بهبود ترجمه ماشینی آماری انگلیسی به فارسی با استفاده از اطلاعات زبانشناسی

با گسترش روز افزون حجم داده ها و اطلاعات و همچنین گسترش تعاملات بین المللی برقراری ارتباط یکی از مهمترین جنبه های زندگی امروز است. مشکل عمده ای که در این زمینه وجود دارد عدم امکان برقراری ارتباط با استفاده از داده های به زبان دیگر است. از اینرو یکی از مهمترین مسائل زندگی امروز ارائه راه حلی خودکار جهت ترجمه از یک زبان به زبان دیگر است. ترجمه ماشینی یکی از راه هایی است که برای حل این مشکل ارائه شده است و به خاطر اهمیت آن، در سالیان اخیر توجه بسیار زیادی به آن شده است. ترجمه ماشینی آماری به عنوان یکی از بهترین روش ها برای ترجمه از یک زبان به زبان دیگر شناخته می شود. برای زبان هایی که از لحاظ ساختار دارای شباهت زیادی به یکدیگر هستند خروجی این مترجم بسیار مناسب است. اما برای برخی جفت زبان ها مانند زبان های انگلیسی و فارسی تفاوت های ساختاری میان دو زبان و همچنین عدم وجود پیکره دوزبانه بزرگ باعث شده است که این روش برای ترجمه انگلیسی به فارسی ترجمه های مطلوبی را تولید نکند. در این پایان نامه سعی شده است با کمک گرفتن از اطلاعات زبان شناسی، تا حد ممکن بر مشکلات این روش برای ترجمه انگلیسی به فارسی فائق آید. جهت انجام این کار ابتدا سعی در کاهش تفاوت ساختاری میان جملات انگلیسی و فارسی شده است. این عمل می تواند منجر به ایجاد مدل ترجمه بهتر شود. برای این منظور یکسری قوانین استخراج و بر روی جملات انگلیسی اعمال گردید. این تغییرات منجر به بهبود حدود 17 درصدی در معیار bleu و حدود 21 درصدی در معیار nist گردیده است. در ادامه نسبت به غنی سازی عبارات داخل پیکره با استفاده از برخی اطلاعات زبان شناسی از جمله برچسب های بخش های سخن و ریشه کلمات اقدام شد. با این اطلاعات یک سیستم مترجم مبتنی بر فاکتور ایجاد گردید. خروجی این سیستم بهبود حدود 17 درصدی در معیار bleu و حدود 25 درصدی در معیار nist را نشان می دهد.