机译译文的优化策略

  • 格式:pdf
  • 大小:189.55 KB
  • 文档页数:2

CEPE中国电力教育 而 蕊 丽广一 

DOI编码:tO.3969/j.issn.1007-0079.2010.12.099 

机译译文的优化策略 

刘 彬 

摘要:在名词词组译文的译文优化机制中,建立基于依存关系树的译文优化机制十分重要,如果缺乏类似机制,系统会输出与源语 

结构雷同的译文。显然,这种词与词一一对应的译文与目标语的文法结构不符,意义支离破碎,读者难以理解。因此,本文提出将依存 关系树-5计算机数据结构中相关概念结合,对输入名词词组进行句法剖析和标记;在此基础t--b熟语料库中实例词组进行匹配,采用设 

定好的优化阈值,依据最相似熟语料词组对应的中文结构模式,输出经过译文优化机制的译文,以提高机器翻译译文的质量。 

关键词:依存关系树;名词结构;阈值;译文优化机制 作者简介:刘彬(1974一),男,湖南长沙人,长沙理工大学外国语学院,讲师,清华大学翻译研究中心博士研究生,(北京100871) 

主要研究方向:计算语言学,翻译理论与实践。(湖南长沙410076) 

缺乏译文优化机制的翻译软件译文仍然停留在与源语的词 

汇和句法结构一_对应输出的阶段,译文字句意义缺乏连贯性, 晦涩难懂。近年问,计算语言学不断发展,译文优化机制的探 

讨与开发正成为计算语言学中不可或缺的组成部分。但目前国 

内少有从事译文优化机制研发的学者和机构,机器翻译研究进 展缓慢。因此,积极开展译文优化机制探讨是提高机器翻译文 

本质量的关键一环。本文提出,在名词词组的机译过程中,可 

采用现有语料库,把整个名词词组而非单词作为句法剖析和转 换单位,借助依存树,通过译文优化机制,提高翻译软件质量。 

一、基本概念: 

1.依存关系树(dependency tPee) 在计算语言学中,依存关系树是一种自然语言的分析工具, 将相关的动词和名词处理成具有一定语言结构的关联词组。结 合了双叉结构和中序遍历 (in-order traversa1)的特殊依存 

关系树是机译过程中旬法剖析和标记的一种十分实用的手段。 

在这种依存关系树上,中心词总是占据了最高节点,其余成分 均分布在依存关系树的相应支节上:词根(root)、节 (node)、 

叶(1eaf)、方向(direction)。这种做法优势在于层次少、结构 

简洁、计算机能迅速处理输入的命令;信息形式化使得计算机 能识别依存关系树结构;依存结构表述简洁准确,计算机易于 

识别依存关系树的错误。计算机可以依据语言结构中的依存关 

系树,结合双叉结构的形式和内容,采用自下而上的系统设计。 系统中的双叉结构的节. 和方向能较为清楚地定位句子成分, 在语言结构理论上可行,也能提高计算机程序运行效率。 

二、基于依存关系树的名词词组句法剖析和标记 

】.后置现在分词修饰的名词词组 

例:South Korean children gathering to pray outside our embassy in Seou1. 有标记句:South Korean/a#children/npl gathering/ s to/vv pray/vi outside/p our/r embassy/ng in/pg Seoul/ 

np. 东方快车(DFKC2003):聚在一一起在我们的大使的住宅外 

面在汉城祈祷的南方朝鲜语。 

圜 译星(Transtar3.0):南方朝鲜的孩子收集在我们的汉城 

中的大使馆外部祈求。 

#children/npl 

South Korear ̄a gathering& ———— ——一 I comp-te nd] 

w螽圆圆 , 、 

our/r 

outside/p 

图1依存关系树示例 Seoul/np 

in/pg 

在该名词词组中,名词复数形式“children”是中心词,由 

前置专有名词“South Korean”以及后置“gathering”引导的 

一个现在分词结构两者修饰。但是十分明显的是,两种翻译软 

件均不能识别“children”这一中心词,东方快车2003甚至未 

能将其翻译成对应的中文复数形式,而译星未能将对应的译文 按汉语结构重新排序,调整译文结构。两种翻译软件,均采取 

基于词层的一一对应转换方式,使目标语译文按照源语句法结 

构排列,显得语序杂乱无章,语义支离破碎。此外,软件的习 语库(Idiom Bank)也不够完善,词库容量有限,不能翻译专 有名词“South Korean”。实际上,翻译语料库应为一个开放 

系统,容许用户自行补充词库,扩充短语和习语,以便更好地满 

足机译的实际需要。在上例中,依存关系树的句法剖析和标记 

十分明确(见图1):由1个词根“children”,5个节 “gathering, pray,embassy,our,Seoul”和4个叶“South Korean,to, 

outside,in”组成。根据标记的形式化信息,“South Korean”

 中国电力教育CEPE 

2010年第12期总第163期 

应为专有名词词组而非普通名词词组。根据依存语法的要求, 系统把“gathering”当作一个关键节点。依据以上的结构分 

析,后置的修饰成分中的两个介词结构和一个不定式,都依存 

于“gathering”节点。机译系统依据目标语的句法结构对译文 重构。由于依存语法是以中心词引导的名词词组(或者兼以动词 

为中心的小句)作为转换单位,而不是目前国内翻译软件普遍 

使用的上下文无关语法,用单个词语为单位一一对译,这就有 

利于形成完整的译文语义结构。改进的译文输出是“那些正聚 集于我们在汉城的大使馆外祈祷的韩国孩子们”。这种转换方 

法使我们能够全面系统地研究英语名词词组的机译过程。目前, 

在名词词组的机译处理过程中确实存在明显问题。上述翻译软 件似乎能较好地处理前置修饰语,但其缺点是未能找到合适的 

转换单位,依据目标语的句法结构输出译文。本文所谈及的译 

文优化机制过程并不要求对原系统作根本的改变,只是对软件 语料库用依存关系树进行句法剖析与标记,使其成为熟语料库, 

并建立中英文语料对齐库机制。这里其关键在于对齐(或转换) 单位不能是个别的单词,而应该更考虑较大的单位和其他的制 

约因素。 

三 基于依存关系树的对齐 1.词组相似性对比的方法 系统识别建构在依存关系树上的形式化信息,逐步确定在 

熟语料库中的实例词组与输入词组之间的相似性,排除相异的 

实例词组,缩小搜索相似实例的范围,进行相似度的比较。判 断是否两个词组相似时,系统按照下列步骤运行:(1)词根语 

法性质是否相似;(2)相比较的两个依存关系树上是否存在相 

对应的叶;(3)词问关系及方向是否相似;(4)系统如果在前 三步给出肯定判断,这两个词组就被定义为具有一定的相似性。 

词组的总体相似性等于各部分相似性的总和。实际上,在译文 

优化机制器中,词组相似性的最后关键步骤在于任何一对相比 较词组之间节 的语法相似『生上。 

依存关系树上的词根及 是名词词组的核心,也是识别 词组结构的决定因素。可以采用词组层对应方法,主要考虑以 

名词为中心的结构。当名词词组被一个从句修饰时,系统须进 

一步考虑到小句层面的对应及动词为中心的支配结构。 2.词组相似性对比过程 

这里以一个输入的词组为例:laws/npl that/cbs prevent/ vg the/ar destruction/ng of/p corporate/a document/ns. 系统首先对该词组进行句法剖析和标记,识别名词词组的 

中心词“laws”,在依存关系树上生成一个词根,同时,“prevent” 

被认定为定语从句的中心词并在依存关系树上生成一个节点。 当词根和节 被确定之后,依存其上的叶被确认。 

然后,系统会在输出结果之前进行如下运作:系统在熟语 

料库中搜索包含有语法特征与“laws”和“prevent”相同的例子, 

利用对齐的词组对及经过句法剖析和词性标记的语料,翻译引 擎将这样的词组对视为一种框架结构。当用户输入以上词组后, 

引擎运用输入词组和这些框架结构进行匹配,与输入词组相匹 配的框架结构会被采纳,替换其中可以替换的词语;不匹配的 框架结构会被淘汰。这个过程实际上就是贝斯叶概率公式的形 

式化过程,现被广泛应用于反垃圾邮件处理。我们可以把这一 过程比成是剥离洋葱,层层分离,去伪存真,逐步缩小搜索范围, 

最终锁定最匹配的框架结构,按预先设定阈值输出结果。 5.阈值的设置 阈值对于译文的生成十分关键。选择适当的阈值数直接 影响译文输出的质量,阈值数是一一个变量,但其默认值是一个 

常量,这个数值与固定实例相对应。如果设置阈值是“B”,其 

取值范围是:0<p≤1。这样,系统可以通过数学计算比较 

依存关系树组成成分之间的相似性。这个过程中,确定的阈 值起关键作用。比如说,可以把阈值设定在0.5(Threshold 

Value=O.5)。系统在执行操作过程中,把标记有语法信息的名 

词词组成分中相对应的部分作比较。虽然阀值是获得最优译文 的重要手段,但并非设置的值越高越好。如果相似值设定过高, 

系统就会将输入的词组原封不动地退出来,因为在语料库中很 

可能找不到一个相似值如此高的实例。另一方面,如果相似值 

设定过低,系统就会随机选择一个具有这个相似值的译文模式, 输出用户可能并不满意的译文。为了解决这一问题,可以采取 

默认阈值的方法。 为了适应自动运行译文优化机制器的要求,必须设置默认 

阈值,这实际上是优化阈值。按照上面提到的计算步骤,可以 

得到一系列的阈值。通过比较和总结这些阈值,可以获得优化 

的阈值。一般情况下,系统能在默认阈值下输出最理想的结果。 四、结论 

根据对于两种翻译软件的分析,可以看出上述两种软件在 

源语分析和译文生成上取得了一定的进展,但是如果在软件中 增加译文优化机制部分,主体标记出词根、Ⅱ十、节点、词间关系 

以及依存方向,把依存关系树和计算机数据结构的中序遍历结 合起来,内嵌翻译规则,结合复杂特征集和一些相关句法语义 

制约规则,可使机器翻译的译文质量得到明显的改进。 

注释: ①本文中采用的依存关系树参照i g rammar fo rmsIi sm for 

dependency parsing with word order domains Ra Jph Debusmann 9 1 9,2002文中使用的Cuhier—Dependency Tree 

②中序遍历指计算机系统在访问词根、左子树与右子树这三者 

时,首先遍历左子树,然后访问词根,最后遍历右子树. 

参考文献: [1】c handI e r I S hwa r iut0mated 0 Ptimi sti C mec hani sm 0f Documents University of Southe rn Caiifornia.Phi10 SOphy Doctor 

Di ssertation,1 998 [2]godger Kibble A Reformulation of gule 2 of Centering 

theory[J]Machine translatio,2001,27(4). 

[5]Owen Rambow,K Vijay-Sha nke r.D-Tree Sub Btitution