بهبود ترجمه ماشيني مبتني بر قاعده با استفاده از قواعد نحوي آماري

ترجمه ماشيني مبتني بر قاعده از مجموعه‌اي از قواعد كه دربردارنده اطلاعات زباني هستند در فرايند ترجمه استفاده مي‌كند. نتايج توليد شده توسط اين مترجم‌ها معمولاً از نظر دستور زبان و ترتيب كلمات بهتر از نتايج مترجم‌هاي آماري هستند. ولي تحقيقات نشان داده است كه اين ترجمه‌ها از نظر رواني و انتخاب كلمات مناسب، ضعيف‌تر از مترجم‌هاي آماري هستند. در اين مقاله هدف، بهبود انتخاب لغات در مترجم مبتني بر قاعده است. اين كار با استفاده از مجموعه‌اي از قواعد نحوي لغوي مبتني بر گرامر درخت پيوندي (TAG) انجام مي‌شود. اين قواعد احتمالاتي به‌صورت آماري از يك پيكره موازي با اندازه بزرگ استخراج شده‌اند. در سيستم ارائه شده، كلمات با ترتيب پيشنهادي مترجم مبتني بر قاعده در زبان مقصد قرار مي‌گيرند و به همين دليل در ترجمه جملات از يك رمزگشاي يكنواخت مبتني بر برنامه‌ريزي پويا استفاده شده است. در اين سيستم بهترين ترجمه با استناد به احتمال قواعد استفاده شده و امتياز مدل زباني انتخاب مي‌شود. آزمايش‌ها روي ترجمه انگليسي به فارسي نشان داد كه كيفيت نتايج به‌دست ‌آمده از روش پيشنهادي حدود 1.3+ واحد بلو از كيفيت ترجمه به‌دست ‌آمده توسط مبتني بر قاعده پايه بالاتر است.