基于混合策略的多語種票據(jù)轉(zhuǎn)換

改造者：余長江 馬 斌 鐘方偉 周 平

基于混合策略的多語種票據(jù)轉(zhuǎn)換

改造者：余長江 馬 斌 鐘方偉 周 平

主要研究現(xiàn)有業(yè)務(wù)系統(tǒng)實(shí)現(xiàn)多語種票據(jù)自動(dòng)轉(zhuǎn)換的方法；首先闡述了多語種票據(jù)轉(zhuǎn)換的必要性，然后論述多語種票據(jù)轉(zhuǎn)換的關(guān)鍵技術(shù)，給出自動(dòng)轉(zhuǎn)換方法的流程，最后通過實(shí)例論證了方法的可行性，對(duì)多語種票據(jù)轉(zhuǎn)換方法的擴(kuò)展性做了展望。

中國實(shí)行民族區(qū)域自治政策，對(duì)少數(shù)民族聚集地區(qū)社會(huì)穩(wěn)定、民族團(tuán)結(jié)和經(jīng)濟(jì)發(fā)展起到積極的推動(dòng)作用。隨著信息技術(shù)在各行各業(yè)的深入應(yīng)用，很多票據(jù)、單據(jù)、發(fā)票等內(nèi)容還是以漢語作為唯一表述語言；部分采用雙語打印的票據(jù)，由于業(yè)務(wù)或內(nèi)容變更而無法及時(shí)顯示準(zhǔn)確的信息，無法滿足還沒有掌握漢語文字的群眾需求，對(duì)服務(wù)雙方的交流造成一定的障礙，從而對(duì)當(dāng)?shù)孛褡鍒F(tuán)結(jié)和社會(huì)穩(wěn)定造成了一定的影響。

新疆是國家重要的能源基地，電力行業(yè)是新疆經(jīng)濟(jì)發(fā)展的重要支撐，電力行業(yè)的服務(wù)質(zhì)量對(duì)新疆發(fā)展和社會(huì)穩(wěn)定起著重要作用。國家電網(wǎng)公司推廣的電力營銷業(yè)務(wù)系統(tǒng)，操作語言只有漢語，系統(tǒng)在新疆本地推廣存在著嚴(yán)重的語言問題，尤其是電費(fèi)繳費(fèi)業(yè)務(wù)中票據(jù)的雙語顯示問題，不能完全滿足客戶需求。

為此，需要研究一種多語種票據(jù)轉(zhuǎn)換和打印方法，將漢語票據(jù)內(nèi)容通過實(shí)時(shí)翻譯自動(dòng)轉(zhuǎn)換為多語種內(nèi)容，同時(shí)按照票據(jù)格式進(jìn)行排版，最后在不影響現(xiàn)有業(yè)務(wù)系統(tǒng)流程的前提下，實(shí)現(xiàn)多語種票據(jù)打印。

現(xiàn)有業(yè)務(wù)系統(tǒng)已經(jīng)形成獨(dú)立、完整的系統(tǒng)架構(gòu)，因此，增加翻譯服務(wù)需要考慮對(duì)現(xiàn)有系統(tǒng)的影響，開發(fā)、部署原則應(yīng)當(dāng)以最小代價(jià)為基礎(chǔ)，不影響現(xiàn)有系統(tǒng)的業(yè)務(wù)獨(dú)立性。

多語種票據(jù)自動(dòng)轉(zhuǎn)換關(guān)鍵技術(shù)

圖1 混合策略翻譯原理

基于混合策略的翻譯模式

目前，市場(chǎng)上自動(dòng)翻譯系統(tǒng)的翻譯準(zhǔn)確率平均在60％左右，無法滿足商業(yè)用途。但是，在特定領(lǐng)域內(nèi)，存在有針對(duì)性的翻譯方法，如針對(duì)姓名、地名的專有名詞翻譯，基于專業(yè)術(shù)語的詞匯翻譯，針對(duì)大批量和重復(fù)性工作的基于記憶庫的翻譯方法等，能夠有效提升翻譯準(zhǔn)確率，使其滿足商業(yè)要求。因此，針對(duì)票據(jù)內(nèi)容的翻譯，可以采用基于詞典、記憶庫、規(guī)則等混合策略的翻譯模式，來提高翻譯的準(zhǔn)確率。

由于少數(shù)民族的人名或者地名，一般采用音譯的方式，尤其是人名的翻譯沒有統(tǒng)一標(biāo)準(zhǔn)，存在多個(gè)漢語名字對(duì)應(yīng)同一個(gè)少數(shù)民族語言名字的情況，因此，對(duì)人名和地名進(jìn)行單獨(dú)翻譯不但能夠提升翻譯效率，更重要的是可以統(tǒng)一翻譯標(biāo)準(zhǔn)。

常用詞匯翻譯，一般采用基于記憶庫和專業(yè)術(shù)語庫的翻譯方式。在某一個(gè)領(lǐng)域內(nèi)，通過翻譯訓(xùn)練，將常用詞匯記錄在記憶庫或者術(shù)語庫，因此，能夠滿足大多數(shù)商業(yè)應(yīng)用的需求。其他詞匯的翻譯需求，需要通過通用翻譯方式來實(shí)現(xiàn)，這種翻譯方式的準(zhǔn)確率比較低、翻譯效率低，因此，在特定領(lǐng)域或者場(chǎng)景中，主要用于對(duì)前幾種翻譯方式

由于目前已經(jīng)存在漢英、漢維、漢哈、漢蒙、漢藏等多語種的翻譯引擎，因此，將票據(jù)的漢語內(nèi)容實(shí)時(shí)轉(zhuǎn)換為多語種，需要重點(diǎn)解決兩個(gè)問題。

一是提高翻譯的準(zhǔn)確率

由于當(dāng)前的翻譯引擎自動(dòng)翻譯的結(jié)果準(zhǔn)確率比較低，還不具備普遍應(yīng)用的水平，不能直接應(yīng)用于實(shí)際業(yè)務(wù)。但是，可以通過擴(kuò)展專業(yè)術(shù)語庫、提供多策略的翻譯方式、多倫次的語言訓(xùn)練等方式來解決此問題。

二是翻譯服務(wù)集成方式的選擇的補(bǔ)充。

基于混合策略的翻譯模式，其主要步驟包括：

1.分詞：將翻譯目標(biāo)語句，按照語言特點(diǎn)進(jìn)行分詞，分分離出單詞、詞組等；

2.標(biāo)準(zhǔn)：結(jié)合應(yīng)用場(chǎng)景，按照詞的特性，標(biāo)注詞的屬性，例如，人名、地名、專業(yè)術(shù)語、領(lǐng)域詞匯、通用詞匯等；

3.分類：按照標(biāo)準(zhǔn)屬性，翻譯引擎調(diào)用不同語料庫，進(jìn)行檢索翻譯；

4.翻譯：在詞匯翻譯后，調(diào)用翻譯引擎進(jìn)行詞匯組合（翻譯引擎提供語意分析，按照語言特點(diǎn)進(jìn)行語句組合），形成完整的語句方式的翻譯結(jié)果；

5.還原：按照商業(yè)應(yīng)用目的或者場(chǎng)景，將翻譯結(jié)果按照目標(biāo)格式組合輸出。

圖2 翻譯服務(wù)集成架構(gòu)

圖3 混合策略的票據(jù)自動(dòng)轉(zhuǎn)換打印流程

票據(jù)轉(zhuǎn)換服務(wù)集成架構(gòu)

多語種翻譯作為一個(gè)服務(wù)，應(yīng)該與原有業(yè)務(wù)系統(tǒng)獨(dú)立，不影響業(yè)務(wù)系統(tǒng)的業(yè)務(wù)流程；同時(shí)，翻譯服務(wù)也不應(yīng)該重復(fù)業(yè)務(wù)系統(tǒng)的業(yè)務(wù)流程，只需提供翻譯服務(wù)或者調(diào)用業(yè)務(wù)應(yīng)用即可實(shí)現(xiàn)多語種業(yè)務(wù)，這樣既保證了系統(tǒng)松散耦合，又可以降低開發(fā)成本。

實(shí)現(xiàn)多語種翻譯、票據(jù)自動(dòng)轉(zhuǎn)換和打印等功能，首先需要開發(fā)和集成兩個(gè)服務(wù)接口：一是在業(yè)務(wù)平臺(tái)上開發(fā)相應(yīng)的接口服務(wù)，二是多語種翻譯服務(wù)中開發(fā)相應(yīng)的接口服務(wù)。導(dǎo)出WSDL接口描述文件，通過應(yīng)用集成將服務(wù)注冊(cè)部署在企業(yè)服務(wù)總線（ESB）上，通過SOAP協(xié)議方式，實(shí)現(xiàn)在業(yè)務(wù)平臺(tái)側(cè)的業(yè)務(wù)響應(yīng)服務(wù)和多語種翻譯服務(wù)側(cè)的業(yè)務(wù)響應(yīng)服務(wù)。

其次，業(yè)務(wù)應(yīng)用集成滿足如下兩個(gè)場(chǎng)景：

1.多語種翻譯服務(wù)發(fā)送SOAP消息給ESB上的代理服務(wù)偵聽，由代理服務(wù)動(dòng)態(tài)路由到業(yè)務(wù)服務(wù)，實(shí)現(xiàn)調(diào)用業(yè)務(wù)平臺(tái)上的接口服務(wù)。業(yè)務(wù)平臺(tái)上的服務(wù)在完成業(yè)務(wù)處理后實(shí)時(shí)反饋執(zhí)行結(jié)果。如圖中右側(cè)虛線部分；

2.業(yè)務(wù)平臺(tái)發(fā)送SOAP消息給ESB上的代理服務(wù)偵聽，由代理服務(wù)動(dòng)態(tài)路由到業(yè)務(wù)服務(wù)，實(shí)現(xiàn)調(diào)用多語種翻譯的接口服務(wù)。多語種翻譯服務(wù)在完成翻譯處理后實(shí)時(shí)反饋執(zhí)行結(jié)果。如圖中左側(cè)實(shí)線部分。

多語種票據(jù)自動(dòng)轉(zhuǎn)換方法

自動(dòng)轉(zhuǎn)換流程

多語種票據(jù)自動(dòng)轉(zhuǎn)換方法包括三個(gè)主要步驟：一是預(yù)處理部分，主要完成業(yè)務(wù)交互數(shù)據(jù)的封裝和解析；二是機(jī)器翻譯部分，主要完成基于混合策略的機(jī)器翻譯過程；三是后處理部分，主要完成翻譯記憶、多語種票據(jù)生成等過程。其具體流程如圖3所示。

預(yù)處理部分接收XML格式的數(shù)據(jù)包，通過數(shù)據(jù)解析，判斷票據(jù)的類型，提取票據(jù)內(nèi)容到待翻譯隊(duì)列中。判斷票據(jù)類型主要有兩個(gè)作用：一是獲取票據(jù)主要數(shù)據(jù)項(xiàng)，用于票據(jù)內(nèi)容提取、待翻譯詞匯的屬性標(biāo)注，助于翻譯方式的選擇；二是針對(duì)票據(jù)格式的記錄，翻譯結(jié)果將會(huì)按照數(shù)據(jù)項(xiàng)分別輸入到對(duì)應(yīng)的內(nèi)容框中，并根據(jù)內(nèi)容框的大小調(diào)整多語種文字的大小。

在預(yù)處理提取了票據(jù)內(nèi)容后，將標(biāo)注了屬性的待翻譯信息輸入到翻譯引擎，翻譯引擎根據(jù)屬性選擇相應(yīng)的語料庫進(jìn)行實(shí)時(shí)翻譯，最后將詞匯翻譯結(jié)果組合成目標(biāo)語句翻譯結(jié)果輸出。

后處理部分首先將翻譯結(jié)果中，標(biāo)準(zhǔn)常用屬性的部分提取出來，通過記憶庫檢索比較，將庫中沒有的詞匯或詞組錄入記憶庫，以備后續(xù)應(yīng)用。然后根據(jù)預(yù)處理部分解析的票據(jù)類型和格式，填充多語種翻譯結(jié)果，然后生成多語種票據(jù)，以XML格式封裝保存。最后將生成的多語種票據(jù)輸出到業(yè)務(wù)平臺(tái)進(jìn)行打印。

xml票據(jù)數(shù)據(jù)結(jié)構(gòu)

多語種票據(jù)轉(zhuǎn)換過程中，票據(jù)數(shù)據(jù)以XML格式封裝，具體格式如下例所示：

＜dataset〉＜/dataset〉：標(biāo)記數(shù)據(jù)集的開始和結(jié)束；

＜headers〉＜/headers〉：頭元素集；

＜header name=”頭元素名”〉頭元素值＜/ header〉：頭元素；

＜parameters〉＜/parameters〉：參數(shù)元素集；

＜parameter name=”參數(shù)元素名”〉參數(shù)元素值＜/parameter〉：參數(shù)元素

＜datastores〉＜/datastores〉：數(shù)據(jù)存儲(chǔ)集的開始和結(jié)束；

＜datastore name=”數(shù)據(jù)存儲(chǔ)名”〉＜/ datastore〉：數(shù)據(jù)存儲(chǔ)集的開始和結(jié)束；

＜metadata name=”元素定義名”〉＜/ metadata〉：數(shù)據(jù)存儲(chǔ)集中字段元素的定義；

＜rowset〉＜/rowset〉：多行記錄集的開始和結(jié)束；

＜row〉＜/row〉：行記錄的開始和結(jié)束；

＜column name=”字段名” type=”字段類型”〉字段值＜/column〉：字段元素。

圖4 多語種票據(jù)實(shí)例

實(shí)現(xiàn)與展望

基于混合策略的多語種票據(jù)自動(dòng)轉(zhuǎn)換方法已經(jīng)應(yīng)用于新疆電力維漢雙語營銷業(yè)務(wù)系統(tǒng)，在營銷業(yè)務(wù)應(yīng)用中需要與最終用電用戶確認(rèn)的表卡單據(jù)，如電費(fèi)發(fā)票類單據(jù)、用電申請(qǐng)類表單、電費(fèi)賬單類、客戶用電事故類表單、用電設(shè)備裝拆類表單、停送電通知類表單、用電檢查工作類表單等實(shí)現(xiàn)維語打印，確保最終的用戶能看懂填報(bào)內(nèi)容，保證確認(rèn)信息清晰、明白、理解無歧義，有效的解決了民族用戶看不懂漢語票據(jù)的難題，提高了供電企業(yè)服務(wù)用電客戶，滿足少數(shù)民族用戶需求。

基于混合策略的多語種票據(jù)轉(zhuǎn)換方法，是多語種機(jī)器翻譯技術(shù)商業(yè)化成功應(yīng)用，對(duì)于機(jī)器翻譯技術(shù)的發(fā)展和普及具有重要意義。后續(xù)，將基于多語種處理技術(shù)的研究進(jìn)展、應(yīng)用領(lǐng)域的拓展，進(jìn)行針對(duì)性的改進(jìn)，提升應(yīng)用面和翻譯性能。

10.3969/j.issn.1001-8972.2015.23.020