資源描述：
《英漢機器翻譯中的介詞短語消歧》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、對外經(jīng)濟貿(mào)易大學(xué)碩士學(xué)位論文英漢機器翻譯中的介詞短語消歧姓名：胡克力申請學(xué)位級別：碩士專業(yè)：外國語言學(xué)與應(yīng)用語言學(xué)指導(dǎo)教師：陳蘇東;武姜生20040401中文摘要機器翻譯是自然語言處理中的一個極為重要的領(lǐng)域和試驗田。自然語言的多種因素也阻礙了機器翻譯的發(fā)展，比如一詞多義，句法歧義，復(fù)雜的多重語法結(jié)構(gòu)等等。在這些困難當中，歧義是最主要的因素。本文集中討論了英漢機器翻譯中，對介詞短語的句法歧義現(xiàn)象的消歧方法。在對主要機器翻譯系統(tǒng)的分類進行了簡要介紹之后，本文回顧了目前用于句法分析的最重要的一種形式語法：短語結(jié)構(gòu)語法，并演示了使用短語結(jié)構(gòu)語法分析句子結(jié)構(gòu)從而
2、導(dǎo)致介詞短語歧義結(jié)構(gòu)的過程。此后，本文主要分析了基于優(yōu)選的介詞短語消歧策略，并提出了一個實驗性的介詞短語消歧模型。針對模型中自動獲取短語搭配的需要，結(jié)合Brill錯誤驅(qū)動算法，通過重復(fù)該算法的實驗和數(shù)據(jù)，驗證了運用該算法進行介詞短語消歧的有效性。最后，針對處理介詞短語歧義時遇到的數(shù)據(jù)稀疏這一所有統(tǒng)計語言模型都面臨的難題，分析介紹了基于N—Gram的回退法介詞短語消歧及平滑技術(shù)。關(guān)鍵詞：機器翻譯，介詞短語岐義，短語結(jié)構(gòu)語法，錯誤套《的機器學(xué)習(xí)，數(shù)據(jù)稀疏AbstractMachinetranslation(MT)isanextremelyimportant
3、researchfieldandtest-inggroundofnaturallangllageprocessing(NLP)．Asaninterdisciplinaryresearchfield，MTrequirestheknowledgeofLinguistics，ComputerSdence，Mathmaticsetc．，whichremainsachallenginga,rea．ManyfactorshinderthedevelopmentofMT，suchaslexiealambiguity,syntacticambiguity，multip
4、legrammaticalstructuresetc．，amongwhichvariouskindsofambiguityarethemostdifficultpart．Thisthesisfocusesondlsambiguationofprepositionalphrase(PP)at-tachment．AfterabriefintroductiontotheclassificationofmajorMTsys—tems，thisthesisreviewsoilthemostimportantformalgrammarinMT：PSGlanddem
5、onstratedhowprepositionalphraseattachmentambiguityisderivedwhenparsingbythisgrammar．Afterthat，theauthormainlyann-lyzespreference—baseddisambiguationapproachesandproposesatentativemodelforresolvingPPambi￡；uity．Facingthemajorproblemoflackingofrules，thisthesisverifiesBrill’stransfo
6、rm—basederror-drivenalgorithmandexperimentforautomaticretrievaloftransformationrules．Finally,incon-nectionwiththesparsedataproblemintheprocessingofPPdisambiguationaudcurrentstatisticallanguagemodels，theauthorintroducesthebacked-offN—Grambasedalgorithmandsimilarity-basedsmoothing
7、．KeyWords：MachineTranslation，PrepositionalPhraseAttachmentProblemlPhraseStructureGraalamar】Error-drivenLearning，SparseDataAcknowledgements1wouldliketoexpressmygratitudetothefollowingpeoplefortheirsupportandassistallceinthewritingofthisthesis：MygratitudegoestoprofessorChenSudong，
8、thebestacademicadvisorandteacherIcouldhavewishe
