ترجمه ماشینی آماری با استفاده از برچسب های کم عمق نحوی

این مقاله مدل سلسله مراتبی جدیدی را برای ترجمه ماشینی آماری پیشنهاد می دهد که غیرپایانه ها را با تطابق مرز عبارات مقصد با برچسب هایکم عمق نحوی در سمت مقصد پیکره آموزش، نامگذاری می کند. در جایی که برچسبی برای کل عبارت موجود نباشد، نام غیرپایانه از اتصالبرچسب های مرزی تعریف می شود. برچسب گذاری با کلاس کلمات مرزی عبارات قبلا معرفی گردیده است که می تواند شکل مبنای مدلپیشنهادی درنظر گرفته شود. ما این شکل مبنا را در مقاله حاضر با استفاده از برچسب قطعات توسعه می دهیم. در این توسعه، اگر برچسب قطعهدر مرز عبارت وجود نداشته باشد، از برجسب POS کلمه مرزی استفاده می شود. با استفاده از برچسب عبارات به جای کلاس کلمات، قواعد مدلپیشنهادی تعمیم داده می شود. تعدادی آزمایش در ترجمه فارسی به انگلیسی انجام شد. با استفاده از معیار BLEU در قیاس با مدل SAMTکه از درخت تجزیه نحوی برای برچسب گذاری استفاده می کند، مدل پیشنهادی بهبود قابل توجهی به دست آورد.

کلیدواژه ها:

ترجمه ماشینی آماری ، مدل سلسله مراتبی ، برچسب کلمه ، برچسب قطعه