权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Formale Modelle und Algorithmen zur syntaxbasierten maschinellen Übersetzung natürlicher Sprachen

基于语法的自然语言机器翻译的形式模型和算法

基本信息

批准号：
198961575
负责人：
Professor Dr.-Ing. Heiko Vogler
金额：
--
依托单位：
Professur für Grundlagen der Programmierung
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2011
资助国家：
德国
起止时间：
2010-12-31 至 2013-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/198961575?language=en
关键词：
Formale Modelle und Algorithmen zur

项目摘要

Beim Maschinellen Übersetzen von Text einer natürlichen Sprache in eine andere muss man insbesondere mit der inhärenten Mehrdeutigkeit von Sprache umgehen. Im Bereich der statistical machine translation (kurz: SMT) werden hierzu Wahrscheinlichkeiten verwandt. Drei wichtige Kernaufgaben der SMT sind (1) das Formalisieren des statistischen Übersetzungsmodell, (2) das Trainieren der Wahrscheinlichkeiten des Übersetzungsmodells und (3) die Konstruktion effizienter Algorithmen zur Berechnung von Übersetzungen (Decoding). Im Rahmen dieses Projekts wollen wir uns auf solche Übersetzungsmodelle beschränken, die als syntaxbasiert bezeichnet werden; sie beziehen die Syntax von Text in ihre Algorithmik mit ein und können dadurch zum Teil bessere Übersetzungen als die phrasenbasierten Ansätze liefern. Unter den Formalismen, die für die syntaxbasierte SMT verwendet werden, wollen wir synchronous tree-adjoining grammars (kurz: STAG) betrachten und durch formalsprachliche/automatentheoretische Untersuchungen die Güte dieses Formalismus für die SMT bewerten. Dann wollen wir versuchen, aus dem Trainieren und Dekodieren einen gemeinsamen algorithmischen Kern herauszuschälen, den man als Parsing bezeichnen kann, und diesen anschließend auf die Problemfelder des Trainierens und Dekodierens anwenden. Überlegungen zur Bestimmung der quantitativen Abweichung der Übersetzung vom Zielsprachmodell sollen unsere Untersuchungen abrunden. Eine Implementierung der Algorithmen ist in jedem Fall erforderlich, weil publizierte Vergleiche verschiedener Ansätze fast immer auf Laufzeiten von Systemen beruhen.

在这两种情况下，我都不知道该怎么做了。我是Bereich der统计机器翻译(Kurz：SMT)。DREI Wichtige Kernaufgaben der SMT sind(1)das Formalisieren des Statistischenäbersetzungsmodelell，(2)das Trainieren der Wahrscheinlichkeiten desäbersetzungsmodells and(3)die Konstrukuktion Effizienter算法wur Berechnung vonúbersetzungen(译码)。Im Rahman dieses Projekts wollen wirn uns auf solcheúbersetzungsModel le be chränken，die als语法basiert bezeichnet werden；Sie bezieen die语法von Text in ihre算法MIT Ein and können dadurch zum teil bessereúbersetzungen als die短语enbasierten ansätze liefern。在形式化的基础上，建立了同步的树邻接文法(Kurz：STAG)，并建立了形式化的树邻接文法/自动机理论。在此基础上，提出了一种新的训练方法和算法，并分析了训练过程中出现的问题。从数量上看，这是一种新的发展趋势。一种算法的实现是在Jedem Fall erforderlich，Weil Publizierte Vergleiche verschiedener Andätze fast immer auf Lauf Laufzeiten von Systeman beruhen.