• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文学位 >English to Arabic Machine Translation Using a Phrase-based Approach.
【24h】

English to Arabic Machine Translation Using a Phrase-based Approach.

机译：使用基于短语的方法进行英语到阿拉伯语的机器翻译。

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Statistical machine translation (SMT) treats the translation of natural language as a machine learning problem. By examining many samples of human-produced translations, SMT algorithms automatically learn how to translate. In this thesis, we discuss the automatic machine translation from English to Arabic using a statistical phrase-based approach employing a parallel Arabic-English corpus that was developed manually by more than one translator. Statistical machine translation (SMT) consists of two phases: The training phase and the decoding phase. In the training phase, the statistical language model and the translation model are built. In the decoding phase, the best possible translation is chosen depending on a comprehensive search process. We built a sizable parallel corpus spanning various categories of topics from the Meedan website, and later compared the results of Meedan with that of the other two corpora: LDC and UN. The performance was compared based on the Bilingual Evaluation Understudy (BLEU). Our experimentation shows that, overall, the Meedan corpus outperformed the other two corpora in most categories. We, also, compared the performance of the Moses decoder and the Pharaoh decoder. We conclude that although the response time for the pharaoh decoder is better than that of the Moses decoder, the quality of the translation of the Moses decoder exceeds that of the Pharaoh decoder.
机译：统计机器翻译（SMT）将自然语言的翻译视为机器学习问题。通过检查许多人工翻译的样本，SMT算法自动学习了翻译方法。在本文中，我们讨论了使用基于统计短语的方法将英语自动翻译成阿拉伯语的方法，该方法采用了由多个翻译者手动开发的并行阿拉伯语-英语语料库。统计机器翻译（SMT）包含两个阶段：训练阶段和解码阶段。在培训阶段，建立了统计语言模型和翻译模型。在解码阶段，根据全面的搜索过程选择最佳翻译。我们从Meedan网站上建立了一个涵盖各个主题的大型并行语料库，然后将Meedan的结果与其他两个语料库（LDC和UN）的结果进行了比较。根据双语评估调查（BLEU）对性能进行了比较。我们的实验表明，总体而言，Meedan语料库在大多数类别中均优于其他两个语料库。我们还比较了Moses解码器和Pharaoh解码器的性能。我们得出的结论是，尽管法老王解码器的响应时间比Moses解码器的响应时间要好，但Moses解码器的翻译质量却超过了Pharaoh解码器。

著录项

  • 作者

    Amro, Mohammad Ismail Hasan.;

  • 作者单位

    King Fahd University of Petroleum and Minerals (Saudi Arabia).;

  • 授予单位 King Fahd University of Petroleum and Minerals (Saudi Arabia).;
  • 学科 Artificial Intelligence.;Computer Science.
  • 学位 M.S.
  • 年度 2012
  • 页码 88 p.
  • 总页数 88
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号