بهبود ترجمه ماشینی مبتنی بر قاعده با استفاده از قواعد نحوی آماری

ترجمه ماشینی مبتنی بر قاعده از مجموعه ای از قواعد که دربردارنده اطلاعات زبانی هستند در فرایند ترجمه استفاده می کند. نتایج تولید شده توسط این مترجم ها معمولا از نظر دستورزبان و ترتیب کلمات بهتر از نتایج مترجم های آماری هستند. ولی تحقیقات نشان داده است که این ترجمه ها از نظر روانی و انتخاب کلمات مناسب، ضعیف تر از مترجم های آماری هستند. در این مقاله هدف، بهبود انتخاب لغات در مترجم مبتنی بر قاعده است. این کار با استفاده از مجموعه ای از قواعد نحوی-لغوی مبتنی بر گرامر درخت-پیوندی انجام می شود. این قواعد احتمالاتی به صورت آماری از یک پیکره موازی با اندازه بزرگ استخراج شده اند. در سیستم ارایه شده، کلمات با ترتیب پیشنهادی مترجم مبتنی بر قاعده در زبان مقصد قرار می گیرند و به همین دلیل در ترجمه جملات از یک رمزگشای یکنواخت مبتنی بر برنامه ریزی پویا استفاده شده است. در این سیستم بهترین ترجمه با استناد به احتمال قواعد استفاده شده و امتیاز مدل زبانی انتخاب می شود. آزمایش ها روی ترجمه انگلیسی به فارسی نشان داد که کیفیت نتایج به دست آمده از روش پیشنهادی حدود 1/3+ واحد بلو از کیفیت ترجمه به دست آمده توسط مبتنی بر قاعده پایه بالاتر است.

کلیدواژه ها:

ترجمه ماشینی ترکیبی ، ترجمه ماشینی مبتنی بر قاعده ، قواعد آماری ، قواعد نحوی-لغوی ، گرامر درخت-پیوندی