基于句对质量和覆盖度的统计机器翻译训练语料选取

摘要：

本文研究的目的是在待翻译文本未知的情况下，从已有的大规模平行语料中选取—个高质量的子集作为统计机器翻译系统的训练语料，以降低训练和解码代价。本文综合覆盖度和句对翻译质量两方面因素，提出—种从已有平行语料中获取高质量小规模训练子集的方法。在CWMT2008汉英翻译任务上的实验结果表明，利用本文的方法能够从现有大规模语料中选取高质量的子集，在减少80％训练语料的情况下达到与baseline系统(使用全部训练语料)相当的翻译性能(BLEU值)。

关键词： 句对质量评价 覆盖度 统计机器翻译 线性句对质量评价模型 训练语料选取

作者: 姚树杰 肖桐 朱靖波

作者单位: 东北大学自然语言处理实验室,辽宁沈阳 110004 医学影像计算教育部重点实验室(东北大学),辽宁沈阳,110819

会议类型: 国内会议

会议名称: 第五届全国青年计算语言学研讨会(YWCL 2010)

会议地点: 武汉

会议语种:中文

页码: 221-227

在线出版日期: 2010-10-11（万方平台首次上网日期，不代表论文的发表时间）