主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
刘树杰,李志灏,李沐,周明.一种面向统计机器翻译的协同权重训练方法.软件学报,2012,23(12):3101-3114
一种面向统计机器翻译的协同权重训练方法
Co-Training Framework for Feature Weight Optimization of Statistic Machine Translation
投稿时间:2011-09-01  修订日期:2012-03-15
DOI:10.3724/SP.J.1001.2012.04208
中文关键词:  统计机器翻译  最小错误率训练  领域自适应  协同训练  最小贝叶斯风险系统融合
英文关键词:statistical machine translation  minimum error rate training  domain adaptation  co-training  minimum Bayes-risk combination
基金项目:
作者单位E-mail
刘树杰 哈尔滨工业大学 计算机科学与技术学院,黑龙江 哈尔滨 150001 j4ckl1u@gmail.com 
李志灏 微软亚洲研究院,北京 100080  
李沐 微软亚洲研究院,北京 100080  
周明 微软亚洲研究院,北京 100080  
摘要点击次数: 2618
全文下载次数: 3218
中文摘要:
      分析了统计机器翻译中的特征权重的领域自适应问题,并针对该问题提出了协同的权重训练方法.该方法使用来自不同解码器的译文作为准参考译文,并将其加入到开发集中,使得特征权重的训练过程向测试集所在的领域倾斜.此外,提出了使用最小贝叶斯风险的系统融合方法来选择准参考译文,进一步提高了协同权重训练的性能.实验结果表明,使用最小贝叶斯风险系统融合的协同训练方法,可以在一定程度上解决特征权重的领域自适应问题,并显著地提高了在目标领域内机器翻译结果的质量.
英文摘要:
      In this paper, based on the investigation of domain adaptation for feature weight, the study proposes to use a co-training framework to handle domain adaptation for feature weight, i.e. The study uses the translation results from another heterogeneous decoder as pseudo references and adds them to the development data set for minimum error rate training to bias the feature weight to the domain of test data set. Furthermore, the study uses a minimum Bayes- Risk combination for pseudo reference selection, which can pick proper translation results from the translation candidates from both decoders to smooth the training process. Experimental results show that this co-training method with a minimum Bayes-Risk combination can yield significant improvements in target domain.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利