白-漢語適用的機器翻譯方法對比分析研究

郭靜芳 張令通

摘要：信息技術(shù)的高度發(fā)展和各地、各民族之間的交流日益密切，帶來了機器翻譯的繁榮景象，通過對白族語言語音、詞匯、語法方面的特點分析的方法，以及對多種少數(shù)民族語言與漢語之間的機器翻譯方法的對比分析，從而尋找到最適合白一漢語互譯的機器翻譯的方法。

關(guān)鍵詞：白族語言;機器翻譯;方法;對比分析

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2020）05-0224-02

1研究背景及研究現(xiàn)狀

（1）研究背景：機器翻譯的大約產(chǎn)生在1930年，一名法國科學(xué)家率先提出了機器翻譯的思想;繼而產(chǎn)生了用于語言翻譯的機器，帶來了機器翻譯的繁榮。中國機器翻譯研究起步于二十世紀(jì)六十年代，后來因為初期的機器翻譯出現(xiàn)阻礙而導(dǎo)致其發(fā)展一度中斷，直到1975年之后機器翻譯才得到進(jìn)一步得發(fā)展。而少數(shù)民族語言的機器翻譯出現(xiàn)在上個世紀(jì)八十年代，以蒙語、藏語和維語為主要研究對象進(jìn)行初步的嘗試。（2）研究現(xiàn)狀：目前，機器翻譯的技術(shù)已經(jīng)越來越精湛，對于英語、法語等廣泛使用的語言有很好的成效，但是對于我國少數(shù)民族語言來說，由于語料規(guī)模小、語序差距大等問題導(dǎo)致少數(shù)民族的機器翻譯很難達(dá)到想要的效果。（3）研究基礎(chǔ)：基于機器翻譯的普及和繁榮，國家對少數(shù)民族的重視和少數(shù)民族的機器翻譯也日漸成熟，使白語的機器翻譯更加有理論和技術(shù)的支持。

2常用機器翻譯的種類及對比

2.1神經(jīng)網(wǎng)絡(luò)的機器翻譯的研究

2.1.1蒙漢機器翻譯

基本步驟：（1）以CRU-CRF混合算法來進(jìn)行分詞模塊構(gòu)建。（2）通過門控循環(huán)神經(jīng)網(wǎng)絡(luò)（GRU）和條件隨機場（CRF）相結(jié)合的方式來對待標(biāo)注序列進(jìn)行語義分析和標(biāo)注。（3）利用分布式表示方式對切分的單詞進(jìn)行向量化處理。（4）基于神經(jīng)網(wǎng)絡(luò)模型來構(gòu)造編碼器。

優(yōu)：在源語言和目標(biāo)語言的對齊處理上展現(xiàn)出較好的性能，同時在翻譯質(zhì)量上，其對應(yīng)的BLEU值也得到了提高;切分蒙古文有效的解決了蒙古文的數(shù)據(jù)稀疏性，提高了蒙漢神經(jīng)機器翻譯的性能。

劣：對有限的蒙漢雙語語料中的專有名詞、人名、地名和數(shù)字等名詞泛化處理，構(gòu)詞詞綴的處理問題;對長句的處理能力較弱。

2.1.2維漢機器翻譯

基本步驟：（1）將老維吾爾文進(jìn)行拉丁化處理。（2）實現(xiàn)了基于神經(jīng)網(wǎng)絡(luò)維漢機器翻譯，并在此基礎(chǔ)上將傳統(tǒng)的LTSM或GRU等非線性單元替換為LUA非線性單元。

優(yōu)：當(dāng)源端語言采用詞亞詞為翻譯單元而目標(biāo)端語言采用詞為翻譯單元時所得到的翻譯效果最好，通過Nginx+Django+uwsgi的實現(xiàn)方式使整個翻譯系統(tǒng)具有較高的翻譯速度和并發(fā)量。

劣：亞詞不能完全解決集外詞問題。

2.2基于混合策略的蒙漢機器翻譯的研究

基本步驟：（1）準(zhǔn)備雙語訓(xùn)練語料庫;（2）雙語訓(xùn)練語料庫預(yù)處理;（3）漢蒙短語翻譯表的建立侗語對齊、短語抽取）;（4）蒙古語語言模型的訓(xùn)練;（5）解碼：重點研究：蒙古語的格、復(fù)數(shù)及領(lǐng)屬等附加成分的形態(tài)分析;蒙古語語序的漢語調(diào)序方法。

2.3基于規(guī)則的漢藏機器翻譯系統(tǒng)中的句法分析方法研究

模塊：詞典維護(hù)模塊、規(guī)則維護(hù)模塊、分詞標(biāo)注模塊、漢藏翻譯模塊、系統(tǒng)設(shè)置模塊。

優(yōu)：以動詞謂語為軸心，把詞項信息同語法規(guī)則相結(jié)合，把語法分析和語義分析融為一爐，實現(xiàn)語法分析和語義分析的一體化，并采用句法分析二分法就可以大大提高機器翻譯語法分析的效率。

劣：出現(xiàn)時間早。

2.4基于統(tǒng)計的漢藏翻譯系統(tǒng)關(guān)鍵研究與實現(xiàn)

技術(shù)原理：（1）樹到串的翻譯模型，抽取具體規(guī)則中更一般的規(guī)則;（2）中介語言方法;（3）專名識別;（4）統(tǒng)計翻譯模型訓(xùn)練方法：無監(jiān)督方法;（5）時態(tài)標(biāo)注;（6）擴(kuò)充已有的統(tǒng)計翻譯模型：藏文動詞的時態(tài)處理、動詞的及物性、格助詞處理等。

優(yōu)：對藏文動詞的時態(tài)處理、動詞的及物性處理、格助詞處理等進(jìn)行了適當(dāng)?shù)奶幚?改善了統(tǒng)計機器翻譯訓(xùn)練過程的盲目性、低效性、冗余性、表面性等不足。

劣：漢藏雙語平行語料規(guī)模不夠，影響藏語自動分詞系統(tǒng)的分詞準(zhǔn)確率和翻譯引擎的翻譯準(zhǔn)確率

3幾種常見少數(shù)民族語言的對分析

3.1幾種語言的對比（表1）

3.2白語特征簡介

白族語屬于漢藏語系藏緬語族，分為大理（南部）、劍川（中部）、碧江（北部）這三個部分。

語音分析，輔音方面：雙唇、唇齒、舌尖、舌面、舌根。

元音方面：分松緊兩類，這一特點與彝語支語言相同。

詞匯方面，單音節(jié)詞較多，多音節(jié)詞較少。白語詞匯中漢語借詞所占比例是相當(dāng)高的，構(gòu)詞形式有附加式、重疊式和復(fù)合式三類。

語法方面，白語語序以主謂賓的結(jié)構(gòu)為主，與漢語相似，但也保留了古代白語的主賓謂型語序;白語量詞發(fā)達(dá)，一般情況量詞置于名詞之后，其中部分量詞已具有名詞綴;白語聲調(diào)較多，例如動詞、助動詞的否定和肯定以及人稱代詞的數(shù)和格的變化，都需要通過語調(diào)的曲折變化來表達(dá)。

4白-漢語適用的機器翻譯方法

目前，基于統(tǒng)計和基于實例這兩種機器翻譯方法的技術(shù)已經(jīng)十分成熟，但是這兩種機器翻譯的方法與語料庫密不可分，它們的準(zhǔn)確度直接依賴于與語料庫的覆蓋面、精確度，因此需要大規(guī)模的雙語語料庫，盡管漢語語料庫的建設(shè)取得了很大的成就，比如：CCL漢語語料庫總字符數(shù)已經(jīng)到達(dá)了783，163 175，其中現(xiàn)代漢語語料庫也有581794456字符，但是白語可收集的語料少、語料庫小，以至于不是特別有效。所以我們可以通過語法方面的研究進(jìn)行補足，基于規(guī)則的機器翻譯的方法是依靠語言學(xué)家總結(jié)的語言翻譯規(guī)則庫，通過對句子的語法分析，按照語法規(guī)則進(jìn)行判斷和推導(dǎo)，再生成目標(biāo)語言語句，一般通過以動詞謂語為軸心，把語法和語義相結(jié)合，實現(xiàn)利用語法分析進(jìn)行語義分析。而且，我國的自動分詞系統(tǒng)已經(jīng)有9%以上的正確率，因此可以采用統(tǒng)計與規(guī)則相結(jié)合的方式進(jìn)行白族語言機器翻譯，充分發(fā)揮規(guī)則和統(tǒng)計的作用，從而提高機器翻譯的準(zhǔn)確率。再加上白族語屬于漢藏語系藏緬語族，與藏語的發(fā)音、詞匯、語法等方面有很大的相似度，因此對與藏語適用的機器翻譯的方法對白語也基本適用。

綜上，根據(jù)白族語言特點和各類機器翻譯的特點，白語的機器翻譯可采用統(tǒng)計與規(guī)則相結(jié)合的混合策略實現(xiàn)。

5結(jié)語

通過對比分析多種常用的少數(shù)民族語言與漢語之間互譯的機器翻譯方法的優(yōu)點和不足，并根據(jù)白族語言語音、詞匯、語法方面的特點，提出了采用統(tǒng)計與規(guī)則相結(jié)合的混合策略實現(xiàn)白漢語互譯的機器翻譯方法，通過統(tǒng)計與規(guī)則二者之間的互補，解決白語語料庫不足的問題，并可通過不斷補充語料庫和完善規(guī)則庫，使白漢語互譯的效果得到進(jìn)一步的提升。