Русская Википедия:Гибридный машинный перевод

Содержание

Текст

Текст

Текст

Текст

Текст

Текст

Текст

Текст

Текст

Гибридный машинный перевод (Hybrid machine translation — HMT) — интеграция разных подходов машинного перевода из возможных вариантов МП:

• Rule-based machine translation (RBMT) — Машинный перевод на основе правил.
• Corpus-based machine translation (CBMT) — Машинный перевод на корпусах текстов.
  • Example-based machine translation (EBMT) Машинный перевод на примерах.
  • Statistical machine translation (SMT) — Статистический машинный перевод.

Ожидается, что с помощью гибридной архитектуры удастся объединить преимущества этих подходов. Машинный перевод на сегодняшний день представлен двумя основными технологиями: Статистический машинный перевод (Statistical machine translation — SMT) и Машинный перевод на основе правил (Rule-Based Machine Translation — RBMT).

Разработчики software Hybrid MT

• AppTek HMT «TranSphere®» — полная интеграция SMT и RBMT методологий.
• Asia Online «SAIC’s OmnifluentTM Human Language Technology».
• LinguaSys «Carabao Machine Translation engine».
• Systran «SYSTRAN’s hybrid engine»
• Polytechnic University of Valencia
• PROMT «PROMT DeepHybrid»

Подходы

Многоуровненвый

Этот подход к гибридному машинному переводу предполагает параллельное выполнение нескольких систем машинного перевода. Окончательный результат получается путем объединения результатов всех подсистем. Чаще всего в этих системах используются подсистемы статистического и основанного на правилах перевода, но были изучены и другие комбинации. Например, исследователи из Университета Карнеги-Меллона добились определенного успеха, объединив подсистемы перевода на основе примеров , передачи , знаний и статистического перевода в одну систему машинного перевода.

Статистическая генерация правил

Этот подход включает использование статистических данных для создания лексических и синтаксических правил. Затем ввод обрабатывается с использованием этих правил, как если бы это был переводчик на основе правил . Этот подход пытается избежать сложной и отнимающей много времени задачи создания набора всеобъемлющих, детализированных лингвистических правил путем извлечения этих правил из учебного корпуса. Этот подход по-прежнему страдает от многих проблем нормального статистического машинного перевода , а именно от того, что точность перевода будет сильно зависеть от сходства входного текста с текстом обучающего корпуса. В результате этот метод имел наибольший успех в приложениях, ориентированных на конкретную предметную область, и имеет те же трудности с адаптацией предметной области, что и многие системы статистического машинного перевода.

Многопроходный

Этот подход предполагает последовательную обработку ввода несколько раз. Наиболее распространенный метод, используемый в системах многопроходного машинного перевода, - это предварительная обработка ввода с помощью системы машинного перевода на основе правил . Выходные данные основанного на правилах препроцессора передаются в систему статистического машинного перевода , которая производит окончательный результат. Этот метод используется для ограничения объема информации, которую необходимо учитывать статистической системе, что значительно снижает требуемую вычислительную мощность. Это также устраняет необходимость в системе, основанной на правилах, быть полной системой перевода для языка, что значительно снижает количество человеческих усилий и труда, необходимых для создания системы.

На основе уверенности

Этот подход отличается от других гибридных подходов тем, что в большинстве случаев используется только одна технология перевода. Для каждого переведенного предложения создается показатель достоверности, на основе которого можно принять решение, попробовать ли вторичную технологию перевода или продолжить работу с исходным переводом. Omniscien Technologies - одна из компаний, использующих этот подход, при этом NMT является основной технологией, но возвращается к SMT, если показатель достоверности ниже порогового значения или длина предложения очень короткая (например, 1 или 2 слова). SMT также используется, когда общие шаблоны ошибок, такие как несколько повторяющихся слов, появляются последовательно, как это часто бывает с NMT, когда механизм внимания сбит с толку.

Гибридная технология «SMT и RBMT»

Гибридная технология перевода предполагает использование статистических методов для построения словарных баз автоматическим путём на основе параллельных корпусов, формирования нескольких возможных переводов как на лексическом уровне, так и на уровне синтаксической структуры предложения выходного языка, применения постредактирования в автоматическом режиме и выбор лучшего (наиболее вероятного) перевода из возможных на основе языковой модели, построенной по определенному корпусу выходного языка.

Hybrid (SMT + RBMT) System различаются: (п.2.4.3)

• Rule-based MT с пост-обработкой статистического подхода.
• Statistical MT с предварительной обработкой по Rule-based подходу.
• Полная интеграция RBMT и SMT.

Статистический МП стремится использовать лингвистические данные, а системы с «классическим» подходом, основанном на правилах, применяют статистические методы. Добавление некоторых "сквозных" правил, то есть создание гибридных систем, несколькоШаблон:Сколько улучшает качество переводов, особенно при недостаточном объеме входных данных, используемых при построении индексных файлов хранения лингвистической информации машинного переводчика, базирующегося на N-граммах.

Объединение RBMT и статистического машинного перевода:

• Лингвистический анализ входного предложения;
• Порождение вариантов перевода;
• Использование статистических технологий;
• Оценка и выбор лучшего варианта перевода с использованием Языковой модели.

Этапы Гибридной технологии SMT и RBMT:

• Обучение RBMT на основе параллельного корпуса с использованием статистических технологий;
• Эксплуатация на основе натренированной системы.

Архитектура Гибридной технологии «SMT и RBMT»

В гибридном машинном переводе RBMT-система дополнена двумя компонентами: модулем статистического постредактирования и модулем языковых моделей. Статистическое постредактирование позволяет сгладить RB-перевод, приближая его к естественному языку и при этом сохраняя четкую структуру синтезируемого текста. Языковые модели используются для оценки гладкости и грамматической правильности вариантов перевода, порождаемых гибридной системой.

Типичная архитектура HMT:

• Параллельный корпус;
• Обучение;
• Языковая модель;
• Данные для постредактирования;
• Правила синтеза;
• Словарь терминологии.
• Эксплуатация:
  •  — Гибридный перевод.

Принцип работы HMT

Совмещение, казалось бы, несовместимых методов перевода, а именно классической технологии машинного перевода Машинный перевод на основе правил (Rule-Based MT) и Статистический машинный перевод (Statistical MT) можно реализовать в гибридной технологии перевода. Кардинальное отличие нового решения состоит в том, что вместо одного варианта перевода программа порождает множество переводов, число которых у одного предложения, в зависимости от многозначности слов, конструкций, и результатов статистической обработки, может доходить до нескольких сотен. Далее вероятностная модель языка позволяет выбрать самый вероятный из предложенных вариантов.

Алгоритм работы типичной HMT:

• Создание терминологического словаря из параллельных текстов для RBMT автоматическим путём.
• Порождение всех возможных вариантов перевода на основе:
  •  — лексических вариантов;
  •  — вариантов синтеза разных конструкций;
  •  — применения постредактирования.
• Выбор лучшего варианта, через реализованную Языковую модель.

Преимущества и недостатки

Что даёт гибридная технология перевода?

• Быструю автоматическую настройку на основе Translation Memories заказчика;
• Терминологическую точность перевода, а также единство стиля;
• Получение дополнительных полезных данных — двуязычного терминологического словаря.

Преимущества и недостатки Машинного перевода на основе правил

Преимущества RBMT:

Сохраняются:

•  — синтаксическая и морфологическая точность;
•  — стабильность и предсказуемость результата;
•  — возможность настройки на предметную область.

Недостатки RBMT:

•  — трудоемкость и длительность разработки;
•  — необходимость поддерживать и актуализировать лингвистические БД;
•  — «машинный акцент» при переводе.

Недостатки нивелируются за счет использования параллельных корпусов и статистических методов.

•  — автоматическая настройка лингвистических баз данных (быстрое и качественное извлечение терминологии),
•  — исчезает «машинный» акцент при переводе (варианты синтеза и постредактирование).

Преимущества и недостатки Статистических систем перевода

Преимущества SMT:

•  — быстрая настройка;
•  — легко добавлять новые направления перевода;
•  — гладкость перевода.

Недостатки SMT:

•  — «Дефицит» параллельных корпусов;
•  — многочисленные грамматические ошибки;
•  — нестабильность перевода.

См. также

• Автоматический перевод устной речи
• Автоматизированный перевод
• Машинный перевод
  • Машинный перевод на основе правил
  • Статистический машинный перевод
• Распознавание речи
• Синтез речи