針對專利文獻的韓漢機器翻譯中模板的實現(xiàn)方法

摘 要：本文提出一種，針對專利文獻的機器翻譯系統(tǒng)中，通過人工撰寫模板，提高翻譯準(zhǔn)確率的同時節(jié)省時間和人力的方法。此方法不僅僅限于韓漢翻譯系統(tǒng)，也可廣泛應(yīng)用于其他語言之間的翻譯系統(tǒng)。

關(guān)鍵詞：模板；專利文獻韓漢機器翻譯

中圖分類號：TP391.2

隨著計算機科學(xué)技術(shù)、特別是自然語言處理技術(shù)的高速發(fā)展，機器翻譯技術(shù)可以利用其發(fā)展而不斷進步，已成為未來翻譯領(lǐng)域的前沿課題以及大勢所趨。自2007年韓國專利文獻被納入PCT最低文獻量之后，世界范圍內(nèi)對韓國專利文獻的關(guān)注度也越顯突出。本文介紹一種能夠提高專利文獻韓漢機器翻譯引擎的翻譯質(zhì)量的方法，即基于模板的專利文獻韓漢機器翻譯研究方法。

1 模板的翻譯引擎

機器翻譯領(lǐng)域中，統(tǒng)計機器翻譯的基本思想即是通過對大量的平行語料進行統(tǒng)計分析，構(gòu)建統(tǒng)計翻譯模型，進而使用此模型進行翻譯。但統(tǒng)計翻譯引擎需要大量的語料進行訓(xùn)練，語料的搜集量以及準(zhǔn)確性直接影響其翻譯質(zhì)量，因此怎樣有效的搜集大量的對齊語料，并能保證語料的準(zhǔn)確性是構(gòu)建統(tǒng)計機器翻譯引擎的一個非常關(guān)鍵的因素，特別是研究人力有限的情況下，這將是一個非常龐大而長期的工程。

基于模板的翻譯引擎可在有限研究人力的情況下，彌補統(tǒng)計翻譯引擎帶來的弊端。運用專利文獻的語言特征，編寫相對應(yīng)的模板，針對性比較強，模板覆蓋范圍比較廣，有效解決機器翻譯中譯文語序混亂、不符合專利敘寫規(guī)范等問題。

2 模板的設(shè)計

2.1 專利文獻的特點

仔細觀察專利文獻的語言特征，不難看出，專利文獻帶有比較特殊的語法結(jié)構(gòu)。例如：

（1）本發(fā)明提供一種由充氣式圓環(huán)形圈構(gòu)成的嬰幼兒游泳圈；

（2）本發(fā)明涉及一種股骨頸保護裝置；

（3）本發(fā)明涉及冶金渣處理裝置；

這些語句都含有“本發(fā)明提供/涉及……”的句式；

（4）根據(jù)權(quán)利要求1所述的股骨頸保護裝置，其特征在于：所述的凸緣（12）在股骨（30）與股骨頸（20）相接的表面上略呈弧曲狀；

（5）根據(jù)權(quán)利要求4-6中任一項所述的方法，其特征在于，在步驟B中，所述逐點計算所有計算塊的運動矢量的步驟。

上述（4），（5）的例句中都包含“根據(jù)權(quán)利要求xx，其特征在于……”的句式?；谀０宓臋C器翻譯研究即是利用上述專利文獻的語言特征，人工撰寫對應(yīng)的語法模板，提高翻譯文的可讀性。

2.2 模板設(shè)計思路

人工撰寫模板的意義其實就在于，用計算機語言編寫人工語言的語法規(guī)則，使計算機熟悉人工語言語法。因此，模板的設(shè)計需要考慮每一句的語序安排，以及如何針對性的撰寫模板的問題。

圖1

如上述舉例，韓文和中文的語序存在差異，撰寫模板時應(yīng)考慮此類現(xiàn)象。

3 模板的撰寫方法

模板編寫是可運用正則文法的表達式，正則文法描述的是搜索文本正文時需要匹配的一個或者多個字符串，因此可用作于將字符模式與要搜索的字符串相匹配的模板。

表1

[]標(biāo)記括號表達式的開始和結(jié)尾。[ABC]與“ABC”或包括“ABC”的字符串匹配。

{}標(biāo)記限定符表達式的開始和結(jié)尾。a{2，3}與“aa”和“aaa”匹配。

+一次或多次匹配前面的字符或子表達式。zo+與“zo”和“zoo”匹配，但與“z”不匹配。

假如有“abc/ef/g/hi”這么一段自然語言語句，對應(yīng)的目標(biāo)語言為“ABC/HI/EF/G”的語序，那么運用上述符號，可編寫以下模板的表達式：

（0）{abc}+（1）{ef}+（2）{g}+（3）{hi}==>（0）{ABC}+（1）{HI}+（2）{EF}+（3）{G}

圖2

3.1 源語言表達方式

由于源語言是韓文，因此規(guī)定源語言的參數(shù)都以“K”為開頭，這樣的設(shè)置，方便了今后其他語言之間的機器翻譯系統(tǒng)的開發(fā)。

TEM[max]：無限變量，可以是一個字符，也可以是一個詞組，或者一段語句，語句可以帶任何標(biāo)點符號。

KRN：韓文詞匯，也可以是詞組，復(fù)合詞等。

KRN_M：韓文短語，包括助詞和謂語的組合，或者主語和助詞的組合。

KYM：韓文符號，一般指逗號或者分號。

KNU：韓文序列號，專利文中常見的序列號，如第一，第二，或者權(quán)利要求1，權(quán)利要求2，圖1，圖2等。

3.2 目標(biāo)語言表達方式

同樣的，目標(biāo)語言為中文，因此目標(biāo)語言參數(shù)部分都以“C”為開頭。

TEM[max]：無限變量，與上述韓文中的符號一樣，沒有長度限制。

CRN：中文詞匯，也可以是詞組，復(fù)合詞等。

CRN_M：中文短語，包括助詞和謂語的組合，或者主語和助詞的組合。

CYM：中文符號，一般指逗號或者分號。

CNU：中文序列號。

模板中，“@”為促發(fā)點，“$”作為結(jié)束點。

4 模板的實現(xiàn)與效果

4.1 模板的實現(xiàn)

圖3

整套翻譯系統(tǒng)是由記憶、模板、規(guī)則、統(tǒng)計相結(jié)合的方式運行。本論文的模板的實現(xiàn)方法是其中的一環(huán)，當(dāng)輸入一段韓文語句，系統(tǒng)會對其進行分詞，之后根據(jù)記憶庫的資源，進行記憶匹配，由于記憶匹配是100%的完整匹配，因此很多情況下，無法找到匹配的語句。之后引擎會根據(jù)模板庫的資源，進行模板的匹配，一個語句只能匹配一個對應(yīng)的模板，通過模板的匹配可調(diào)整譯文的語序，提高譯文的可讀性。

4.2 模板的分類

模板可根據(jù)促發(fā)詞在語句中的位置，可分為首詞模板、尾詞模板、任意詞模板。

（1）首詞模板。促發(fā)詞為語句中的首詞的情況下，可寫成首詞模板。大部分是摘要中出現(xiàn)此類模板。例如“本發(fā)明公開…”“根據(jù)本發(fā)明…”等。

源語言：? 1??????????.

目標(biāo)語言：圖1是本發(fā)明的斜視圖。

@?

（0）{KRN_M[?]}+（1）{KNU[NUM?|?]}+（2）{TEM[max]}==>（0）{STR[圖]}+（1）{CHN[1]}+（2）{STR[是]}+（3）{CHN[2]}

$；

（2）尾詞模板。促發(fā)詞為語句中的末尾詞的情況下，可寫成尾詞模板。

源語言：?????????????????.

目標(biāo)語言：本發(fā)明提供可折疊的便攜式椅子。

@????

（0）{TEM[max]}+（1）{TAIL[?|?]}+（2）{TEM[max]}+（3）{KOR[??]}==>（0）{CHN[1]}+（1）{STR[提供]}+（2）{CHN[2]}；

（3）任意詞模板。促發(fā)詞為語句中的任意一個位置（除了句首和句尾以外）時，可寫成任意詞模板。

源語言：????????????????????….

目標(biāo)語言：含有鉆石切割刀片的玻璃切割裝置….

@??（0）{TEM[max]}+（1）{KOR[??]LTAIL[?|?]}+（2）{TEM[max]}+（3）{KRN_M[??|???]}==>（0）{STR[含有]}+（1）{CHN[0]}+（2）{STR[的]}+（3）{CHN[2]}

$

4.3 模板的效果

通過以上的模板的分類以及撰寫方法，實驗組人工撰寫了100個模板，其中首詞模板為40個，尾詞模板為30個，任意詞模板為30個，放到實驗組自行研發(fā)的韓漢專利文獻機器翻譯系統(tǒng)。并隨機收取100句韓文專利文，進行了模板的測試，得到如下結(jié)果。

表2

改進程度數(shù)量

明顯67

一般25

無改進8

專利文中，比較典型的句式大部分都得到了很好的改善，輸出的譯文比較符合專利句式，有助于了解源語言的意境。

源語言：?????????????????????????.

原譯文：在布發(fā)明提供和軌道因為中有廠的故障棚子數(shù)。

模板譯文：由于本發(fā)明提供軌道，因此能夠棚子廠的故障。

參考譯文：由于本發(fā)明提供軌道，因此能夠防止機械的故障。

5 結(jié)束語

本文提出了利用專利文獻的語言特征，運用正則文法的表達式，人工撰寫專利文獻韓漢機器翻譯的模板的方法。并通過撰寫100條模板樣例，抽取100個例句進行了試驗性的測試。通過上述的試驗方法，可以看出人工撰寫的模板，針對性比較強，覆蓋面相對廣，有很好的譯文句式改進效果。但同時也出現(xiàn)，添加較多的模板之后模板之間發(fā)生沖突，導(dǎo)致系統(tǒng)癱瘓，以及引擎選擇模板時，混淆類似的模板，導(dǎo)致匹配錯模板的問題。此類問題今后需要改進和升級系統(tǒng)來解決。

參考文獻：

[1]馮志偉.基于語料庫的機器翻譯系統(tǒng)[J].術(shù)語標(biāo)準(zhǔn)化與信息技術(shù)，2010（01）.

[2]張冬梅，劉小蝶，晉耀紅.基于模板的漢英專利機器翻譯研究[J].計算機應(yīng)用研究，2013（07）.

[3]蔡舒，呂雅娟，劉群.人工書寫機器翻譯模板在統(tǒng)計機器翻譯系統(tǒng)中的應(yīng)用[A].第五屆全國機器翻譯研討會論文集[C]，2009.

作者簡介：張延花（1981-），女，朝鮮族，吉林人，碩士，實習(xí)研究員，研究方向：語言學(xué)，機器翻譯。

作者單位：中國專利信息中心，北京 100088