基于音节划分及短语表优化的英汉人名音译研究

王丹丹，黄德根，高扬

(大连理工大学 计算机科学与技术学院，辽宁 大连 116024)

基于音节划分及短语表优化的英汉人名音译研究

王丹丹，黄德根，高扬

(大连理工大学 计算机科学与技术学院，辽宁 大连 116024)

把英汉人名音译问题转换为以音节为基本单位的翻译问题，将连续的音节组合看作短语，引入一种基于短语的统计机器翻译方法，实现英汉人名的音译。首先，针对现有音节划分方法存在的问题，提出一种改进的音节划分方法；其次，该文提出去除低频词法及基于C-value方法对短语表进行优化，解决了训练语料偏小导致短语表中出现杂质信息的问题；之后，融入了汉语人名中首字(词)及尾字(词)的位置特征，改善了生成的音译候选中汉字选取的不合理性；最后，提出了两阶段音节划分方法，缓解了音节划分粒度过大导致的音译错误。与基准方法相比，其音译准确率ACC由63.78%提高到67.56%。

英汉人名音译；音节划分；短语表优化；C-value

1 引言

人名音译是指利用源语言及目标语言发音规则的异同将源语言人名翻译成目标语言，在机器翻译、跨语言信息检索等多语言处理任务中有重要作用。随着互联网络的迅猛发展，传统的基于词典的人名翻译方法已不能适应当前海量数据增长的需求，逐渐被基于数据驱动的人名音译方法取代。

根据处理单元的不同，人名音译方法一般分为基于发音、基于字形和基于发音字形混合的方法[1]，文献[2]提出了基于发音的方法，利用源语言发音规则先将源语言人名转换为发音中间体，然后根据目标语言的发音规则，将中间体转换为目标语言；……