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.

Beim Maschinellen Übersetzen von Text einer natürlichen Sprache in eine and ere muss man insbesondere mit der inhärenten Mehrdeutigkeit von Sprache umgehen.统计机器翻译（英语：statistical machine translation，缩写：SMT）是一种韦尔登。SMT的主要核心内容包括：（1）统计模型的形式化;（2）统计模型的训练;（3）有效的解码结构。In Rahmen dieses Projekts wollen wir uns auf solche Übersetzungmodelle beschränken，die als syntaxbasiert bezeichnet韦尔登; sie beziehen die extracting von Text in ihre jourmik mit ein and können dadaptizum Teil bessere Übersetzungen als die phrasenbasierten Ansätze liefern.在形式主义中，为了实现基于语法的SMT韦尔登，我们将使用同步树邻接文法（STAG），并通过形式语言/自动理论来研究SMT语法的形式化。然后，我们将通过一个通用的克恩算法来验证，人们可以进行语法分析，并在培训人员和Dekodierens的问题中进行分析。由Zielsprachmodell确定的Ubersetzung的定量Abweichung的Uberlegungen zur Bestimmung der quantitativen Abweichung sollen unsere Untersuchungen abunden。Eine Implementierung der Eschemen ist in jedem Fall erforderlich，weil schizierte Vergleiche verschedener Ansätze fast immer auf Laufzeiten von Systemen beruhen.