一种混合策略的专利机器翻译系统研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (4): 29-32.

一种混合策略的专利机器翻译系统研究

晋耀红1，2

1.北京师范大学中文信息处理研究所，北京 100875
2.中国专利信息中心-北京师范大学机器翻译联合实验室，北京 100875

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-01 发布日期:2012-04-05

Hybrid-strategy method combining semantic analysis with rule-based MT for patent machine translation

JIN Yaohong1，2

1.Institute of Chinese Information Processing, Beijing Normal University, Beijing 100875, China
2.CPIC-BNU Joint Laboratory for Machine Translation, Beijing 100875, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-01 Published:2012-04-05

摘要/Abstract

摘要： 针对专利文本翻译中的复杂语句，提出了一种基于混合策略的方法，融合语义分析技术和基于规则的翻译技术，来提高专利翻译的效果。利用语义分析技术，重点解决句子中心动词识别和句子中有嵌套结构存在的名称短语的分析，把语义分析结果输入到基于规则的翻译系统中，用以改善翻译的效果。测试结果表明，融合后的翻译系统，BLEU值提高了9.8%。该方法已经集成到了国家知识产权局的在线汉英机器翻译系统中，有效地提高了专利翻译的效果和翻译效率。

关键词: 语义分析, 机器翻译, 语义特征, 概念层次网络, 专利文献

Abstract: Focusing on the complex sentence translation in patent machine translation, this paper presents a hybrid method combining semantic analysis with rule-based MT. The semantic analysis is used to deal with the main verb recognition and the boundary detection of long NP. The result of semantic analysis is input to the rule-based MT system to improve the performance of translation. The result of the experiments shows that this hybrid-strategy method can effectively improve the BLEU score 9.8%. The method has been integrated into an online patent MT system running in SIPO.

Key words: semantic analysis, machine translation, semantic feature, Hierarchical Network of Concepts（HNC）, patent

晋耀红1，2. 一种混合策略的专利机器翻译系统研究[J]. 计算机工程与应用, 2012, 48(4): 29-32.

JIN Yaohong1，2. Hybrid-strategy method combining semantic analysis with rule-based MT for patent machine translation[J]. Computer Engineering and Applications, 2012, 48(4): 29-32.

[1]	艾山·吾买尔，斯拉吉艾合麦提·如则麦麦提，西热艾力·海热拉，刘文其，吐尔根·依布拉音，汪烈军，瓦依提·阿不力孜. 带标记音节的双向维汉神经机器翻译方法[J]. 计算机工程与应用, 2021, 57(4): 161-168.
[2]	任益辰，肖达. 基于程序双维度特征的恶意程序相似性分析[J]. 计算机工程与应用, 2021, 57(1): 118-125.
[3]	孟福永，唐旭日. 效率为先：机器翻译译后编辑技术综述[J]. 计算机工程与应用, 2020, 56(22): 25-32.
[4]	侯强1，侯瑞丽2. 机器翻译方法研究与发展综述[J]. 计算机工程与应用, 2019, 55(10): 30-35.
[5]	帕丽旦·木合塔尔，吾守尔·斯拉木，买买提阿依甫，努尔麦麦提·尤鲁瓦斯. RNN编码器-解码器在维汉机器翻译中的应用[J]. 计算机工程与应用, 2018, 54(15): 235-240.
[6]	徐春1，2，3，杨勇4，蒋同海1. 基于机器翻译的维吾尔语形态分析研究[J]. 计算机工程与应用, 2017, 53(14): 138-142.
[7]	肖宝1，李璞2，3，蒋运承2. 混合词汇特征和LDA的语义相关度计算方法[J]. 计算机工程与应用, 2017, 53(12): 152-157.
[8]	张会兵1，何彩梅1，胡晓丽1，裴东良2. 融合行为和语义的节点影响力分析[J]. 计算机工程与应用, 2017, 53(11): 151-154.
[9]	肖和，付丽娜，姬东鸿. 神经网络与组合语义在文本相似度中的应用[J]. 计算机工程与应用, 2016, 52(7): 139-142.
[10]	孙曰昕，马慧芳，姚伟，张志昌. 结合互信息和主题模型的微博话题发现方法[J]. 计算机工程与应用, 2016, 52(6): 61-66.
[11]	秦成磊1，魏晓1，曹红兵2. 基于书写行为与语义特征的评论有用性评估[J]. 计算机工程与应用, 2016, 52(6): 117-121.
[12]	郭俊博1，张喜媛2，杜金华2. N-Best句法知识增强的统计机器翻译预调序模型[J]. 计算机工程与应用, 2016, 52(17): 160-165.
[13]	吴培昊，徐金安，张玉洁. 面向短语统计机器翻译的汉日联合分词研究[J]. 计算机工程与应用, 2015, 51(5): 116-120.
[14]	何向真1，万福成1，于洪志1，吴玺宏2. 基于藏语语义分析的机器翻译技术研究[J]. 计算机工程与应用, 2015, 51(15): 134-137.
[15]	万福成1，于洪志1，吴玺宏2，何向真1. 面向机器翻译的藏语短语句法研究[J]. 计算机工程与应用, 2015, 51(13): 211-215.