東北大學(xué)碩士學(xué)位論文第一章引言1.1學(xué)科背景第一章引言隨著世界經(jīng)濟(jì)的快速發(fā)展，不同文化之間的交流呈現(xiàn)出快速上升的趨勢。語言作為一種文化交流的媒介或工具，已經(jīng)成為不同語言之間交流的障礙。特別是進(jìn)入21世紀(jì)后翻譯機(jī)調(diào)研報告模板，計算機(jī)、網(wǎng)絡(luò)和通信技術(shù)的飛速發(fā)展，促進(jìn)了國際交流的日益頻繁，大大加快了全球一體化進(jìn)程。網(wǎng)絡(luò)信息的快速增長激發(fā)了人們了解不同文化的愿望，語言障礙也越來越嚴(yán)重。如果可以依靠電腦實現(xiàn)全自動，高質(zhì)量、大規(guī)模的翻譯處理，不僅可以節(jié)省大量的時間，還可以節(jié)省大量的物力和財力。人們可以更充分地利用互聯(lián)網(wǎng)上的資源。出于這種美好的期待和渴望，機(jī)器翻譯成為了全人類的夢想之一，作為人工智能領(lǐng)域*具挑戰(zhàn)性的學(xué)科，它將持續(xù)很長時間。從此就受到人們的廣泛關(guān)注。機(jī)器翻譯（Machine Translation，MT），顧名思義，就是用計算機(jī)來轉(zhuǎn)動犁。具體來說就是實現(xiàn)從一種自然語言到另一種自然語言的自動轉(zhuǎn)換過程[2_31. 機(jī)器翻譯是一門以語言學(xué)、數(shù)學(xué)、信息學(xué)、計算機(jī)科學(xué)等學(xué)科為基礎(chǔ)的多前沿學(xué)科。

早在 1930 年代初，法國科學(xué)家 GB Artsouni 就提出了使用機(jī)器進(jìn)行語言翻譯的想法。在 40 代末，Weaver 在他的備忘錄中提出了經(jīng)典噪聲通道模型的原型。1950 年代初期，計算機(jī)的出現(xiàn)和恰到好處的需求促成了機(jī)器翻譯史上的第一個高潮。到 1960 年代初，機(jī)器翻譯進(jìn)入低迷期。這主要是受到了美國專門組織的一個組織于 1966 年發(fā)表的 ALPAC 報告的影響，該組織對機(jī)器翻譯行業(yè)并不陌生，各國停止了對機(jī)器翻譯研究的資金支持。ALPAC報告指出：經(jīng)調(diào)查，機(jī)器翻譯速度慢，準(zhǔn)確性差，而且比人工翻譯貴很多。在不久或可預(yù)見的將來，開發(fā)實用的機(jī)器翻譯系統(tǒng)是沒有希望的。這一時期，語言學(xué)，特別是計算語言學(xué)取得了長足的進(jìn)步。人們對自然語言有了更好的理解，在使用計算機(jī)處理自然語言方面取得了很大的進(jìn)步。1970年代，一些實用的機(jī)器翻譯系統(tǒng)相繼建成，如美國的SYSTRAN系統(tǒng)和加拿大的TAUM-METEO系統(tǒng)。，日本日立ATLAS系統(tǒng)，法國紡織研究所TITUS。Ⅳ系統(tǒng)等。這一時期計算語言學(xué)的理論積累，以及構(gòu)建實際系統(tǒng)的經(jīng)驗積累，為下一個高潮的到來奠定了基礎(chǔ)。在 1970 年代中期，

東北大學(xué)碩士學(xué)位論文 第一章 引言 20世紀(jì)80年代初，人們預(yù)見到信息時代的到來，信息時代迫切需要智能化的信息處理。機(jī)器翻譯是智能信息處理的一個重要領(lǐng)域。機(jī)器翻譯再次受到各國的重視。許多發(fā)達(dá)國家在機(jī)器翻譯的研發(fā)上投入了巨額資金，形成了機(jī)器翻譯的第二個高潮。歐洲共同體的EVI RA計劃和DLT系統(tǒng)，日本的Mu系統(tǒng)和ODA計劃，美國CMU的機(jī)器翻譯研究都是這一時期著名的機(jī)器翻譯研究項目。前一時期廣闊的應(yīng)用前景和理論技術(shù)的積累，是促成這次機(jī)器翻譯熱潮的主要因素。近二十年來，隨著語言學(xué)理論的發(fā)展、計算機(jī)技術(shù)的進(jìn)步翻譯機(jī)調(diào)研報告模板，以及統(tǒng)計學(xué)和機(jī)器學(xué)習(xí)方法在自然語言處理領(lǐng)域的廣泛應(yīng)用，人們對機(jī)器翻譯的應(yīng)用背景和目標(biāo)越來越準(zhǔn)確。本身。在此背景下，機(jī)器翻譯取得了長足的進(jìn)步，此時也提出了各種新的理論，例如基于規(guī)則的[4]、基于案例的庫]、基于模板的[9-l 41、Vocabulary-driven [15], statistics and corpus-based [16-19] 等總結(jié)一下，實際機(jī)器翻譯系統(tǒng)采用的主流方法大致可以分為三類：基于規(guī)則的機(jī)器翻譯（RBMT）、基于實例的機(jī)器翻譯（EBMT）和基于統(tǒng)計的機(jī)器翻譯（Statistical Machine Translation，SMT）。本文的