融入句型信息的汉英双向调序模型 张家俊、宗成庆 中科院自动化所 2008.11.28
背景 自从IBM翻译模型的提取，特别是基于短语的翻译模型提出后，调序模型始终是统计机器翻译的关键问题，是研究的热点 从基于距离的扭曲模型、词汇化的调序模型到层次化的短语翻译模型、最大熵调序模型，都非常有效地提高了翻译质量
想法 这些模型没有充分利用语言所固有的语法信息，在不需要调序的地方浪费了大量的计算时间 这些模型没有充分利用句子的先验知识，譬如句型，因为不同的句型具有不同的调序策略
句型在调序中的作用 几个例子：
句型调序分析 特殊疑问句中至少有一固定的短语（我们称为特殊疑问短语）在翻译成英语时通常出现在句首； 一般疑问句在翻译时有特定的例如can, do, is等引导词； 在非疑问句中，有很大比例的句子中出现介词短语、时间地点短语，这些短语在汉语中出现在动词前，而在翻译时一般出现在动词的后面
口语语料分析 我们分析277k 中英对齐句对发现，大约 17.2% 是特殊疑问句, 约 25.5% 为一般疑问句，其余为非疑问句。 可见在口语翻译中，基于句型的调序是非常有意义且具有研究价值的
基于句型调序的翻译框架（汉英） C1：特殊疑问句，C2:一般疑问句，C3：非疑问句 英语输出 汉语输入句子 后向、前向调序模型 翻译引擎 后向调序模型 翻译引擎 分类器
基于句型调序的翻译框架（英汉） C1、C2和C3的意义同上图，“逆”表示与上图的算法相似但调序方向相反 汉语结果输出 英语输入句子 逆后向、前向调序模型 逆后向调序模型 汉语结果输出 分类器 英汉翻译引擎
模型与算法 句型的分类算法：SVM-based 前向调序模型、逆前向调序模型 后向调序算法、逆后向调序模型
句型分类算法 SVM的优势，分类准确，几乎不受标点的影响 （我们知道标点是句型关键性的特征） 实验： 语料：三类句型分别问1000句，80%作为训练，20%作为测试 实验结果：
前向调序模型 适用句型：特殊疑问句 调序对象：特殊疑问短语 调序的两个关键问题： 特殊疑问短语的识别 正确的调序位置
调序的两个关键问题 特殊疑问短语的识别 我们在语法上给特殊疑问短语一个定义：包含特殊疑问词的完整的语法成分。 特殊疑问词是利用互信息得到的一个闭集：什么、哪、多（多长、多久）、怎、谁、几、为什么、何 在汉语中，从语法层面看来，特殊疑问短语可能会是任何一类语法成分，从语法层无法识别 我们采用chunking的浅层句法分析来识别特殊疑问短语
调序的两个关键问题 正确的调序位置 分析翻译实例我们发现，调序的位置分为3类：句首、子句首、特定模板短语（从对齐语料习得）后 分别举例： 这个 味道 怎么样 ？=》怎么样 这个 味道 ？ 请问 ， 去 海滩 怎么 走 ？ =》请问 ， 怎么 走 去 海滩 ？ 你 认为 到 那 要 多长 时间 ？=》你 认为 要 多 长 时间 到 那 ？
逆前向调序模型 适用句型和处理对象与前向模型一样 面向英汉翻译任务 同样面临调序的两个关键问题： 对翻译结果的修正 特殊疑问短语的识别 正确的调序位置
调序的两个关键问题 特殊疑问短语的识别同前向模型 调序的目标位置： 特殊疑问句的结构 调序规则
调序的两个关键问题 特殊疑问句的两种结构 调序规则 作为强调部分出现在句末 作为动词短语的修饰成分出现在动词短语的前面 若SQP为动词短语，则将其调至包含该SQP的子句末尾 若SQP不是动词短语，而且中有动词短语，则保持其位置不变；否则将其调至包含该SQP的子句末尾
后向调序模型 针对句型：所有句型 调序对象：在翻译中最有可能调序的短语=》介词短语、时间地点短语 调序的两个关键问题 介词短语、时间地点短语与动词短语的识别 调序策略
调序的两个关键问题 介词短语、时间地点短语与动词短语的识别 采用chunking浅层句法分析 虚拟动词短语（VVP）的定义：由于识别错误等原因，有时在介词短语、时间地点短语后没有识别出动词短语。为加强该模型的适应性，我们定义自此介词或时间地点短语后到子句的结束为伪动词短语，并赋予其动词短语的功能。 例：请 在 这里 签名 。“签名”被识别为NP，在我们的模型中，它就是VVP
调序的两个关键问题 调序策略：利用最大熵模型决定识别出的介词或时间地点短语是否需调序到紧跟着它们的动词短语后。 调序规则：
逆后向调序模型 面向英汉翻译任务 介词短语、时间地点短语等的识别方法同后向模型 调序方向相反
逆后向调序模型 调序规则
实验设计与结果 baseline： 利用我们实验室实现的基于短语的统计机器翻译系统 利用单调的解码策略
实验设计与结果 语料说明： 表1：汉英翻译相关语料 表2：英汉翻译相关语料 句子数 训练语料 汉语 32，4626 英语 开发集 534 表1：汉英翻译相关语料 表2：英汉翻译相关语料 句子数 训练语料 汉语 32，4626 英语 开发集 534 测试集 504 句子数 训练语料 汉语 31，1438 英语 开发集 325 测试集 498
实验设计与结果 实验结果： 表3：汉英翻译实验结果 表4：英汉翻译实验结果 BLEU（%） BASELINE 37.45 STR 40.18 表3：汉英翻译实验结果 表4：英汉翻译实验结果 BLEU（%） BASELINE 37.45 STR 40.18 BLEU（%） BASELINE 0.5037 STR 0.5105
总结与展望 句型信息对口语翻译的帮助非常大 研究汉语的特点才能更有效地提高机器翻译质量
THANKS!