Shift-Reduce Word Reordering for Machine Translation
Shift-Reduce Word Reordering for Machine Translation
复制标题
机器翻译的 Shift-Reduce 单词重新排序
DOI：
--
复制
发表时间：
2013
期刊：
影响因子：
--
通讯作者：
M. Nagata
中科院分区：
文献类型：
--
作者：
K. Hayashi;Katsuhito Sudoh;Hajime Tsukada;Jun Suzuki;M. Nagata
本文提出了一种新的词重排序模型，采用移位-归约分析器的倒置转换语法。我们的模型使用丰富的语法分析功能，单词重新排序和运行在线性时间。我们将其应用到基于短语的机器翻译（PBMT）的后序处理中，用于日语到英语的专利任务。我们的实验结果表明，我们的方法实现了+3.1 BLEU分数对30.15 BLEU分数的基线PBMT系统的显着改善。
This paper presents a novel word reordering model that employs a shift-reduce parser for inversion transduction grammars. Our model uses rich syntax parsing features for word reordering and runs in linear time. We apply it to postordering of phrase-based machine translation (PBMT) for Japanese-to-English patent tasks. Our experimental results show that our method achieves a significant improvement of +3.1 BLEU scores against 30.15 BLEU scores of the baseline PBMT system.
DOI：
10.5555/972705.972707
发表时间：
1997-09
期刊：
Comput. Linguistics
影响因子：
--
作者：
Dekai Wu
通讯作者：
Dekai Wu