文摘
为了提高使用英语的准确性和合理性语料库的翻译,用英语语料库的方法完成翻译任务基于模糊语义智能选择最优解和启发的计算提出了无线网络。信息提取模型使用英语语料库翻译构造和模糊语义关键字翻译英语语料库的方向性特征模型建立。注册方法模糊语义本体特性是用来计算模糊语义智能最优解向量用英语翻译。语义模糊特征匹配和适应性主体词注册实现用英语翻译。模糊语义本体建立的链接关系,以及模糊语义获得最优解。机器翻译的准确性提高英语语料库。实验结果表明,模糊语义最优解登记具有更好的性能和特征匹配程度的主题词语更高,使翻译英语语料库的合理性和准确性。同时,它提供了一个新想法的智能计算和识别的无线网络。
1。介绍
随着智能翻译技术的发展,机器翻译是用来翻译英语,逐步取代人工翻译,提高翻译的准确性。与机器软件英语翻译的过程中,语义识别和特征分析是必要的,和英语语境和文本的语义信息提取机器智能识别方法,和英语信息模型构造。结合模糊语义识别技术提高智能水平的英文翻译1]。当使用英语语料库做翻译工作,英语翻译可用性问题的原因通常是由于技术和内容方面,并采用模糊语义最优解的方法。合理组织和内容创建英语翻译从语义的角度反映了发起人的主体性,提高智力水平和自动化的英文翻译2]。使用的算法可以提高数据的整体分析;它有重要意义研究模糊语义的智能选择模型最优解在翻译英语语料库。
机器翻译的准确性和适应性已成为未来翻译软件的一个重要课题的研究。机器翻译的优化问题是基于语义选择和特征提取。通过提取的语义信息特征的英语背景下,我们结合了智能分析和语义信息检索技术,实现本体映射和自适应伴随的语义信息的跟踪,结合模式识别方法实现英语智能翻译,机器翻译研究英语语义的模糊语义选择技术,并优化设计的机器翻译软件(3]。重要的是要提高翻译的准确性和人工智能。传统的方法包括主题树特征匹配方法,支持向量机算法,粒子群优化方法。
独立提取情感词和评价对象忽略了情感词之间的关系和评价对象。因此,许多研究人员进行联合识别情感词的情感分析和评价对象。无线网络计算是新兴的启发算法,可以解决上述问题。
为了提高翻译的准确性、语言评价集模型和特征匹配组合构造英语翻译的语义特征。取得了一些研究成果,但传统的方法有一些问题,如环境干扰抑制能力差和耦合干扰。为了解决这个问题,本文提出了一种基于模糊语义信息提取模型的最优解,使用翻译英语语料库进行操作,构造一个基于模糊语义信息提取模型最优解(4]。模糊语义关键字翻译英语语料库的方向性模型建立,注册方法和模糊语义本体特性是用来计算模糊语义智能最优解向量用英语翻译。用英语翻译,语义模糊特征匹配和适应性主体词注册实现。模糊语义本体建立的链接关系,模糊语义计算最优解,提高机器翻译英语语料库的准确性。这种方法的性能改善英语演示了机器翻译的准确性(5]。
本文的贡献可以概括如下:(1)语义模糊特征匹配和适应性主体词注册实现用英语翻译。语义模糊特性可以有效地提高翻译的准确性(2)启发的计算为无线网络是用来处理问题,情感词和评价对象忽略了情感词之间的关系和评价对象(3)建立了模糊语义本体的链接关系的翻译提供更多的灵活性
本文的其余部分组织如下。部分2讨论了在翻译中语义特征选择和信息提取,紧随其后的是模糊语义的智能选择和实现最优解设计部分3。部分4仿真实验结果显示,部分5总结了论文的总结和未来的研究方向。
2。在翻译中语义特征选择和信息提取
2.1。信息提取的英语语料库翻译作业
为了实现模糊语义选择和翻译自适应优化英语语义机器翻译后,模糊语义本体映射模型。模糊语义本体映射方法是用于过滤机器翻译英语的语义特征,语义分析和模块提取机器进行英语翻译和语义映射关系结构设置。在语义映射模块、二元语义判断和语法分析和校正进行英文翻译,英文和模糊语义本体映射的过程机器翻译。英语翻译的语义本体模型是由使用NLP技术(6),和一个共享的概念模型使用英语语料库翻译操作。首先,考虑两组英语翻译的本体片段实例设置如图1。
把图1作为一个例子,使用英语语料库进行自然语言处理,英文单词“图像”可以表示一幅,同义词“图像”和“图片”模糊特征匹配和适应性主体词登记。可能的语义本体模糊同义词之间的链接关系和语义信息被描述为用英语翻译
如果 是一个短语使用英语语料库翻译,语义兼容性映射的形式表达吗 二元语义映射和语义本体模糊本体模型中建立链接关系,解决这个问题的模糊特征匹配和适应性主体词登记概念之间的自然语言相似的单词(7]。
两个概念语义约束系数 , 是山节点,语义信息的分析和评估。然后,结构性知识在本体片段可以用下面的函数 :
自然语言的二元语义信息对翻译是使用英语语料库
在图1,”“山”节点的两个标签左侧的英语语料库的自然语言处理是用于处理和分析的背景下,自然语言使用广义概念(小于)之间的关系。的智力水平机器语言翻译是改善。
2.2。分析语义本体映射模型的翻译英语语料库
基于自然语言处理的英语语料库,语义翻译英语语料库构建的本体模型,并采用二元语义信息分析方法。获得,模糊语义本体由机器翻译英语的链接关系是一个“不”关系(8]。对象的模糊评价(或对象,则)之间不同的本体进行的概念,和符号的语义相关性最大的集值分析了领域知识, 。在简单的语义单位,有英语翻译定语修饰符:
下的近似词识别简单的语义单位,假设 和 两个二元语义。在翻译英语语料库,定语从句被分配到主要的句子。在选择的范围条款,语法本体映射模型被描述为二元语义(1)如果 ,然后 。(2)如果 ,① ,然后 ;② ,然后 ;和③ ,然后
3所示。智能模糊语义选择和实现最优的解决方案
3.1。模糊语义智能最优解向量计算用英语翻译
的语义模型的基础上构建英语语料库的翻译和处理自然语言信息提取,本文改进了设计智能模糊语义的选择方法的最优解,提高英语语料库的使用。在智力水平翻译9),模糊语义关键字使用英语语料库方向性模型建立,如图所示2。
在图2使用英语语料库,模糊语义关键字方向性模型建立了翻译。注册方法的模糊语义本体特性是用来计算模糊语义智能最优解向量的英文翻译10]。如果语义二元组 和 每个主题列表的英文翻译信息的直接上级,每个subvector的欧几里得距离如下:
英语语料库翻译软件中的二元语义信息的平均可靠性因子定义为英语副词翻译基于本体片段搜索引擎的英文翻译软件:
通过搜索向量空间,模糊语义智能最优解向量向量定义为每个词的部分
根据模糊语义智能的结果最优解向量(11],语义模糊特征匹配和适应性主体词注册实现用英语翻译,并建立了模糊语义本体的链接关系(12]。
3.2。智能模糊语义的选择计算最优的解决方案
的基础上计算最优解向量模糊语义的智能,模糊语义选择最优解情报的过程中,本体映射,以及模糊语义本体建立的链接关系。模糊语义计算最优解和改进的过程中,本体映射。机器翻译的准确性在英语语料库13]。根据模糊语义关键字方向性模型基于英语语料库,主体的最优匹配搜索词的语义进行英语翻译过程中,和圆形栈控制采用搜索方法。模糊语义匹配控制。语义注册搜索英文翻译的原理图如图3。
根据英语的机器翻译的语义搜索过程在图3,本文计算综合权重的相似文档英文翻译(14]。让 是一组二元语义信息, ,,让 是两个单词进行比较。二元语义加权算术平均算子φ2被定义为 在哪里 。
在英语翻译,一些常用的短语分为几个单词。因为识别常见的单词和翻译的精确控制,在使用的过程中对翻译英语语料库(15),常用词汇是含糊不清的话。语义中心向量的词计算根据词在文本的位置。的相似性 用英语翻译是(16]
中心向量语义模糊的概念集之前和之后的翻译英语语料库。的概率密度的共同特性的可靠的翻译两个词表示如下(17]:
根据文本中的词的特定背景下,每一个向量是由语义映射的方法修改之前和之后的文本,和二元语义相关运营商在主题列表中归一化提高英语翻译的合理性和实现英文翻译(18]。语义模糊特征匹配和适应性主体词注册之前和之后的文本翻译进行了分析。然后,通过比较简单的字符串,它是分析选择最优解的结果是否满足最优模糊语义的语义相关性程度,如果是这样,调整系数的进步。线翻译的完整性和合理性是对比,调整系数进行比较和计算,和功能词从文本转换成信息表中提取语义文本识别的主题的话,和机器语言进行翻译,直到最佳翻译是满意的。因此,算法的实现流程如图4(19]。
4所示。实验测试分析
4.1。传统的句子翻译的准确性验证
最后,实验分析是进行MATLAB仿真环境,和使用英语语料库的性能模型分析了翻译的准确性和合理性通过模糊语义的智能选择最优解(20.]。
在实验中,采用标准指标指数。召回率的语义信息和特征匹配程度的词是测量。通过综合决策、十本体论的例子是用于机器翻译英语,不同阈值下的英语语料库的翻译。特征匹配程度如图5。为了比较性能,使用不同的方法来获取信息英语语料库翻译的召回率。结果如图6。
仿真结果表明,该方法具有更好的语义匹配性能的使用英语语料库和调整翻译的完整性和合理性,通过调整阈值系数来提高英语翻译的准确性。这表明上下文映射的英语翻译有很强的能力和高翻译的整体质量。
4.2。情感词和评价对象的共同认可
目前,现有的工作一般分为监督学习方法和非监督学习方法。大部分的方法来识别情感词(或评价对象)首先,然后确定评价对象(或情感词)根据情感或语义关系。摘要模糊语义机器翻译模型是用来识别情感词和评价对象作为一个联合识别任务。同时,情感词汇提取和评价对象和他们的情感关系。除了情感关系,词在文本语料库的特点,如词频、词分布比率,和领域依赖性的话,将有一个重要的影响情感词识别和评估对象。仿真结果如图所示7。
本文提出的方法已在四个数据集进行测试。同时,实验已经进行了刘翔的方法,印尼盾,功能,和IEDR。数据8和9实验和对比实验的结果在餐饮酒店评论和评论,分别。表中,“我们”是实验方法;刘是文章的实验方法;印尼盾、功能和IEDR是三篇文章。
从图我们可以看到8,本文提出的方法应用于餐饮的评论。召回率是一样的方法,和准确性值略高于刘的实验方法。实验的结果在本文使用的方法远高于那些在文章中。
从图可以看出9提取的方法评估对象提出了应用于酒店评论,其准确性、召回率,值大于基线实验方法。
5。结论
本文使用英语语料库的方法执行翻译任务提出了基于模糊语义智能选择最优解。信息提取模型使用英语语料库翻译构造和模糊语义关键字翻译英语语料库的方向性特征模型建立。注册方法模糊语义本体特性是用来计算模糊语义智能最优解向量用英语翻译。语义模糊特征匹配和适应性主体词注册实现用英语翻译。模糊语义本体建立链接关系和模糊语义获得最优解。机器翻译的准确性提高英语语料库。实验结果表明,模糊语义最优解登记具有更好的性能和特征匹配程度的主题词语更高,使翻译英语语料库的合理性和准确性。该方法具有良好的机器翻译算法设计中的应用价值。
数据可用性
数据可以从作者。
的利益冲突
没有利益冲突。
确认
这项研究是由湖北理工大学的科研项目,项目名称:关键的哲学概念的翻译策略研究中国思想和文化从沟通的角度(项目编号:19 xjr04y);湖北理工大学教学研究项目,项目名称:校本研究互联网背景下的大学英语无纸化考试。(项目编号:2019 b11);和通用工程哲学和社会科学研究湖北省级教育部门,项目名称:基于语料库的批判话语分析美国主流媒体对中国外交新闻(项目编号:19 y121)。