并构建新的中日英跨语言新闻翻译系统。

随着经济全球化和自媒体、互媒体、社交网络的兴起，跨语言交流急需克服障碍，提高信息传播的广度、深度和速度。美中日是世界GDP前三位的重要国家，中日英新闻翻译尤为重要。本项目研究中日英新闻二型模糊多粒度翻译方法，引入可解释的粒度，描述句内关联、句间呼应和上下文信息，通过模糊C均值聚类进行粒度化，进而构建一种新的二型模糊多粒度隐马尔可夫模型，该模型具有上下双层结构，底层利用隐马尔可夫模型中的概率关系描述自然语言中的概率性，而自然语言中的模糊性通过上层模糊来描述，多粒度则由枢轴空间模糊C均值聚类形成；提出二型模糊粗糙集多粒度约简算法获取多粒度规则和知识；研究多个层次化模式匹配，形成一种新颖的基于多粒度模式的机器翻译方法，并构建新的中日英跨语言新闻翻译系统。