位置:成果数据库 > 期刊 > 期刊详情页
基于维基百科类别的文本特征表示
  • ISSN号:1003-0077
  • 期刊名称:中文信息学报
  • 时间:0
  • 页码:27-31
  • 语言:中文
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]东北大学自然语言处理实验室,辽宁沈阳110004, [2]医学影像计算教育部重点实验室(东北大学),辽宁沈阳110819
  • 相关基金:国家自然科学基金资助项目(60873091 61073140); 中央高校基本科研业务费专项资金、高等学校博士学科点专项科研基金资助(20100042110031)
  • 相关项目:文本观点倾向性分析和挖掘关键技术研究
中文摘要:

该文研究的目的是在待翻译文本未知的情况下,从已有的大规模平行语料中选取一个高质量的子集作为统计机器翻译系统的训练语料,以降低训练和解码代价。该文综合覆盖度和句对翻译质量两方面因素,提出一种从已有平行语料中获取高质量小规模训练子集的方法。在CWMT2008汉英翻译任务上的实验结果表明,利用本文的方法能够从现有大规模语料中选取高质量的子集,在减少80%训练语料的情况下达到与Baseline系统(使用全部训练语料)相当的翻译性能(BLEU值)。

英文摘要:

In Statistical Machine Translation,effective selection of training data can generally reduce the burden of system training and decoding.To addressing this issue,,we propose a framework to select a small portion from the whole training data set for SMT by considering both coverage and sentence pair quality.Experimental results on CWMT2008 Chinese-to-English MT task show that our framework is effective to select a subset from the large training data set.Even trained on the 20% data selected by our framework,the SMT system can achieve comparable performance with the baseline system trained on all the data).

同期刊论文项目
同项目期刊论文
期刊信息
  • 《中文信息学报》
  • 北大核心期刊(2011版)
  • 主管单位:中国科学技术协会
  • 主办单位:中国中文信息学会 中国科学院软件研究所
  • 主编:孙茂松
  • 地址:北京海淀中关村南四街4号中科院软件所
  • 邮编:100190
  • 邮箱:jcip@iscas.ac.cn
  • 电话:010-62562916
  • 国际标准刊号:ISSN:1003-0077
  • 国内统一刊号:ISSN:11-2325/N
  • 邮发代号:
  • 获奖情况:
  • 国内外数据库收录:
  • 日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:9136