中軟譯星翻譯質(zhì)量改進(jìn)策略

1、中軟譯星翻譯質(zhì)量改進(jìn)策略任燕 洪忻中國軟件與技術(shù)服務(wù)股份有限公司 北京 100081 HYPERLINK mailto:renyaan reenyaan HYPERLINK mailto:hoongxxinn hoongxxinn 摘要: 本本文總結(jié)結(jié)了譯星星翻譯系系統(tǒng)所采采用的技技術(shù)方法法，以及及譯星系系統(tǒng)針對對一般篇篇章翻譯譯所采取取的一些些策略。在在技術(shù)方方法中，介介紹了譯譯星系統(tǒng)統(tǒng)的語言言模型、結(jié)結(jié)構(gòu)設(shè)計計、源文文分析與與譯文生生成思想想。對于于翻譯策策略，提提出了基基于詞組組的語言言單元分分析方法法，以及及語義結(jié)結(jié)構(gòu)優(yōu)先先語法結(jié)結(jié)構(gòu)的處處理原則則，從而而加強(qiáng)了了詞組和和語義在在機(jī)器翻

2、翻譯中的的地位與與作用。同同時還介介紹了如如何加強(qiáng)強(qiáng)語義分分析的具具體實施施方法。以以這些翻翻譯策略略為改進(jìn)進(jìn)原則，譯譯星翻譯譯系統(tǒng)的的翻譯質(zhì)質(zhì)量得到到了提高高。其中中，譯星星漢英系系統(tǒng)的篇篇章翻譯譯忠實度度達(dá)到了了54%，譯星星英漢系系統(tǒng)篇章章翻譯達(dá)達(dá)到了551%。關(guān)鍵詞：詞詞組、語語義結(jié)構(gòu)構(gòu)Transstarr Appprooachhes forr Trransslattionn ImmproovemmenttYan RRen XXin HonngChinaa Naatioonall Sooftwwaree & Serrvicce CCo.,Ltdd No. 555 XXueyyuann

3、Naanluu, HHaiddiann, BBeijjingg 10000881, ChiinaAbstrractt: TThiss paaperr suummaarizzes thee teechnnicaal mmodeel iin TTrannstaar ssysttem. Itt allso inttrodducees ssomee immproovinng aapprroacchess off Trransstarr inn itts ggeneerall-arrticcle traansllatiion. Inn teermss off teechnnicaal mmodeel,

4、it inttrodducees TTrannstaar llingguissticc moodell, sstruuctuurall deesiggn, bassic ideea oon ssourrce anaalyssis andd taargeet ggeneerattionn. IIn ttermms oof ttrannslaatioon aapprroacch, it putts fforwwardd thhe iideaa off Phhrasse aas SSenttencce UUnitt annd SSemaantiic FFuncctioon aas AAnallysi

5、is PPreffereencee. TTherrefoore, itt puuts morre sstreessees oon pphraase andd seemannticcs dduriing macchinne ttrannslaatioon. It alsso ggivees aa brrieff inntrooducctioon oon hhow to connducct ssemaantiic ffuncctioon aanallysiis. Witth tthesse nnew appproaachees, Traansttar hass immproovedd itts t

6、trannslaatioon pperfformmancce. Traansttar Chiinesse-EEngllishh trransslattionn acccurracyy reeachhes 54%. AAnd Traansttar Engglissh-CChinnesee trransslattionn reeachhes 51%.Key wwordds：PPhraase, Seemannticc Fuuncttionn我國的機(jī)器器翻譯產(chǎn)產(chǎn)品是于于上個世世紀(jì)八十十年代正正式投入入市場的的。當(dāng)時時推出機(jī)機(jī)器翻譯譯產(chǎn)品的的目的和服務(wù)務(wù)方向主主要是為為了滿足足科技類類外文資資料的大大規(guī)

7、模翻翻譯的需需求，而而且當(dāng)時時直至以以后相當(dāng)當(dāng)長的階階段，機(jī)機(jī)器翻譯譯的目標(biāo)標(biāo)都是以以簡單句句為主，對對于真正正意義的的“自然語語言”，并沒沒有做廣廣泛而深深入的研研究與處處理。其其語言規(guī)規(guī)則和分分析算法法的形成成是根據(jù)據(jù)一些簡簡單的例例句。這這種作法法使得一一些商品品化機(jī)譯譯系統(tǒng)遠(yuǎn)遠(yuǎn)遠(yuǎn)落后后于用戶戶的需要要。實際際上，用用戶對機(jī)機(jī)譯系統(tǒng)統(tǒng)的需要要包括了了人類生生活的各各個方面面的活動動，如社社會、政政治、經(jīng)經(jīng)濟(jì)、科科技、商商務(wù)等等等。這些些方面的的語言現(xiàn)現(xiàn)象都是是極其復(fù)復(fù)雜的，經(jīng)經(jīng)常出現(xiàn)現(xiàn)好幾十十字甚至至上百字字的長句句，用戶戶希望機(jī)機(jī)器翻譯譯系統(tǒng)能能正確地地處理這這樣的長長句，因因此，我我

8、們認(rèn)為為，機(jī)器器翻譯系系統(tǒng)的開開發(fā)者首首先要把把自己擺擺在用戶戶的位置置上，力力爭對實實際應(yīng)用用中所碰碰到的各各種復(fù)雜雜長句都都能給出出高質(zhì)量量的翻譯譯。以面向用戶戶的實際際需要，努努力提高高翻譯質(zhì)質(zhì)量作為為基本的的出發(fā)點點，這幾幾年我們們在系統(tǒng)統(tǒng)開發(fā)時時從報章章、雜志志及書籍籍中搜集集了各個個方面的的資料，建建立了有有關(guān)政治治、經(jīng)濟(jì)濟(jì)、科技技和商務(wù)務(wù)各個方方面的開開發(fā)語料料庫。在在分析這這些語料料庫的基基礎(chǔ)上，形形成了我我們的語語法、語語義、規(guī)規(guī)則框架架，在這這一過程程中，我我們尤其其注意了了框架的的易調(diào)試試性和可可擴(kuò)充性性，這使使得我們們在開發(fā)發(fā)過程中中能通過過大量調(diào)調(diào)試不斷斷地修正正、完

9、善善和擴(kuò)充充我們的的規(guī)則系系統(tǒng)。具體來講，譯譯星系統(tǒng)統(tǒng)的翻譯譯目標(biāo)，從從過去的的為科技技類翻譯譯服務(wù)，轉(zhuǎn)轉(zhuǎn)向一般般篇章翻翻譯服務(wù)務(wù)，從只只處理簡簡單句，向向處理復(fù)復(fù)雜句過過渡。為為此，譯譯星系統(tǒng)統(tǒng)在語言言翻譯質(zhì)質(zhì)量的改改進(jìn)上，主主要做了了以下工工作：由于一般篇篇章涉獵獵范圍幾幾乎無所所不包，譯譯星系統(tǒng)統(tǒng)大大擴(kuò)擴(kuò)充了其其詞匯量量，新添添詞匯110余萬萬條，詞詞匯范圍圍涉及科科技、政政治、歷歷史、軍軍事、文文化等等等，從而而使得譯譯星系統(tǒng)統(tǒng)對不同同內(nèi)容的的篇章信信息的翻翻譯能力力得到加加強(qiáng)。由于一般篇篇章是純純粹的“自然語語言”，而不不是人為為編寫的的簡單句句，因而而必須使使得譯星星系統(tǒng)對對于真正

10、正意義的的自然語語言的處處理能力力得到加加強(qiáng)。為為此，譯譯星系統(tǒng)統(tǒng)對以往往的規(guī)則則體系做做了相應(yīng)應(yīng)的調(diào)整整，使得得譯星的的規(guī)則體體系可以以盡可能能支持翻翻譯自然然語言。譯星系統(tǒng)的的技術(shù)方方法 中軟軟譯星機(jī)機(jī)器翻譯譯系統(tǒng)所所采用的的語言模模型是轉(zhuǎn)轉(zhuǎn)換模型型，翻譯譯目前采采用基于于規(guī)則的的“轉(zhuǎn)換法法”，即從從源語言言的語法法形式翻翻譯成為為目標(biāo)語語的語法法形式。這這種分析析方法的的分析重重點是語語言的語語法結(jié)構(gòu)構(gòu)和語義義功能結(jié)結(jié)構(gòu)。“轉(zhuǎn)換法法”實際上上是在源源語言和和目標(biāo)語語言之間間做結(jié)構(gòu)構(gòu)的轉(zhuǎn)換換。同時時，由于于人腦翻翻譯更側(cè)側(cè)重于對對語言意意義（語語義）的的理解，為為了提高高譯星機(jī)機(jī)器翻譯譯的

11、人工工智能程程度，譯譯星機(jī)器器翻譯技技術(shù)又加加強(qiáng)了對對語言的的語義分分析，吸吸取了邏邏輯語義義學(xué)（LLogiicall Seemannticcs）思思想。這這種技術(shù)術(shù)就是在在語法分分析的基基礎(chǔ)上，融融入大量量的語義義分析，即即對源語語言進(jìn)行行語法分分析的同同時，結(jié)結(jié)合盡可可能多的的語義信信息，從從語言的的意義上上對語言言做更深深層次的的分析，因因而更接接近人對對語言的的分析和和理解過過程，具具有更高高的人工工智能程程度。譯星系統(tǒng)采采用模塊塊化的結(jié)結(jié)構(gòu)設(shè)計計，系統(tǒng)統(tǒng)由各自自獨立的的模塊組組合而成成。根據(jù)據(jù)用戶的的不同使使用領(lǐng)域域、運行行環(huán)境以以及軟硬硬設(shè)備的的配置，可可以組裝裝成靈活活多變的的系

12、統(tǒng)。由由于這種種設(shè)計特特點，譯譯星系統(tǒng)統(tǒng)可以翻翻譯不同同領(lǐng)域、不不同專業(yè)業(yè)的文章章。譯星星系統(tǒng)的的知識庫庫是由詞詞典數(shù)據(jù)據(jù)庫和規(guī)規(guī)則數(shù)據(jù)據(jù)庫兩部部分組成成的。知知識庫完完全獨立立于系統(tǒng)統(tǒng)程序。詞詞典數(shù)據(jù)據(jù)庫針對對不同應(yīng)應(yīng)用領(lǐng)域域包含基基礎(chǔ)詞典典、專業(yè)業(yè)詞典和和用戶定定義的專專用詞典典。在源文分析析方面，譯譯星系統(tǒng)統(tǒng)的基本本思想是是：利用用詞典的的豐富語語法和語語義功能能信息以以及規(guī)則則庫中的的語法邏邏輯規(guī)則則及語義義功能結(jié)結(jié)構(gòu)分析析規(guī)則，可可以分析析出句子子中的各各個邏輯輯語段（名名詞語段段，動詞詞語段等等），得得出各個個語段之之間的邏邏輯關(guān)系系，以及及各個語語段的功功能描述述。在譯文生成成方

13、面，其其實質(zhì)是是按目標(biāo)標(biāo)語言的的特點把把源語言言的語句句還原回回規(guī)范的的目標(biāo)語語言語句句，據(jù)此此有序地地輸出各各個語段段，同時時處理好好多義詞詞的義項項選擇，選選用恰當(dāng)當(dāng)?shù)膶ψg譯詞，給給出正確確的翻譯譯結(jié)果。這這就是目目標(biāo)語生生成的基基本思想想。譯星系統(tǒng)關(guān)關(guān)鍵技術(shù)術(shù)的改進(jìn)進(jìn)語法規(guī)則體體系（由由語法邏邏輯規(guī)則則及語義義功能結(jié)結(jié)構(gòu)分析析規(guī)則構(gòu)構(gòu)成）和和詞典知知識庫是是機(jī)器翻翻譯的核核心。機(jī)機(jī)器翻譯譯從源語語言的分分析到目目標(biāo)語言言的生成成，其整整個過程程是靠語語法規(guī)則則體系完完成的，可可以說，機(jī)機(jī)器翻譯譯的整個個過程都都是依靠靠語法規(guī)規(guī)則體系系的支持持與控制制，而機(jī)機(jī)器翻譯譯的質(zhì)量量高低也也決定于

14、于語法規(guī)規(guī)則體系系的完善善程度。在調(diào)試過程程中，我我們感到到要提高高復(fù)雜句句的翻譯譯質(zhì)量，其其關(guān)鍵還還是要使使簡單句句的翻譯譯能夠過過關(guān)，只只有在簡簡單句的的翻譯質(zhì)質(zhì)量有了了保證后后，才談?wù)劦蒙戏g復(fù)雜雜的句子子，因為為所有復(fù)復(fù)雜的句句子都是是由簡單單的句子子擴(kuò)展、延延伸出來來的，只只要簡單單句的語語法關(guān)系系處理好好了，對對復(fù)雜句句的語法法關(guān)系的的處理就就有了基基礎(chǔ)。具體來講，機(jī)機(jī)器翻譯譯的關(guān)鍵鍵點在于于對源語語言的分分析，一一般說只只要對源源語言的的分析成成功了，那那么生成成的目標(biāo)標(biāo)語在語語法上也也會是正正確的，盡盡管可能能不符合合目標(biāo)語語言的表表達(dá)習(xí)慣慣。而要要保證對對源語言言的分析析正

15、確，有有兩個要要點要把把握好，即即語言單單位的正正確合成成及語言言單位之之間關(guān)系系的正確確分析，因因為任何何一句話話，都是是由其語語言單位位及這些些單位之之間的關(guān)關(guān)系構(gòu)成成的，因因而只要要把源語語言的語語言單位位正確地地找出來來，并正正確分析析出這些些單位之之間的關(guān)關(guān)系，就就可以正正確分析析出源語語言的語語法結(jié)構(gòu)構(gòu)。譯星星系統(tǒng)在在改進(jìn)翻翻譯質(zhì)量量的過程程中，抓抓住的就就是這兩兩個要點點。以下下我們詳詳細(xì)分析析我們是是如何解解決這兩兩個要點點的。語言單位的的分析： 語言單位通通常分為為詞素、詞詞、詞組組和句子子四級單單位。在在譯星翻翻譯系統(tǒng)統(tǒng)中，我我們把語語言單位的分析主主要放在在了提高高詞組即

16、即語段的的合成能能力，為為此我們們提出了了以詞組組為基本本單位的的分析原原則，即即不同于于把“詞”作為語語言分析析的基本本單位，我我們認(rèn)為為詞組應(yīng)應(yīng)該被當(dāng)當(dāng)作語言言分析的的基本單單位。詞組是介于于詞與句句子中間間的一級級語言單單位，如如果沒有有把詞組組作為一一個整體體、一個個單位來來處理，在在機(jī)器翻翻譯的結(jié)結(jié)果中，源源文一個個詞組內(nèi)內(nèi)的幾個個詞就可可能分散散在譯文文各處，從從而使得得譯文語語序混亂亂。因此此，我們們認(rèn)為，詞詞組在語語言分析析中應(yīng)該該作為一一個整體體、一個個基本單單位，即即詞并不不直接組組成句子子，而是是先組成成詞組，然然后再由由詞組直直接組成成句子。在在機(jī)器翻翻譯中應(yīng)應(yīng)該盡可可

17、能加強(qiáng)強(qiáng)詞組合合成能力力。而一一旦句子子內(nèi)的詞詞組被正正確分析析出來，就就可以大大大減少少計算機(jī)機(jī)分析句句子的難難度，因因為，一一個句子子可能有有不少詞詞，但是是一旦詞詞被合成成為詞組組后，詞詞組的數(shù)數(shù)量就大大大少于于詞的數(shù)數(shù)量，這這樣由許許多詞組組成的句句子就被被簡化為為由少數(shù)數(shù)詞組組組成的句句子，因因而為計計算機(jī)的的分析減減少了難難度。以上是從簡簡化、明明晰句子子結(jié)構(gòu)的的角度考考慮的，即即認(rèn)為詞詞組是句句子的基基本“語法單單位”。其實實，詞組組不僅是是基本的的語法單單位，一一個完整整的詞組組還表達(dá)達(dá)了一個個完整的的語義概概念，如如果詞組組在機(jī)器器翻譯中中被打亂亂或拆散散，那么么它所表表達(dá)的

18、語語義概念念就被破破壞了，因因此從語語義角度度講，也也應(yīng)該把把詞組作作為分析析句子的的基本組組成單位位。另外，以詞詞組為基基本句子子單位對對于解決決詞的多多義性問問題也是是最佳的的解決方方法，因因為一個個詞在沒沒有進(jìn)入入詞組之之前，其其語法屬屬性和語語義屬性性都是不不確定的的，而一一旦進(jìn)入入詞組之之后，由由于詞組組內(nèi)上下下文的語語義和語語法信息息的制約約，其語語法和語語義的歧歧義是可可以排除除的，因因而其語語法和語語義屬性性就可以以確定下下來。語言單位之之間關(guān)系系的分析析：如何正確處處理語言言單位之之間的關(guān)關(guān)系，我我們認(rèn)為為對于語語言單位位的關(guān)系系，即不不能處理理少了，也也不能處處理多了了，因

19、為為一句話話內(nèi)部語語言單位位的關(guān)系系是客觀觀存在的的，而不不是人為為構(gòu)想的的，如果果該有的的關(guān)系機(jī)機(jī)器沒有有找出來來，那么么翻譯出出來的句句子就會會語法松松散，如如果沒有有的關(guān)系系機(jī)器給給添加了了，那么么翻譯出出來的句句子在語語法上會會冗余沖沖突，因因而能夠夠不多不不少的分分析出語語言單位位的關(guān)系系，翻譯譯出來的的目標(biāo)語語就會清清晰明朗朗。為了盡可能能將語言言單位之之間的關(guān)關(guān)系正確確分析出出來，譯譯星系統(tǒng)統(tǒng)提出了了語義功功能結(jié)構(gòu)構(gòu)優(yōu)先語語法結(jié)構(gòu)構(gòu)的分析析策略。這這是由于于從實質(zhì)質(zhì)上講，所所謂“翻譯”，包括括機(jī)器翻翻譯，其其目的不不是簡單單的進(jìn)行行語言形形式的轉(zhuǎn)轉(zhuǎn)換，而而是在“意義等等價”的前提

20、提下，進(jìn)進(jìn)行從源源語言到到目標(biāo)語語言的轉(zhuǎn)轉(zhuǎn)換。因因而正確確的傳達(dá)達(dá)“語義”才是翻翻譯的真真正目的的，也是是檢驗翻翻譯質(zhì)量量的最終終標(biāo)準(zhǔn)。對對于機(jī)器器翻譯，在在從源語語言的語語法形式式轉(zhuǎn)換到到目標(biāo)語語言的語語法形式式的過程程中，“語義”應(yīng)該是是處于中中心地位位。語法功能分分析只是是給出了了語句中中各個短短語之間間的語法法聯(lián)系，并并沒有給給出他們們之間的的語義關(guān)關(guān)系，我我們通過過功能結(jié)結(jié)構(gòu)的分分析，可可以分析析出短語語之間的的內(nèi)涵，從從而能確確定出比比較準(zhǔn)確確的分析析結(jié)果。在機(jī)器翻譯譯中，對對于“語義功功能結(jié)構(gòu)構(gòu)優(yōu)先語語法結(jié)構(gòu)構(gòu)”的具體體實施，我我們認(rèn)為為可以從從以下幾幾個方面面入手。1). 加加

21、強(qiáng)機(jī)器器翻譯系系統(tǒng)中的的詞的語語義分類類，尤其其是動詞詞與名詞詞，因為為在任何何語言中中，動詞詞和名詞詞都是最最主要的的詞，在在機(jī)器翻翻譯系統(tǒng)統(tǒng)中，動動詞和名名詞語義義分類的的詳細(xì)程程度及合合理程度度直接影影響機(jī)器器翻譯的的質(zhì)量。2). 在在英語分分析中，運運用語義義信息加加強(qiáng)動詞詞與介詞詞、名詞詞與介詞詞的關(guān)系系研究。英英文的最最大特點點之一，就就是其介介詞的運運用極其其重要和和廣泛。事事實上，介介詞是英英語語法法結(jié)構(gòu)的的支柱，正正確分析析出英語語介詞的的語法功功能是提提高機(jī)器器翻譯的的一大關(guān)關(guān)鍵。而而英語介介詞的語語法功能能則主要要體現(xiàn)在在它與動動詞和名名詞的關(guān)關(guān)系，而而要正確確分析出出這

22、種關(guān)關(guān)系則主主要靠動動詞和名名詞的語語義信息息。 在漢漢語分析析中，漢漢語與英英語不同同，它的的介詞雖雖然也有有，但運運用的程程度遠(yuǎn)不不及英語語。對于于漢語，其其分析難難點之一一在于詞詞性歧義義的排除除上，因因為如果果不能正正確分析析出詞的的詞性，句句子結(jié)構(gòu)構(gòu)就難以以分析正正確，翻翻譯結(jié)果果也往往往是錯誤誤的。為為此，我我們首先先建立針針對漢語語的詞的的語義分分類系統(tǒng)統(tǒng)，然后后把這些些語義信信息運用用到句子子的分析析中。使使用“語義功功能結(jié)構(gòu)構(gòu)優(yōu)先”策略，來來排除歧歧義，而而解決句句子結(jié)構(gòu)構(gòu)的分析析難點。漢語分析的的另一個個難點是是語句結(jié)結(jié)構(gòu)的歧歧義，而而語句結(jié)結(jié)構(gòu)的歧歧義往往往可以通通過語義

23、義功能的的區(qū)分來來排除。下下面通過過兩個實實例進(jìn)行行具體的的說明，在在這兩個個例子里里，語句句中詞的的詞性、語語序完全全一樣，但但它們卻卻有截然然不同的的語法結(jié)結(jié)構(gòu)關(guān)系系和語義義功能結(jié)結(jié)構(gòu)關(guān)系系：例1.工程師，老老師更了了解。利用詞典提提供的語語義功能能信息和和規(guī)則庫庫中的語語法邏輯輯規(guī)則和和語義功功能結(jié)構(gòu)構(gòu)分析規(guī)規(guī)則系統(tǒng)統(tǒng)可得結(jié)結(jié)論：名詞“工程程師”，“老師”通過逗逗號可以以構(gòu)成一一個并列列式名詞詞語段；此名詞語段段具有施施事性，因因此可以以作為動動詞語段段“更了解解”的主語語；所以對此系系統(tǒng)給出出了一個個主謂結(jié)結(jié)構(gòu)。例2.這種原因因，老師師更了解解?！霸颉?，“老師”不能通通過逗號號構(gòu)成一

24、一個名詞詞語段，它它們在句句子中是是兩個名名詞語段段，各自自有不同同的功能能；名詞“原因因”不具備備施事性性，不能能作為動動詞“了解”的施事事者，只只能作為為它的受受事者；“老師”具具有施事事性，可可以作為為“了解”的主語語；所以系統(tǒng)的的分析結(jié)結(jié)論是這這個句子子是一種種主謂結(jié)結(jié)構(gòu)，通通過目標(biāo)標(biāo)語生成成模塊，可可以將譯譯文還原原為規(guī)范范的主謂謂賓結(jié)構(gòu)構(gòu)“老師更了了解這種種原因?！比⒆g星系系統(tǒng)20005年年8633評測結(jié)結(jié)果 漢英系統(tǒng)表1. 系系統(tǒng)在測測試集上上的評測測結(jié)果測試內(nèi)容NISTBLEUGTMmWERmPERAdeqFleu對話翻譯6.209970.174470.667770.6711

25、70.5355157.42252.499篇章翻譯6.212200.136610.645520.756600.5722753.97747.288英漢系統(tǒng) 表2. 系系統(tǒng)在測測試集上上的評測測結(jié)果測試內(nèi)容NISTBLEUGTMmWERmPERAdeqFleu對話翻譯6.638850.265570.691170.612290.4644470.41164.477篇章翻譯8.260000.324460.762290.651190.4199151.22242.477漢日系統(tǒng)表2. 系系統(tǒng)在測測試集上上的評測測結(jié)果測試內(nèi)容NISTBLEUGTMmWERmPERAdeqFleu對話翻譯6.987790.306690.76337