《基于人机交互和特征提取的英汉翻译系统》
本文是人机交互和特征提取相关论文范文素材与特征提取有关论文范文素材.
摘 要：为了提高英汉翻译系统的翻译精度,提出一种基于人机交互和特征提取的英汉翻译系统模型.首先,为了实现翻译特征语境特征的提取,通过特征提取算法提取语义翻译语境矩阵和非语义翻译语境矩阵;其次,为度量同一翻译环境下的两个语义向量之间的相似度,选择余弦相似度函数计算翻译相似度.将翻译相似度引入英汉翻译系统模型,通过比较两个语义向量之间的翻译相似度实现英汉之间的翻译.与SOA、SCA和SLA对比可知,基于人机交互和特征提取的英汉翻译具有更高的准确率、精确率和召回率,为英语翻译提供新的方法和途径.
关键词：人机交互; 特征提取; 翻译系统; 相似度; 语义向量
中图分类号： TM 933.4 文献标志码： A
Study on English-Chinese Translation System Based on Human-Computer Interaction and Feature Extraction
WU Xiaoli
（School of Humanities, Shangluo University, Shangluo, Shanxi 726000, China）
Abstract：
In order to improve the translation accuracy of English-Chinese translation system, combining feature extraction and human-computer interaction, an English-Chinese translation system model based on human-computer interaction and feature extraction is proposed. Firstly, in order to extract the context features of translation features, the semantic translation context matrix and non-semantic translation context matrix are extracted by feature extraction algorithm. Secondly, in order to measure the similarity between two semantic vectors in the same translation environment, the cosine similarity function is chosen to calculate the translation similarity. The translation similarity is introduced into the English and Chinese translation system model, and the translation similarity between the two semantic vectors is compared. Compared with SOA, SCA, and SLA, English-Chinese translation based on human-computer interaction and feature extraction has higher accuracy and recall rates, hence, it provides new methods and approaches for English translation.
Key words：
human-computer interaction; feature extraction; translation system; similarity; semantic vector
0 引言
隨着我国改革开放程度的加大和对外合作的程度进一步加深,跨国的文化交流、旅游和商务活动等日益频繁,然而语言不同给交流和沟通带来了极大不便.随着计算机技术和机器学习技术的快速发展,机器翻译为解决语言不同沟通障碍问题提供了新的方法和途径[1].在机器翻译中,名词短语识别是机器翻译句法分析的基础,其识别的精度直接关系机器翻译结果的准确性和可靠性.
目前英语名词短语识别的方法有基于机器学习的识别方法、基于统计的识别方法以及基于规则的识别方法[2].基于规则的识别方法主要通过语料库自动获取或者专家编写,具有容易理解的优点,但是通用性差、费时而容易产生歧义;基于统计的方法将名词短语识别问题转化为相似词汇的标注问题,该方法具有简单灵活,且不依赖具体的语言模型,目前是较为流行的主流翻译算法;然而该方法基于大量样本数据,容易发生过拟合问题.随着人工智能和机器学习方法的兴起,基于神经网络的名词短语识别方法被应用于英语名词短语识别,但是由于英语语法的规律较为复杂,因此英语名词短语识别准确率有待提高.
为提高英汉翻译系统的翻译精度,提出一种基于人机交互和特征提取的英汉翻译模型系统.结合人机交互的整体定性认识和逻辑推理的能力[3],将翻译相似度模型引入英汉翻译系统模型,通过计算同一语义空间下两个语义向量之间的翻译相似度实现英汉翻译结果的获取.与SOA、SCA和SLA对比可知,基于人机交互和特征提取的英汉翻译具有更高的准确率Accuracy、精确率Precision和召回率Recall,为英语翻译提供新的方法和途径.
1 特征提取算法
为实现特征语境的标准提取,通过特征提取算法将最佳语境的映射提取到翻译过程中[4].假设翻译过程中存在N个翻译语境,其中有K类语义翻译,翻译语境数量为Ni（i等于1,2,等,K）,K类语义翻译用概率为Xi等于{Xi1,Xi2,等, XiN},i等于1,2,等,K是一个定向n维向量集合.通过限定过程能够达到基本标准翻译语境的翻译如式（1）所示.
归纳上文：上述文章是关于经典人机交互和特征提取专业范文可作为特征提取方面的大学硕士与本科毕业论文人机交互和特征提取论文开题报告范文和职称论文论文写作参考文献.
人机交互和特征提取引用文献:
[1] 人机交互和特征提取毕业论文开题报告范文 人机交互和特征提取方面有关硕士论文开题报告范文2万字
[2] 人机交互论文范文 关于人机交互论文怎么写10000字
[3] 人机交互论文范文 人机交互相关函授毕业论文范文10000字
