Research on Unsupervised Word Alignment Based on Inversion Transduction Grammar

1.提出了一種基於特徵函數和反向轉錄文法（ITG）的無監督詞對齊模型，使用對數線性
模型對文法規則的機率建模，先驗知識能夠經過特徵函數的形式加入到模型裏面，而模型仍
然能夠進行無監督訓練。
2. 在模型的參數訓練方面，本文在模型的優化目標上增長了一個L1正則化因子，使得模型
能學到一個稀疏的解，把文法規則機率集中到了對詞對齊有用的文法規則上面，提升了詞對
齊的質量。
3. 開發了一個基於ITG的無監督詞對齊軟件工具，實現了傳統的ITG無監督詞對齊模型
和基於特徵函數的ITG無監督詞對齊模型。

本文在詞對齊和機器翻譯兩個方面進行了相關的實驗。實驗結果代表，本文提出的模型
不管是在詞對齊仍是在機器翻譯方面都優於傳統的ITG無監督詞對齊模型。

全文連接：

http://files.cnblogs.com/lizhonghua/%E5%9F%BA%E4%BA%8EITG%E7%9A%84%E6%97%A0%E7%9B%91%E7%9D%A3%E8%AF%8D%E5%AF%B9%E9%BD%90%E7%A0%94%E7%A9%B6.pdf