音译作为一种按照文字读音进行近似翻译的方法,在人名翻译中有着广泛的应用。人名音译接受一个源语言的人名作为输入,在保证发音基本不变的原则下,输出与该人名以目标语言表示的翻译。在许多应用中,例如实体翻译,语料库对齐,跨语言信息检索,信息提取和自动词典获取等任务中,命名实体的音译是必不可少的子任务,而人名音译是命名实体音译的重要组成部分。本文通过基于字素的藏汉人名音译模型研究,总结出资源较少语言在音译时的不足,提出了“先确定发音,再确定字型”的音译策略,并通过线性组合和利用发音信息重排序的策略对候选音译对进行重排序。本文的主要工作和贡献点如下:1.本文首先介绍了基于形素的藏汉人名音译框架,并在该框架下分析比较了两种音译模型:联合信源信道模型和条件随机场模型。在联合信源信道模型中,我们介绍了藏汉人名音译模型在基于形素的前提下如何进行切分对齐,并介绍了生成多个候选音译对所使用的Beam Search算法,然后通过分析输出的中间参数,根据二元音译对,一元音译对,源语言音节和目标语言音节之间的关系,找到了对应关系矩阵稀疏的原因部分是因为汉字中的多音字现象,为后面的工作做了铺垫。在条件随机场模型中,我们简单介绍了模型的模板设计,以及模板设计的原理。2.藏文是一种资源较少语言,我们很难获得大量的藏汉双语人名语料。本文提出了“先确定发音,再确定字型”的策略,使用藏文的拉丁转写和中文的汉语拼音来改写藏文人名和中文人名,将藏汉人名音译分成从藏文到拉丁转写,从拉丁转写到拼音和从拼音到汉字三个步骤。通过双语语料来确定藏文人名的汉语发音,然后利用大量的中文单语语料来确定字型,将实验对藏汉双语语料的需求转移到了对汉语单语语料的需求上,大大降低了语料的搜集难度,从而提高了模型的准确率。3.本文在“先确定发音,再确定字型”的基础上,提出了一种更细粒度的切分方法,并在拉丁转写到拼音阶段,输出中间参数并和基于形素的结果进行比较,证明了使用更细粒度的切分方法,能够有效地减少对应关系矩阵的数据稀疏现象,从而提高音译的最终效果。I4.本文还研究了如何对生成的候选音译对进行重排序。在分析了前面获得的候选音译对的特点以及重排序的原理之后,我们使用线性组合的策略,采用投票的方法进行了相关的实验,分别验证相同方法不同模型,相同模型不同方法下的重排序效果。并提出一种新的利用基于音素的实验产生的发音规则作为标准,对基于形素的实验结果进行重排序的重排序策略,并设计相关的实验验证了此策略的效果。