规则和统计相结合的中文地址翻译方法

于 淼，吕雅娟，苏劲松，李贤华

(中国科学院 计算技术研究所 智能信息处理重点实验室，北京 100190)

1 引言

随着信息技术的发展，不同语言之间的沟通和交流变得越来越重要，在此背景下机器翻译等自然语言处理技术得到长足发展。作为当前研究热点之一，命名实体翻译技术正广泛应用于诸多自然语言处理任务中，例如，机器翻译、跨语言信息检索等。在机器翻译中命名实体的翻译也成为影响机器翻译性能的重要因素之一。在人名的翻译任务利用音译技术基本完成之后，地址等非音译信息的翻译成为命名实体翻译研究的重点，对命名实体翻译具有重要的意义。

目前，研究地名翻译的工作很多[1-2]，但是针对完整地址翻译的工作比较少，大致可以分为两类方法。一类是基于规则的方法[3-4]，虽然这种方法翻译的准确性很高，但是规则的撰写耗时耗力。另一类是基于统计的方法，该方法[5]主要包括基于字的、基于词的以及基于短语的方法，虽然它具有很强的模型学习能力，无需人工介入，但受限于地址双语语料规模的有限性，基于统计的方法难以充分发挥它的优势，以达到较高的翻译质量。针对这些问题，本文提出了规则和统计相结合的中文地址翻译方法，实现在训练语料规模匮乏的条件下，尽可能减少人工参与，使得系统在拥有较好的模型学习能力的同时完成高质量的中文地址翻译。

本文通过深入研究中文地址的组成特点，提出了基于规则的中文地址分词及类型标注方法。……