文献类型：期刊文章

作　　者：姚树杰[1,2] 肖桐[1,2] 朱靖波[1,2]

机构地区：[1]东北大学自然语言处理实验室,辽宁沈阳110004 [2]医学影像计算教育部重点实验室(东北大学),辽宁沈阳110819

出　　处：《中文信息学报》

基　　金：国家自然科学基金资助项目(60873091;61073140);中央高校基本科研业务费专项资金;高等学校博士学科点专项科研基金资助(20100042110031)

年　　份：2011

卷　　号：25

期　　号：2

起止页码：72-77

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD2011_2012、JST、RCCSE、ZGKJHX、核心刊

摘　　要：该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一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。该文综合覆盖度和句对翻译质量两方面因素,提出一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  

分 类 号：TP391]