智能模糊决策树算法在英语机器翻译中的应用

摘要

自然语言处理是计算机科学中一种从人类语言中获取和分析含义并以智能方式与人类进行交互的方法;为解决短语匹配需要目标语言中的对应语言存在偏差的问题,提出了一种基于智能模糊决策树算法的英语分级机器翻译模型(HEMTM);模型通过搜索与分层英语机器翻译相关特征完成构建,同时,根据语言受欢迎程度和语义重要性对机器翻译的准确性进行排名,该模型在构建机器翻译的过程中,考虑了HEMTM与相应英语机器翻译支持关系之间的差异;研究结果显示,当采用HEMTM模型等级为CFGrank时,模型具有较高的准确性;在n=60,δ=0情况下,模型准确性为68％;该模型可应用于具有多个答案的英语机器翻译的构建,为英语机器翻译算法领域研究提供了参考.