تخمین موثری از شباهت متون در ترجمه ماشینی مبتنی بر مثال

ترجمه ماشینی یکی از مهمترین شاخه¬های تحقیقاتی در زمینه پردازش زبان طبیعی می¬باشد. ترجمه ماشینی عبارت است از برگردان متنی از یک زبان به زبان دیگر توسط ماشین به طوری که مفهوم متن در زبان مبدأ بدون تغییر به زبان مقصد منتقل شود. یکی از سیستم¬های ترجمه ماشینی، سیستم مبتنی بر مثال می¬باشد. در این رویکرد برای ترجمه یک ترکیب از کلمات، به مجموعه متون ترجمه شده قبلی مراجعه می¬شود تا بجای ترجمه لفظ به لفظ و نامتعارف، یک ترجمه مشابه ترجمه انسانی بدست آید.در این رساله، ما یک مدل را در جهت اندازه¬گیری میزان شباهت دو جمله در ترجمه ماشینی مبتنی بر مثال ارائه کرده¬ایم. در مدل ارائه شده از الگوریتم ژنتیک و یک تابع برازندگی جدید که مبتنی بر بار معنایی منطبق شده بین دو جمله می¬باشد، استفاده گردیده است. ما فعل¬ها را به عنوان قلب یک جمله در نظر گرفته¬ایم چون بخش اساسی یک جمله بشمار می¬آیند و مقادیر زیادی از بار معنایی جمله را حمل می¬کنند. بنابراین ما در تابع برازندگی ارائه شده توجه بیشتر خود را بر روی افعال جمله قرار داده¬ایم.نتایج حاصل از معیارهای اندازه¬گیری precision و recall نوید ¬دهنده آن است که متد ارائه شده، کیفیت جملات منطبق شده بازیافتی را بهبود بخشیده¬ است.