基于主动学习的短语翻译对获取  

Acquiring phrase translation pairs based on active learning

作　　者：张春祥[1] 赵铁军[2] 卢志茂 

机构地区：[1]哈尔滨理工大学软件学院,哈尔滨150080 [2]哈尔滨工业大学计算机科学与技术学院语言语音教育部-微软重点实验室,哈尔滨150001 [3]哈尔滨工程大学信息与通信工程学院,哈尔滨150001

出　　处：《高技术通讯》2011年第4期380-385,共6页Chinese High Technology Letters

基　　金：863计划（2006AA010108）,国家自然科学基金（60903082,60975042）,黑龙江省教育厅科学技术研究项目（11541045）和教育部春晖计划（S2009-1-15002）资助项目.

摘　　要：利用汉-英双语句对进行了抽取短语翻译对的研究，提出了一种利用双语评价特征进行译文评价的短语翻译对主动获取方法。该方法通过选择有代表性的短语翻译对来达到减少人工标注数据的目的，以短语译文直译率、短语翻译概率和短语长度差异为基础，使用标注后的短语翻译对对支持向量机（SVM）进行训练，并使用优化后的SVM对测试数据进行分类。实验结果表明，使用此方法，在分类器性能基本没有下降的前提下，人工标注数据量减少了80％。In this study, phrase translation pairs were extracted from Chinese-English bilingual sentence pairs, and then, an active acquisition method for phrase translation pairs based on evaluation of phrase translation using bilingual evaluation features was proposed. The method achieves its purpose of decreasing manually-labeling cost by selection of representative phrase translation pairs, and uses annotated phrase translation pairs to train the support vector machine （SVM） based on the phrase translation literality, the phrase translation probability and the phrase length difference. And, it applies the optimized SVM to classification of test data. The experimental resuhs show that when using the method, the labeling cost can be reduced by at least 80 %, while the performance of the classifier remains constant.

关 键 词：短语翻译对 双语句对 双语评价特征 主动获取 支持向量机(SVM) 

分 类 号：TP391.2[自动化与计算机技术—计算机应用技术]