基于表征重述的机器文本理解

传统机器翻译系统缺乏联系上下文形成认知的能力，仅根据对应单词的默认含义进行翻译，容易导致语义错误等问题。通过模拟人的表征重述认知过程，提出一种新的机器文本理解与翻译方法。该方法可通过较少的实例对文本进行理解和翻译，避免出现语义理解错误问题，且无需进行繁杂的语法标注。实验表明，该方法可通过引入习得的常识，使翻译出现歧义错误的概率降低到 1%以下，并可标注出不符合常理而又无法找到更好解释的句子。