基于人机交互的统计翻译方法

1 基于人机交互的统计翻译方法 2 提纲 1 简介2 基于人机交互的统计翻译方法3 实验结果及分析4 结论 3 提纲 1 简介2 基于人机交互的统计翻译方法3 实验结果及分析4 结论 4 简介 问题的提出Phrase basedSMT采用短语精确匹配的策略1 数据稀疏问题严重 特别是长短语2 短语表中的大量短语无法得到充分利用 我们的目标通过短语模糊匹配和人机交互 利用更多的短语 提高系统的翻译质量 5 简介 Areyouheremeal timeorout Doyoueathereortogo 1 2 6 提纲 1 简介2 基于人机交互的统计翻译方法3 实验结果及分析4 结论 7 短语模糊匹配 短语模糊匹配Dice系数编辑距离 源语言句子 未登录短语 8 扩展句子生成 两个问题 找到的相似短语是否能够提高句子的翻译质量 b 生成的新句子是否与原句语义相同 人机交互 组合分类器 9 组合分类器设计 特征选择 1 原则 扩展句子应该与原始句子非常接近 保证扩展句子的语义不会发生太大的变化 扩展句子的翻译应该与参考答案非常相似 与参考答案越接近 译文的BLEU得分就越高 未登录短语 相似短语 原始句子 扩展句子 参考译文 扩展句子译文 10 组合分类器设计 特征选择 2 11 组合分类器设计 分类器训练 SVM工具 LIBSVM核函数 径向基函数 RadialBasisFunction RBF 训练数据生成1 在训练语料上生成扩展句子2 BLEU打分3 提取特征 12 组合分类器设计 融合 融合多个分类器结果的组合分类器在很多方面要优于参加组合的单个分类器多个参考答案可以训练多个分类器融合方法 投票规则 VoteRule 在测试语料上 将原始翻译结果作为参考答案 13 人机交互方法 短语模糊匹配采用了基于字符串的相似度 不能保证语义的一致性 14 人机交互方法 目的 选择语义保持不变的句子采用基于有限状态自动机的对话管理模型 主要工作 设计系统的状态及状态转移函数 系统输入 状态的有限集合 是初始状态 终止状态的集合 状态转移函数 15 基于FSA的对话管理模型 状态集S0 初始状态S1 对用户提问S2 跳转到下一条短语S3 输出对应翻译Sg 终止状态 状态转移函数S1 S2S1 S3S1 SgS1 S1 16 基于FSA的对话管理模型 基于有限状态自动机的人机交互模型 17 人机交互流程图 18 提纲 1 简介2 基于人机交互的统计翻译方法3 实验结果及分析4 结论 19 实验结果及分析 1 实验数据统计 在IWSLT2007及IWSLT2008BTEC中英文本翻译任务上进行了实验 20 实验结果及分析 2 实验结果BLEU得分比较 PBMT 我们实验室开发的基于短语的统计翻译系统IMT 基于人机交互的翻译系统 21 实验结果及分析 3 人机交互数据统计 22 提纲 1 简介2 基于人机交互的统计翻译方法3 实验结果及分析4 结论 23 结论 利用短语模糊匹配生成扩展