TAILIEUCHUNG - Báo cáo khoa học: "A Topic Similarity Model for Hierarchical Phrase-based Translation"

Previous work using topic model for statistical machine translation (SMT) explore topic information at the word level. However, SMT has been advanced from word-based paradigm to phrase/rule-based paradigm. We therefore propose a topic similarity model to exploit topic information at the synchronous rule level for hierarchical phrase-based translation. | A Topic Similarity Model for Hierarchical Phrase-based Translation Xinyan Xiao Deyi Xiong- Min Zhang Qun Liu Shouxun Lin tKey Lab. of Intelligent Info. Processing Institute of Computing Technology Chinese Academy of Sciences xiaoxinyan liuqun sxlin @ - Human Language Technology Institute for Infocomm Research dyxiong mzhang @ Abstract Previous work using topic model for statistical machine translation SMT explore topic information at the word level. However SMT has been advanced from word-based paradigm to phrase rule-based paradigm. We therefore propose a topic similarity model to exploit topic information at the synchronous rule level for hierarchical phrase-based translation. We associate each synchronous rule with a topic distribution and select desirable rules according to the similarity of their topic distributions with given documents. We show that our model significantly improves the translation performance over the baseline on NIST Chinese-to-English translation experiments. Our model also achieves a better performance and a faster speed than previous approaches that work at the word level. 1 Introduction Topic model Hofmann 1999 Blei et al. 2003 is a popular technique for discovering the underlying topic structure of documents. To exploit topic information for statistical machine translation SMT researchers have proposed various topic-specific lexicon translation models Zhao and Xing 2006 Zhao and Xing 2007 Tam et al. 2007 to improve translation quality. Topic-specific lexicon translation models focus on word-level translations. Such models first estimate word translation probabilities conditioned on topics and then adapt lexical weights of phrases Corresponding author 750 by these probabilities. However the state-of-the-art SMT systems translate sentences by using sequences of synchronous rules or phrases instead of translating word by word. Since a synchronous rule is rarely factorized into individual words we believe that it .

• Báo cáo khoa học
• A Topic Similarity Model
• Hierarchical Phrase based Translation
• Xinyan Xiao
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball