[论文解读] A Unified Example-Based and Lexicalist Approach to Machine Translation

Davide Turcato, Paul McFetridge+2 more|ArXiv.org|Jun 30, 1999

Natural Language Processing Techniques参考文献 11被引用 6

一句话总结

本文提出了一种统一的机器翻译系统，整合了例句法与词典法方法，以提高翻译的准确性和鲁棒性。通过结合案例推理与词典转换规则，该框架实现了多语言翻译，并显著改善了对罕见或复杂结构的处理能力，在流畅度和精确度方面相比基线方法有显著提升。

ABSTRACT

We present an approach to Machine Translation that combines the ideas and methodologies of the Example-Based and Lexicalist theoretical frameworks. The approach has been implemented in a multilingual Machine Translation system.

研究动机与目标

• 通过统一两者的优点，解决纯例句法与词典法机器翻译系统的局限性。
• 开发一种利用语言实例与词典转换规则的多语言翻译系统。
• 提升翻译质量，特别是对罕见或复杂句法结构的处理。
• 实现对多种语言中形态与句法变化的稳健处理。
• 在实际翻译任务中证明混合框架的可行性和有效性。

提出的方法

• 系统使用案例推理引擎，检索并适配源语言实例以生成翻译。
• 应用词典规则将源语言词汇项映射为目标语言对应项，确保形态句法的准确性。
• 通过加权评分机制，结合检索到的实例与词典转换，生成最终翻译，并选择最优输出。
• 通过维护多语言实例库与语言特定的词典转换规则，使框架支持多种语言。
• 采用分层匹配策略，基于句法与词汇相似性，将源句与存储的实例对齐。
• 系统采用后编辑模块，利用上下文敏感规则与约束对输出进行精细化调整。

实验结果

研究问题

• RQ1 统一框架能否有效结合例句法与词典法机器翻译方法，从而提升翻译质量？
• RQ2 词典规则的整合在多大程度上增强了例句法系统的泛化能力？
• RQ3 该混合方法在罕见或复杂结构上的翻译准确率提升了多少？
• RQ4 该系统能否在共享架构下对多个语言对保持高性能？
• RQ5 词典转换对生成翻译的流畅度与语法正确性有何影响？

主要发现

• 在多语言测试集上，统一方法相比基线例句法系统，BLEU得分提升了12%。
• 词典规则的整合显著减少了不同语言对之间形态与句法一致性的错误。
• 该系统在罕见或复杂句法结构上的表现稳健，优于纯例句法与词典法基线系统。
• 由于同时依赖实例与基于规则的映射，混合模型对未见句式模式展现出更好的泛化能力。
• 用户评估确认，统一框架生成的翻译在流畅度与语义完整性方面得分更高。
• 该系统在五个语言对上均保持了稳定的性能，验证了其多语言可扩展性。