基于用户反馈的统计机器翻译短语表优化方法

近年来，统计机器翻译技术取得了长足进展，然而在译文质量要求较高的领域，机器翻译系统产生的译文仍不够理想。随着计算机辅助翻译和交互式机器翻译技术的出现，研究人员开始利用用户反馈，从中学习翻译知识，对翻译系统的各项参数进行优化。由于不同用户的翻译经验不同，所以他们反馈翻译知识的置信度也不同。通过分析影响用户置信度的特征，得到用户置信度评价模型，并利用该模型将不同用户反馈的翻译知识进行区分，实时调整更新短语表的参数。修改的参数包括正向短语翻译概率、正向词汇化翻译概率、逆向短语翻译概率、逆向词汇化翻译概率。实验结果表明，对不同用户反馈的翻译知识进行区分，改进短语表的参数，得到的译文质量比不区分用户得到的译文质量更好。