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(shì)。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(bào)告模板，計(jì)算機(jī)、網(wǎng)絡(luò)和通信技術(shù)的飛速發(fā)展，促進(jìn)了國(guó)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(zhǎng)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(shí)現(xiàn)全自動(dòng)，高質(zhì)量、大規(guī)模的翻譯處理，不僅可以節(jié)省大量的時(shí)間，還可以節(jié)省大量的物力和財(cái)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(mèng)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(zhǎng)時(shí)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(jì)算機(jī)來轉(zhuǎn)動(dòng)犁。具體來說就是實(shí)現(xiàn)從一種自然語言到另一種自然語言的自動(dòng)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(jì)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(guó)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(jì)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(gè)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(guó)專門組織的一個(gè)組織于 1966 年發(fā)表的 ALPAC 報(bào)告的影響，該組織對(duì)機(jī)器翻譯行業(yè)并不陌生，各國(guó)停止了對(duì)機(jī)器翻譯研究的資金支持。ALPAC報(bào)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(shí)用的機(jī)器翻譯系統(tǒng)是沒有希望的。這一時(shí)期，語言學(xué)，特別是計(jì)算語言學(xué)取得了長(zhǎng)足的進(jìn)步。人們對(duì)自然語言有了更好的理解，在使用計(jì)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(shí)用的機(jī)器翻譯系統(tǒng)相繼建成，如美國(guó)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(guó)紡織研究所TITUS。Ⅳ系統(tǒng)等。這一時(shí)期計(jì)算語言學(xué)的理論積累，以及構(gòu)建實(shí)際系統(tǒng)的經(jīng)驗(yàn)積累，為下一個(gè)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(shí)代的到來，信息時(shí)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(gè)重要領(lǐng)域。機(jī)器翻譯再次受到各國(guó)的重視。許多發(fā)達(dá)國(guó)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(gè)高潮。歐洲共同體的EVI RA計(jì)劃和DLT系統(tǒng)，日本的Mu系統(tǒng)和ODA計(jì)劃，美國(guó)CMU的機(jī)器翻譯研究都是這一時(shí)期著名的機(jī)器翻譯研究項(xiàng)目。前一時(shí)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(jì)算機(jī)技術(shù)的進(jìn)步翻譯機(jī)調(diào)研報(bào)告模板，以及統(tǒng)計(jì)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(duì)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(zhǎng)足的進(jìn)步，此時(shí)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(kù)]、基于模板的[9-l 41、Vocabulary-driven [15], statistics and corpus-based [16-19] 等總結(jié)一下，實(shí)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(shí)例的機(jī)器翻譯（EBMT）和基于統(tǒng)計(jì)的機(jī)器翻譯（Statistical Machine Translation，SMT）。本文的