بازسازی ساختاری به منظور بهبود بخشیدن به ترجمه ماشینی آماری فارسی به انگلیسی

ترجمه خودکار از یک زبان طبیعی به زبان طبیعی دیگر با استفاده از کامپیوتر را ترجمه ماشینی می نامند. یکی از روشهایی که برای ترجمه از یک زبان به زبان دیگر بکار می رود، روش ترجمه ماشینی آماری است. از مشکلات اساسی در رابطه با ترجمه ماشینی آماری وجود نداشتن پیکره دو زبانه بزرگ است که منجر به دستیابی به خروجی هایی با کیفیت نامطلوب شده است. البته تنها با پیکره های دو زبانه نمی توان تمام ویژگی های زبانی را بدست آورد و نیاز به عملیات زبان-شناسی در ترجمه آماری احساس می شود. فرایند بازسازی ساختاری به معنی تطبیق دادن ترتیب کلمات ترجمه شده به ترتیب کلمات در زبان مقصد است. به عنوان مثال می توان به تفاوت بین ترتیب موصوف-صفت در زبان فارسی و صفت-موصوف در زبان انگلیسی اشاره کرد. در این پایان نامه ابتدا به بررسی و مقایسه روش های بازسازی ساختاری که با هدف بهبود بخشیدن به کیفیت سیستم های ترجمه آماری انجام شده اند، پرداخته شده است. بازسازی های ساختاری که به صورت داخلی در سیستم های ترجمه آماری انجام می شوند محدود هستند و برای جفت زبان هایی که تفاوت های ساختاری زیادی با هم دارند به اندازه کافی مناسب نیستند. بنابراین نیاز به تکنیک های بیشتری در این زمینه احساس می-شود. روش پیشنهاد شده در این پایان نامه که برای جفت زبان های فارسی و انگلیسی طراحی شده است از ویژگی ها و قواعد زبانی استفاده می کند تا خروجی بهتری را در ترجمه از زبان فارسی به انگلیسی نتیجه دهد. در اولین گام در انجام روش پیشنهادی، قسمت فارسی پیکره دو زبانه با استفاده از برچسب گذار اجزای سخن، برچسب گذاری می شود. سپس با استفاده از تجزیه گر وابستگی برای زبان فارسی، روابط وابستگی بین کلمات در جملات قسمت فارسی پیکره نیز مشخص می شوند. برچسب گذارهای موجود برای زبان فارسی دارای دقت بسیار مناسبی هستند و از این نظر در کاهش کیفیت خروجی نهایی سیستم تاثیرگذاری منفی نخواهند داشت اما در مورد تجزیه گرهای زبان فارسی این مورد خیلی صحیح نیست و دقت تجزیه گرها در کیفیت خروجی سیستم تاثیرگذاری بیشتری خواهند داشت و از طرفی گستردگی تجزیه گرهای وابستگی برای زبان فارسی به اندازه برچسب گذارها نیست. بعد از برچسب گذاری و مشخص کردن روابط وابستگی میان کلمات، با توجه به تفاوت های زبان فارسی و انگلیسی، قواعدی استخراج می شوند تا پس از اعمال بر روی جمله های زبان مبدا (در اینجا زبان فارسی) ساختار این جملات را به ساختار زبان مقصد نزدیک تر کنند. قواعد بدست آمده به صورت یک سیستم پیش پردازشی عمل می کند که در نهایت بدون نیاز به ایجاد تغییر در قسمت های اصلی سیستم ترجمه ماشینی پایه، موجب بهبود کیفیت خروجی خواهد شد. بر اساس آزمایش های انجام شده برای بررسی کیفیت خروجی سیستم ترجمه حاصل با استفاده از سیستم های ارزیابی موجود، بهبود قابل قبولی نسبت به سیستم ترجمه ماشینی پایه بدست آمده است. روش انجام گرفته در این پایان نامه منجر به بهبودی در حدود 11/1 درصد در معیار ارزیابی بلو و مقدار 86/1 درصد در معیار f-measure شده است. همچنین در معیار ارزیابی ter کاهش 6/1 درصدی را مشاهده کرده ایم.