以机器翻译技术为核心的多语信息处理研究

赵铁军，曹海龙

(哈尔滨工业大学 教育部—微软语言语音重点实验室，黑龙江 哈尔滨 150001)

1 引言

随着互联网的迅速发展和国际交流的日益频繁，以机器翻译技术为核心的多语信息处理已成为国际上的一个热点研究领域。中国、欧美、日本等国的研究机构和企业正在这个研究方向上进行着激烈竞争。多语信息处理研究主要包括机器翻译、跨语言信息检索和跨语言学习等问题。本文首先介绍这几个问题的研究现状，然后重点介绍本文研究者在统计机器翻译与应用、机器翻译评价、跨语言信息检索等方面的研究工作。

1.1 机器翻译研究现状

统计机器翻译领域早期的代表性方法是IBM公司的P. Brown等人提出的基于信源信道思想的统计翻译模型[1-2]，这种方法以词作为最小单位对双语句子的翻译过程进行描述。然而，基于词的翻译模型在实用中遭遇到了词对齐噪声的影响且没有考虑句子的结构及上下文信息，在两种语言的语序相差比较大时翻译效果不好。为了解决上述问题，基于短语的机器翻译模型被提出[3]，基于短语的模型以较为稳定的共现短语对作为翻译的基本元素，在一定程度上减弱了词对齐噪声对翻译的不利影响，并能够将翻译时需要的上下文信息自然地融入翻译模型之中。基于短语的统计机器翻译模型在近几年的统计机器翻译研究中已经占据了主导地位。除了基于信源信道的统计翻译模型以外，更为一般化的对数线性模型被提出[4]，可以较为方便地加入新的特征。……