跨语言信息检索中的机器翻译研究

互联网信息在全球范围共享的主要障碍是多语言问题，跨语言信息检索（CLIR）是解决该问题的有效方法之一。但是，现有的跨语言信息检索的精确率过低，没有达到实用的水平，提高跨语言信息检索系统性能的关键是提高检索语句的翻译精度。本项目从中英文两种语言的信息检索入手，研究跨语言信息检索中机器翻译的若干关键技术。针对跨语言信息检索及机器翻译的特点，从三个方面提高机器翻译的精确率：一是考虑从单语检索结果中提取出检索语句本身的多种词法信息，为检索语句的翻译提供细粒度词法信息，从而提高检索语句的翻译精度；二是提出一种融合短语结构和句法功能的功能短语，把对翻译要素的考虑提前到句法分析阶段，提高句法结构歧义的消歧率和机器翻译的精确率；三是提出可嵌套模板函数和统计方法等多模型结合的机器翻译方法，提高含复杂结构的句子或短语的翻译精度。其中，后两种方法对一般机器翻译的研究也具有重要意义和应用价值。

围绕跨语言信息检索中机器翻译的若干关键问题展开了深入研究，主要研究内容包括汉语自动分词与词法分析、跨语言信息检索的语言资源建设、短语识别算法、双语命名实体和术语的自动挖掘、机器翻译模型研究等相关研究。取得研究结果：（1）提出了一种新的句法结构歧义消解方法，将英汉机器翻译中的英语句法结构歧义转化为功能名词短语的识别，并提出一种统计与规则结合的功能名词短语识别方法；（2）提出了统计与规则融合的系列算法，并在名词短语识别、双语命名实体挖掘、时间表达式识别、模糊限制信息检测、新词识别等自然语言处理任务上获得了较优的实验结果；（3）提出了一种基于汉字与音节转换概率的音译算法，建立了汉英双向音译模型，并将音译模型和基于短语的统计机器翻译融合，显著提高了复杂结构短语和句子的翻译精度。研究结果表明：功能名词短语应用到机器翻译领域，可以消除部分复杂名词短语的结构歧义，从而达到提高现有机器翻译系统性能的目的。