Khai phá tri thức song ngữ và ứng dụng trong dịch máy Anh-Việt - Luận án TS Lê Quang Hùng
Khai phá các phương pháp thu thập, phân tích tri thức song ngữ Anh-Việt. Ứng dụng đột phá vào cải tiến chất lượng hệ thống dịch máy Anh-Việt.
Năm xuất bản
Số trang
130
Thời gian đọc
20 phút
Lượt xem
0
Lượt tải
0
Phí lưu trữ
40 Point
Tổng quan nhanh
- Chủ đề:
- Khai phá Tri thức song ngữ cho Dịch máy Anh-Việt
- Số trang:
- 130 trang
- Trường:
- Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội
- Chuyên ngành:
- Khoa học máy tính
- Tác giả:
- Lê Quang Hùng
- Năm:
- 2016
Tóm tắt nội dung luận án
I.Khai phá Tri thức song ngữ cho Dịch máy Anh Việt
Dịch máy là nhiệm vụ trung tâm của xử lý ngôn ngữ tự nhiên (NLP). Mục tiêu là chuyển đổi văn bản từ ngôn ngữ nguồn sang ngôn ngữ đích một cách tự động và chính xác. Đối với cặp ngôn ngữ Anh-Việt, bài toán dịch máy gặp nhiều thách thức đáng kể. Sự khác biệt về cấu trúc ngữ pháp, từ vựng và ngữ nghĩa giữa tiếng Anh và tiếng Việt là rất lớn. Chất lượng dịch máy ảnh hưởng trực tiếp đến nhiều ứng dụng thực tế. Ví dụ, dịch tài liệu chuyên ngành, dịch email hoặc tin nhắn tức thời. Hiện tại, dịch máy thống kê vẫn là cách tiếp cận tiềm năng. Hiệu quả của hệ thống này phụ thuộc lớn vào chất lượng và số lượng ngữ liệu song ngữ. Tuy nhiên, ngữ liệu song ngữ cho cặp Anh-Việt còn hạn chế. Hạn chế này tồn tại cả về kích thước lẫn độ bao phủ chủ đề. Việc bổ sung ngữ liệu và phát triển các phương pháp hiệu quả là giải pháp quan trọng. Mục tiêu cuối cùng là cải thiện chất lượng dịch máy Anh-Việt.
1.1. Nâng cao chất lượng Dịch máy Anh Việt.
Dịch máy Anh-Việt đối mặt với nhiều khó khăn. Các hệ thống dịch máy hiện tại thường kém hiệu quả đối với cặp ngôn ngữ này. Lý do chính nằm ở sự khác biệt lớn về cú pháp và ngữ nghĩa. Nâng cao chất lượng dịch máy là một ưu tiên hàng đầu. Nó mở ra nhiều ứng dụng mới và cải thiện giao tiếp đa ngôn ngữ. Các phương pháp truyền thống đòi hỏi nhiều công sức thủ công. Dịch máy thống kê dựa vào dữ liệu để học. Vì vậy, chất lượng và số lượng corpus song ngữ quyết định hiệu suất. Cần có các giải pháp đột phá để vượt qua giới hạn hiện tại. Nghiên cứu này hướng tới mục tiêu đó. Đưa ra các phương pháp cải tiến để đạt được dịch máy Anh-Việt chất lượng cao.
1.2. Tầm quan trọng của Tri thức song ngữ.
Tri thức song ngữ là nền tảng cốt lõi cho dịch máy. Nó cung cấp các mối liên hệ giữa các khái niệm và cấu trúc ngôn ngữ. Khai phá tri thức song ngữ giúp xây dựng các mô hình dịch mạnh mẽ hơn. Các hệ thống dịch máy thống kê tự động tạo từ điển và quy tắc dịch. Quá trình này dựa trên việc phân tích dữ liệu song ngữ lớn. Chất lượng của tri thức được khai phá ảnh hưởng trực tiếp đến độ chính xác của bản dịch. Đặc biệt, đối với các cặp ngôn ngữ có ít tài nguyên, tri thức song ngữ càng quý giá. Nó hỗ trợ gióng hàng từ và cụm từ chính xác. Góp phần xây dựng cơ sở tri thức cho xử lý ngôn ngữ tự nhiên (NLP) nói chung. Tăng cường khả năng hiểu và tạo ngôn ngữ của máy tính.
II.Xây dựng Corpus song ngữ Nâng cao chất lượng dịch máy
Việc thiếu hụt corpus song ngữ chất lượng cao là một rào cản lớn. Đặc biệt cho các cặp ngôn ngữ như Anh-Việt. Nghiên cứu tập trung vào phát triển phương pháp xây dựng ngữ liệu song ngữ. Khai thác dữ liệu từ hai nguồn chính: Web và sách điện tử song ngữ. Từ Web, hệ thống rút trích các văn bản song ngữ từ các website đa ngôn ngữ. Phương pháp đề xuất sử dụng đặc trưng dựa trên nội dung. Ví dụ, từ bất biến (cognate) và các phân đoạn dịch. Các đặc trưng này kết hợp với cấu trúc trang web. Áp dụng học máy để tự động hóa quá trình. Với sách điện tử, một phương pháp dựa trên nội dung cũng được phát triển. Sử dụng các mẫu liên kết giữa các khối văn bản để trích xuất câu song ngữ. Các phương pháp này giúp tạo ra corpus song ngữ lớn và đáng tin cậy hơn. Điều này trực tiếp nâng cao chất lượng dịch máy Anh-Việt.
2.1. Trích xuất văn bản song ngữ từ Web.
Web là kho tài nguyên thông tin khổng lồ. Văn bản song ngữ tồn tại rải rác trên web. Trích xuất văn bản song ngữ từ các website là một cách hiệu quả để xây dựng corpus song ngữ. Phương pháp này tập trung vào thiết kế các đặc trưng dựa trên nội dung. Các đặc trưng bao gồm việc sử dụng từ bất biến (cognate) giữa hai ngôn ngữ. Ngoài ra, phân đoạn dịch cũng là một đặc trưng quan trọng. Các đặc trưng này giúp nhận diện các cặp câu hoặc đoạn văn tương ứng. Kết hợp đặc trưng nội dung với các đặc trưng cấu trúc của trang web. Áp dụng kỹ thuật học máy để tự động trích xuất các cặp văn bản song ngữ. Quá trình này giúp mở rộng đáng kể kích thước của corpus song ngữ. Corpus lớn hơn và đa dạng hơn là chìa khóa. Nó giúp cải thiện đáng kể hiệu suất của hệ thống dịch máy Anh-Việt.
2.2. Khai thác tri thức từ sách điện tử song ngữ.
Sách điện tử song ngữ là một nguồn dữ liệu chất lượng cao khác. Chúng thường chứa các bản dịch được kiểm duyệt kỹ lưỡng. Phương pháp đề xuất tập trung vào khai thác nội dung này. Sử dụng một số mẫu liên kết cụ thể. Các mẫu này tồn tại giữa các khối văn bản trong hai ngôn ngữ. Chúng giúp tự động trích xuất các câu song ngữ. Quá trình này có tính tự động cao và hiệu quả. Nó giúp bổ sung thêm ngữ liệu song ngữ quý giá. Việc tăng cường kho tri thức song ngữ là mục tiêu chính. Điều này góp phần cải thiện độ bao phủ ngữ liệu. Một corpus phong phú hơn sẽ nâng cao khả năng của dịch máy Anh-Việt. Nó cũng xây dựng cơ sở tri thức vững chắc cho các tác vụ xử lý ngôn ngữ tự nhiên.
III.Cải tiến Gióng hàng từ và Cụm từ song ngữ
Gióng hàng từ là bước nền tảng trong dịch máy thống kê. Nó xác định các mối liên kết tương ứng giữa các từ trong cặp câu song ngữ. Nghiên cứu này đề xuất cải tiến mô hình gióng hàng từ IBM 1. Cách tiếp cận dựa trên ràng buộc được áp dụng. Các ràng buộc bao gồm ràng buộc neo, ràng buộc về vị trí từ. Ràng buộc về từ loại và ràng buộc về cụm từ cũng được xem xét. Mỗi ràng buộc được đưa ra một phương pháp tổng quát để tích hợp. Tích hợp vào thuật toán cực đại kỳ vọng (EM) trong quá trình ước lượng tham số. Những cải tiến này giúp tăng cường độ chính xác của gióng hàng từ. Bên cạnh đó, bài toán xác định cụm từ song ngữ cũng được giải quyết. Một phương pháp trích xuất cụm từ song ngữ từ ngữ liệu được đề xuất. Phương pháp này sử dụng các mẫu cú pháp kết hợp với gióng hàng cụm từ. Các cụm từ song ngữ này sau đó được ứng dụng để nâng cao chất lượng dịch máy Anh-Việt.
3.1. Ràng buộc trong gióng hàng từ.
Gióng hàng từ là bước cơ bản trong dịch máy thống kê. Nó xác định các mối liên kết tương ứng giữa các từ trong cặp câu song ngữ. Các mô hình gióng hàng từ như IBM 1 được cải tiến. Nghiên cứu này áp dụng cách tiếp cận dựa trên ràng buộc. Các loại ràng buộc bao gồm ràng buộc neo (anchor constraints). Ràng buộc về vị trí của từ và ràng buộc về từ loại cũng được xem xét. Ngoài ra, ràng buộc về cụm từ được tích hợp. Mỗi ràng buộc được đưa ra một phương pháp tổng quát. Phương pháp này tích hợp vào thuật toán cực đại kỳ vọng (EM). Thuật toán EM được sử dụng trong quá trình ước lượng tham số của mô hình. Những cải tiến này giúp tăng cường độ chính xác. Độ chính xác cao hơn trong gióng hàng từ. Điều này góp phần trực tiếp nâng cao chất lượng dịch máy Anh-Việt.
3.2. Trích xuất cụm từ song ngữ.
Cụm từ song ngữ đóng vai trò thiết yếu trong dịch máy. Chúng giúp duy trì tính chính xác ngữ nghĩa và ngữ pháp. Đặc biệt là với các thành ngữ, thuật ngữ chuyên ngành. Một phương pháp mới được đề xuất để trích xuất cụm từ song ngữ. Phương pháp này hoạt động trên ngữ liệu song ngữ có sẵn. Nó sử dụng các mẫu cú pháp kết hợp với gióng hàng cụm từ. Các mẫu cú pháp giúp nhận diện cấu trúc ngữ pháp. Gióng hàng cụm từ đảm bảo sự tương ứng giữa hai ngôn ngữ. Các cụm từ song ngữ được trích xuất sau đó được ứng dụng. Ứng dụng này nhằm nâng cao chất lượng dịch máy thống kê. Đặc biệt cho cặp Anh-Việt, trích xuất thông tin cụm từ hiệu quả là rất quan trọng. Nó góp phần vào việc xây dựng cơ sở tri thức ngôn ngữ.
IV.Ứng dụng Khai phá Tri thức trong Dịch máy Anh Việt
Các kết quả từ việc khai phá tri thức song ngữ mang lại nhiều ứng dụng. Chúng trực tiếp cải thiện hiệu suất của hệ thống dịch máy thống kê (SMT). Việc xây dựng corpus song ngữ lớn hơn và chất lượng cao hơn. Các phương pháp gióng hàng từ chính xác hơn. Việc trích xuất cụm từ song ngữ đầy đủ và hiệu quả hơn. Tất cả những yếu tố này đóng góp vào việc xây dựng một mô hình dịch máy mạnh mẽ. Chất lượng dịch được đánh giá thông qua các thử nghiệm thực nghiệm. Kết quả cho thấy sự cải thiện đáng kể về độ chính xác và độ trôi chảy của bản dịch. Điều này giúp hệ thống dịch máy Anh-Việt hoạt động hiệu quả hơn. Nâng cao trải nghiệm của người dùng khi giao tiếp bằng hai ngôn ngữ. Bên cạnh đó, nghiên cứu này còn có ý nghĩa rộng lớn hơn. Nó góp phần vào sự phát triển của lĩnh vực xử lý ngôn ngữ tự nhiên (NLP). Đặc biệt là việc xây dựng cơ sở tri thức cho tiếng Việt.
4.1. Cải thiện chất lượng dịch máy thống kê.
Các kỹ thuật khai phá tri thức song ngữ mang lại nhiều ứng dụng thiết thực. Chúng trực tiếp cải thiện hiệu suất của hệ thống dịch máy thống kê. Việc xây dựng corpus song ngữ lớn hơn, chất lượng cao hơn. Quá trình gióng hàng từ chính xác hơn. Việc trích xuất cụm từ song ngữ đầy đủ hơn. Tất cả những yếu tố này đóng góp vào mô hình dịch máy mạnh mẽ. Chất lượng dịch được đánh giá thông qua các thử nghiệm thực nghiệm. Kết quả cho thấy sự cải thiện đáng kể về độ chính xác và độ trôi chảy. Điều này giúp hệ thống dịch máy Anh-Việt hoạt động hiệu quả hơn. Nâng cao trải nghiệm người dùng. Dịch máy trở nên đáng tin cậy hơn cho các mục đích khác nhau.
4.2. Tác động đến xử lý ngôn ngữ tự nhiên.
Nghiên cứu này có ý nghĩa vượt ra ngoài lĩnh vực dịch máy. Nó còn có tác động sâu rộng đến xử lý ngôn ngữ tự nhiên (NLP). Việc xây dựng cơ sở tri thức song ngữ là một đóng góp lớn. Cơ sở tri thức này không chỉ hỗ trợ dịch máy Anh-Việt. Nó còn là nền tảng cho nhiều tác vụ NLP khác. Ví dụ, trích xuất thông tin đa ngôn ngữ. Tóm tắt văn bản tự động hoặc phân tích cảm xúc. Nghiên cứu phát triển các tài nguyên ngôn ngữ quan trọng cho tiếng Việt. Việc áp dụng học máy và kỹ thuật khai phá dữ liệu là trọng tâm. Đóng góp này thúc đẩy sự phát triển chung của NLP. Nâng cao khả năng hiểu và xử lý ngôn ngữ tự động.
Mục lục chi tiết luận án
Tải xuống file đầy đủ để xem toàn bộ nội dung
Tải đầy đủ (130 trang)Trích đoạn nội dung luận án
Tải xuống để đọc toàn bộĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ LÊ QUANG HÙNG KHAI PHÁ TRI THỨC SONG NGỮ VÀ ỨNG DỤNG TRONG DỊCH MÁY ANH – VIỆT LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH Hà Nội – 2016 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ LÊ QUANG HÙNG KHAI PHÁ TRI THỨC SONG NGỮ VÀ ỨNG DỤNG TRONG DỊCH MÁY ANH – VIỆT Chuyên ngành: Khoa học máy tính Mã số: 62 48 01 01 LUẬN ÁN TIẾN SĨ KHOA HỌC MÁY TÍNH NGƯỜI HƯỚNG DẪN KHOA HỌC: 1. Lê Anh Cường 2. Huỳnh Văn Nam Hà Nội – 2016 Líi cam oan Tæi xin cam oan lu“n ¡n n y l k‚t qu£ nghi¶n cøu cıa tæi, ÷æc thüc hi»n d÷îi sü h÷îng d¤n cıa PGS. L¶ Anh C÷íng v PGS.
Huýnh V«n Nam. C¡c nºi dung tr‰ch d¤n tł c¡c nghi¶n cøu cıa c¡c t¡c gi£ kh¡c m tæi tr…nh b y trong lu“n ¡n n y ¢ ÷æc ghi rª nguçn trong phƒn t i li»u tham kh£o. L¶ Quang Hòng i Tâm t›t Nhi»m vö cıa mºt h» thŁng dàch m¡y l tü ºng dàch mºt v«n b£n tł ngæn ngœ n y (v‰ dö, ti‚ng Anh) sang mºt v«n b£n t÷ìng ÷ìng ð ngæn ngœ kh¡c (v‰ dö, ti‚ng Vi»t). T‰nh hœu ‰ch cıa cæng ngh» dàch m¡y t«ng l¶n còng vîi ch§t l÷æng cıa nâ.
Dàch m¡y câ nhi•u øng döng nh÷: (i) dàch t i li»u ti‚ng n÷îc ngo i cho möc ‰ch hi”u nºi dung, (ii) dàch v«n b£n ” xu§t b£n ð c¡c ngæn ngœ kh¡c v (iii) thæng tin li¶n l⁄c, chflng h⁄n nh÷ dàch email, chat, vv. Câ mºt sŁ c¡ch ti‚p c“n cho b i to¡n dàch m¡y nh÷ dàch trüc ti‚p (direct translation), dàch düa tr¶n chuy”n Œi (transfer - based translation), dàch li¶n ngœ (interlingua translation), dàch düa tr¶n v‰ dö (example - based translation) v dàch thŁng k¶ (statistical translation). Hi»n t⁄i, dàch m¡y düa tr¶n c¡ch ti‚p c“n thŁng k¶ ang l mºt h÷îng ph¡t tri”n ƒy ti•m n«ng bði nhœng ÷u i”m v÷æt trºi so vîi c¡c c¡ch ti‚p c“n kh¡c. Thay v… x¥y düng c¡c tł i”n, c¡c quy lu“t chuy”n Œi b‹ng tay, dàch m¡y thŁng k¶ tü ºng x¥y düng c¡c tł i”n, c¡c quy lu“t düa tr¶n k‚t qu£ thŁng k¶ câ ÷æc tł ngœ li»u.
Łi vîi mºt h» thŁng dàch m¡y thŁng k¶, hi»u qu£ (ch§t l÷æng dàch) cıa nâ t l» thu“n vîi sŁ l÷æng (k‰ch th÷îc) v ch§t l÷æng cıa ngœ li»u song ngœ ÷æc sß döng ” x¥y düng h» thŁng dàch. Tuy nhi¶n, ngœ li»u song ngœ sfin câ hi»n v¤n cÆn h⁄n ch‚ c£ v• k‰ch th÷îc l¤n ch§t l÷æng, ngay c£ Łi vîi c¡c c°p ngæn ngœ ch‰nh. Ngo i ra, Łi vîi c¡c c°p ngæn ngœ câ nhi•u kh¡c bi»t v• c§u tróc ngœ ph¡p (v‰ dö, Anh - Vi»t), v§n • v• ch§t l÷æng dàch ang l th¡ch thøc Łi vîi c¡c nh nghi¶n cøu v• dàch m¡y trong nhi•u n«m qua. V… v“y, vi»c bŒ sung th¶m ngœ li»u song ngœ v ph¡t tri”n c¡c ph÷ìng ph¡p hi»u qu£ hìn düa tr¶n ngœ li»u hi»n câ l nhœng gi£i ph¡p quan trång ” t«ng ch§t l÷æng dàch cho dàch m¡y thŁng k¶.
Lu“n ¡n cıa chóng tæi t“p trung gi£i quy‚t c¡c tçn t⁄i ¢ n¶u thæng qua ba b i to¡n: ph¡t tri”n ph÷ìng ph¡p x¥y düng ngœ li»u song ngœ, c£i ti‚n c¡c ph÷ìng ph¡p giâng h ng tł v x¡c ành cöm tł song ngœ cho dàch m¡y thŁng k¶, cö th” nh÷ sau: Thø nh§t, Łi vîi b i to¡n x¥y düng ngœ li»u song ngœ, chóng tæi khai th¡c tł hai nguçn: Web v s¡ch i»n tß song ngœ. Łi vîi nguçn tł Web, chóng tæi t“p trung v o rót tr‰ch c¡c v«n b£n song ngœ tł c¡c web-site song ngœ. Chóng tæi • xu§t hai ph÷ìng ph¡p thi‚t k‚ c¡c °c tr÷ng düa tr¶n nºi dung: sß döng c¡c tł b§t bi‚n giœa hai ngæn ngœ (cognate) v sß döng c¡c ph¥n o⁄n dàch. Ngo i ra, chóng tæi k‚t hæp c¡c °c tr÷ng düa tr¶n nºi dung vîi c¡c °c tr÷ng düa tr¶n c§u tróc cıa trang web ” rót tr‰ch c¡c v«n b£n song ngœ, b‹ng c¡ch sß döng ph÷ìng ph¡p håc m¡y.
Łi vîi nguçn tł s¡ch i»n tß, chóng tæi • xu§t ph÷ìng ph¡p düa tr¶n nºi dung, sß döng mºt sŁ m¤u li¶n k‚t giœa c¡c khŁi v«n b£n trong hai ngæn ngœ ” rót tr‰ch c¡c c¥u song ngœ. Thø hai, vîi b i to¡n giâng h ng tł, chóng tæi • xu§t mºt sŁ c£i ti‚n Łi vîi mæ h…nh IBM 1 theo c¡ch ti‚p c“n düa tr¶n r ng buºc, bao gçm: r ng buºc neo, r ng buºc v• và tr‰ cıa tł, r ng buºc v• tł lo⁄i v r ng buºc v• cöm tł. Vîi mØi r ng buºc, chóng tæi ÷a ra ph÷ìng ph¡p tŒng qu¡t ” t‰ch hæp nâ v o thu“t to¡n cüc ⁄i ký vång trong qu¡ tr…nh ÷îc l÷æng tham sŁ cıa mæ h…nh. Ngo i ra, chóng tæi ÷a ra mºt ph÷ìng ph¡p ” k‚t hæp c¡c r ng buºc.
Nhœng c£i ti‚n n y ¢ gióp n¥ng cao ch§t l÷æng dàch cho h» thŁng dàch m¡y thŁng k¶ Anh - Vi»t. Thø ba, Łi vîi b i to¡n x¡c ành cöm tł song ngœ cho dàch m¡y thŁng k¶, chóng tæi • xu§t ph÷ìng ph¡p rót tr‰ch cöm tł song ngœ tł ngœ li»u song ngœ, sß döng c¡c m¤u có ph¡p k‚t hæp vîi giâng h ng cöm tł. C¡c cöm tł song ngœ n y ¢ ÷æc øng döng v o vi»c n¥ng cao ch§t l÷æng dàch cho h» thŁng dàch m¡y thŁng k¶ Anh - Vi»t. Tł khâa: dàch m¡y, dàch m¡y thŁng k¶, tri thøc song ngœ, ngœ li»u song ngœ, v«n b£n song ngœ, giâng h ng tł.
iii Líi c£m ìn Tr÷îc h‚t, tæi xin gßi líi c£m ìn s¥u s›c ‚n PGS. L¶ Anh C÷íng v PGS. Huýnh V«n Nam, hai Thƒy ¢ trüc ti‚p h÷îng d¤n, ch¿ b£o t“n t…nh, luæn hØ træ v t⁄o nhœng i•u ki»n tŁt nh§t cho tæi håc t“p v nghi¶n cøu. Tæi xin gßi líi c£m ìn ‚n c¡c Thƒy/Cæ gi¡o ð Khoa Cæng ngh» thæng tin, Tr÷íng ⁄i håc Cæng ngh», ⁄i håc QuŁc gia H Nºi, °c bi»t l PGS.
Ph⁄m B£o Sìn v c¡c Thƒy/Cæ gi¡o ð Bº mæn Khoa håc m¡y t‰nh, nhœng ng÷íi ¢ trüc ti‚p gi£ng d⁄y v gióp ï tæi trong qu¡ tr…nh håc t“p v nghi¶n cøu ð tr÷íng. Tæi xin gßi líi c£m ìn ‚n c¡c çng nghi»p ð Khoa Cæng ngh» thæng tin, Tr÷íng ⁄i håc Quy Nhìn, °c bi»t l TS. Trƒn Thi¶n Th nh v TS. L¶ Xu¥n Vi»t ¢ quan t¥m, gióp ï v t⁄o i•u ki»n cho tæi trong thíi gian l m nghi¶n cøu sinh.
Tæi xin gßi c£m ìn ‚n PGS. Nguy„n Ph÷ìng Th¡i, TS. Nguy„n V«n Vinh, TS. Phan Xu¥n Hi‚u (Tr÷íng ⁄i håc Cæng ngh», ⁄i håc QuŁc gia H Nºi), PGS.
L¶ Thanh H÷ìng (Tr÷íng ⁄i håc B¡ch khoa H Nºi), TS. Nguy„n Thà Minh Huy•n, TS. L¶ Hçng Ph÷ìng (Tr÷íng ⁄i håc Khoa håc Tü nhi¶n, ⁄i håc QuŁc gia H Nºi), TS. Nguy„n øc Dông (Vi»n Cæng ngh» thæng tin, Vi»n H n l¥m Khoa håc v Cæng ngh» Vi»t Nam), c¡c Thƒy/Cæ ¢ câ nhœng gâp þ ch¿nh sßa ” tæi ho n thi»n lu“n ¡n.
Tæi xin gßi líi c£m ìn ‚n t§t c£ anh, chà, em v b⁄n çng håc ð Bº mæn Khoa håc m¡y t‰nh (Khoa Cæng ngh» thæng tin, Tr÷íng ⁄i håc Cæng ngh», ⁄i håc QuŁc gia H Nºi), °c bi»t l chà Nguy„n Thà Xu¥n H÷ìng (Khoa Cæng ngh» thæng tin, Tr÷íng ⁄i håc D¥n l“p H£i PhÆng), nghi¶n cøu sinh Ho ng Thà i»p (Khoa Cæng ngh» thæng tin, Tr÷íng ⁄i håc Cæng ngh») ¢ gióp ï tæi trong thíi gian l m nghi¶n cøu sinh. CuŁi còng, tæi xin gßi líi c£m ìn ‚n t§t c£ c¡c th nh vi¶n trong gia …nh tæi, °c bi»t l væ tæi - ng÷íi ¢ luæn ıng hº, chia s‡, ºng vi¶n v g¡nh v¡c cæng vi»c gia …nh ” tæi y¶n t¥m håc t“p, nghi¶n cøu. iv Möc löc Líi cam oan i Tâm t›t ii Líi c£m ìn iv Danh möc c¡c chœ vi‚t t›t viii Danh möc c¡c h…nh v‡ ix Danh möc c¡c b£ng xi Mð ƒu 1 1 TŒng quan 5 1.1 Khai ph¡ tri thøc song ngœ .1 X¥y düng ngœ li»u song ngœ .3 X¡c ành cöm tł song ngœ .3 Dàch m¡y thŁng k¶ .1 Mæ h…nh hâa b i to¡n .2 Mæ h…nh ngæn ngœ .3 Mæ h…nh dàch .1 Mæ h…nh dàch düa tr¶n tł .2 Mæ h…nh dàch düa tr¶n cöm tł .3 Mæ h…nh dàch düa tr¶n có ph¡p .5 ¡nh gi¡ ch§t l÷æng dàch. 29 2 X¥y düng ngœ li»u song ngœ cho dàch m¡y thŁng k¶ 32 2.1 Rót tr‰ch v«n b£n song ngœ tł Web .1 Thu th“p dœ li»u .2 Thi‚t k‚ c¡c °c tr÷ng düa v o nºi dung .2 Sß döng c¡c ph¥n o⁄n dàch .3 Thi‚t k‚ c¡c °c tr÷ng düa v o c§u tróc .4 Mæ h…nh hâa b i to¡n ph¥n lo⁄i .2 Rót tr‰ch c¥u song ngœ tł s¡ch i»n tß .1 Thüc nghi»m v• rót tr‰ch v«n b£n song ngœ tł Web .2 K‚t qu£ thüc nghi»m .2 Thüc nghi»m v• rót tr‰ch c¥u song ngœ tł s¡ch i»n tß .2 K‚t qu£ thüc nghi»m .3 Thüc nghi»m v• bŒ sung ngœ li»u song ngœ cho dàch m¡y .4 K‚t lu“n ch÷ìng.
57 3 Giâng h ng tł cho dàch m¡y thŁng k¶ 59 3.2 ành ngh¾a b i to¡n giâng h ng tł .3 C¡c mæ h…nh IBM .4 Thu“t to¡n cüc ⁄i ký vång cho mæ h…nh IBM 1 .2 Mºt sŁ c£i ti‚n mæ h…nh IBM 1 theo c¡ch ti‚p c“n düa tr¶n r ng buºc 65 3.1 C£i ti‚n mæ h…nh IBM 1 sß döng r ng buºc neo .2 C£i ti‚n mæ h…nh IBM 1 sß döng r ng buºc v• và tr‰ cıa tł .3 C£i ti‚n mæ h…nh IBM 1 sß döng r ng buºc v• tł lo⁄i .2 R ng buºc v• tł lo⁄i .4 C£i ti‚n mæ h…nh IBM 1 sß döng r ng buºc v• cöm tł .1 M¤u có ph¡p song ngœ .5 K‚t hæp c¡c r ng buºc .2 K‚t qu£ thüc nghi»m vîi r ng buºc neo v r ng buºc v• và tr‰ cıa tł .3 K‚t qu£ thüc nghi»m vîi r ng buºc tł lo⁄i .4 K‚t qu£ thüc nghi»m vîi r ng buºc cöm tł .5 K‚t qu£ thüc nghi»m v• k‚t hæp r ng buºc .4 K‚t lu“n ch÷ìng. 85 4 X¡c ành cöm tł song ngœ cho dàch m¡y thŁng k¶ 87 4.1 B i to¡n rót tr‰ch cöm tł song ngœ .2 Ph÷ìng ph¡p rót tr‰ch cöm tł song ngœ .3 T‰ch hæp cöm tł song ngœ v o dàch m¡y .1 Thüc nghi»m v• rót tr‰ch cöm tł song ngœ .2 K‚t qu£ thüc nghi»m .2 Thüc nghi»m v• t‰ch hæp cöm tł song ngœ v o dàch m¡y .2 K‚t qu£ thüc nghi»m .5 K‚t lu“n ch÷ìng .
Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ
Trích dẫn luận án này
Lê Quang Hùng (2016). Khai phá tri thức song ngữ, ứng dụng dịch máy Anh-Việt [Luận án tiến sĩ, Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội]. LuanAn.net. https://luanan.net/tai-lieu-khac/khai-pha-tri-thuc-song-ngu-va-ung-dung-trong-dich-may-anh-viet-luan-an-ts-cong
Câu hỏi thường gặp
Luận án "Khai phá tri thức song ngữ, ứng dụng dịch máy Anh-Việt" nghiên cứu về vấn đề gì?
Khai phá các phương pháp thu thập, phân tích tri thức song ngữ Anh-Việt. Ứng dụng đột phá vào cải tiến chất lượng hệ thống dịch máy Anh-Việt.
Luận án "Khai phá tri thức song ngữ, ứng dụng dịch máy Anh-Việt" được bảo vệ tại trường nào?
Luận án này được bảo vệ tại Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội. Năm bảo vệ: 2016.
Luận án "Khai phá tri thức song ngữ, ứng dụng dịch máy Anh-Việt" thuộc chuyên ngành gì?
Luận án "Khai phá tri thức song ngữ, ứng dụng dịch máy Anh-Việt" thuộc chuyên ngành Khoa học máy tính. Danh mục: Tài liệu khác.
Luận án "Khai phá tri thức song ngữ, ứng dụng dịch máy Anh-Việt" có bao nhiêu trang?
Luận án "Khai phá tri thức song ngữ, ứng dụng dịch máy Anh-Việt" có 130 trang. Bạn có thể xem trước một phần tài liệu ngay trên trang web trước khi tải về.
Cách tải luận án "Khai phá tri thức song ngữ, ứng dụng dịch máy Anh-Việt" về máy như thế nào?
Để tải luận án về máy, bạn nhấn nút "Tải xuống ngay" trên trang này, sau đó hoàn tất thanh toán phí lưu trữ. File sẽ được tải xuống ngay sau khi thanh toán thành công. Hỗ trợ qua Zalo: 0559 297 239.