基于句法和語義的英漢翻譯記憶系統(tǒng)設(shè)計(jì)研究

董菊霞

（平頂山學(xué)院，河南 平頂山 467000）

1 引言

互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，促進(jìn)了機(jī)器翻譯系統(tǒng)開發(fā)，借助互聯(lián)網(wǎng)平臺(tái)，實(shí)現(xiàn)系統(tǒng)數(shù)據(jù)庫信息實(shí)時(shí)更新，為用戶提供網(wǎng)絡(luò)訪問連接[1]。該系統(tǒng)支持多種語言的相互轉(zhuǎn)換，能夠?yàn)橛脩艚涣魈峁┍憷麠l件。目前，機(jī)器翻譯系統(tǒng)主要分為兩種類型，分別是語料庫翻譯、語法分析翻譯[2]。相比之下，語料庫翻譯技術(shù)發(fā)展較好。由于自然語言歷經(jīng)多年發(fā)展形成，人們針對(duì)相同的語言理解存在一定差異，因而降低了機(jī)器翻譯的準(zhǔn)確性。面對(duì)重復(fù)率較高的文件翻譯工作，耗費(fèi)時(shí)間較多[3]。翻譯記憶技術(shù)的提出，打破了傳統(tǒng)機(jī)器翻譯模式，能夠縮減重復(fù)語句的翻譯時(shí)間[4,5]。由于翻譯記憶技術(shù)研發(fā)時(shí)間比較短，尚未形成完善的英漢翻譯記憶系統(tǒng)。本文嘗試將語義和句法作為譯文指標(biāo)，開發(fā)一套英漢翻譯記憶系統(tǒng)。

2 英漢翻譯記憶

2.1 英漢翻譯記憶方法

翻譯記憶指的是將以往翻譯任務(wù)獲取的經(jīng)驗(yàn)作為信息基礎(chǔ)，開展下一次翻譯任務(wù)，在此期間使用的系統(tǒng)，是翻譯記憶系統(tǒng)[6]。本文提出的英漢翻譯記憶，是以英語和漢語作為翻譯相互轉(zhuǎn)換的兩種語言，運(yùn)用翻譯記憶系統(tǒng)，在記憶庫中搜索相似資源，作為譯文參考依據(jù)。用戶在使用該系統(tǒng)過程中，以系統(tǒng)提供的資源作為輔助翻譯工具，根據(jù)自己的理解，調(diào)整最終翻譯結(jié)果，以此提高翻譯效率。當(dāng)系統(tǒng)處理新的翻譯任務(wù)時(shí)，將此任務(wù)與數(shù)據(jù)庫中資料進(jìn)行匹配，生成相似譯文，作為翻譯參考依據(jù)，用戶根據(jù)譯文情況，選擇接受此翻譯結(jié)果，或者在此基礎(chǔ)上做出更改[7]。當(dāng)本次翻譯結(jié)束后，相關(guān)翻譯信息將被存儲(chǔ)至記憶庫中。隨著使用時(shí)間不斷積累，記憶庫中的資源就會(huì)逐漸增加，有助于翻譯效率的提升[8]。

2.2 英漢翻譯記憶作業(yè)流程

英漢翻譯記憶方法涉及的主要技術(shù)有相似度計(jì)算、記憶庫技術(shù)、譯文構(gòu)造技術(shù)[9]。運(yùn)用這3項(xiàng)技術(shù)，對(duì)數(shù)據(jù)進(jìn)行檢索、資源匹配、人工校對(duì)等處理，從而生成翻譯結(jié)果。本文提出的英漢翻譯記憶系統(tǒng)，從記憶庫中檢索相關(guān)數(shù)據(jù)，與原文數(shù)據(jù)進(jìn)行對(duì)比，完成英語和漢語之間的轉(zhuǎn)換處理。如圖1所示為英漢翻譯記憶作業(yè)流程。

圖1 英漢翻譯記憶作業(yè)流程

首先，根據(jù)原文數(shù)據(jù)，調(diào)用記憶庫中的信息，經(jīng)過數(shù)據(jù)檢索，尋找與之匹配的譯文資源。接著，對(duì)比檢索譯文資源與原文數(shù)據(jù)是否完全匹配，如果完全匹配，則生成譯文結(jié)果。反之，采用人工校對(duì)的方式，對(duì)本次譯文結(jié)果進(jìn)行校對(duì)，同時(shí)將校對(duì)相關(guān)信息存儲(chǔ)至記憶庫中，以此豐富記憶庫中的譯文資源，同時(shí)優(yōu)化譯文標(biāo)準(zhǔn)。

3 基于句法和語義的英漢翻譯相似度算法

翻譯相似度算法作為翻譯記憶系統(tǒng)開發(fā)的核心工具，以語義和句法作為翻譯相似度判斷指標(biāo)，分析英語句子和漢語句子的譯文是否匹配。一般情況下，相似度范圍[0,1]，數(shù)值越接近1，則認(rèn)為翻譯語句與原句越相似，從語義、句法兩個(gè)方面來看都是滿足翻譯意思標(biāo)準(zhǔn)的[10]。另外，單詞排序同樣符合譯文要求。如果相似度數(shù)值接近0，則認(rèn)為兩個(gè)語句之間不存在聯(lián)系，語義和句法幾乎都不同[11]。本算法中，利用[0,1]范圍內(nèi)數(shù)據(jù)表示譯文句子之間的相似程度。

關(guān)于相似度算法的開發(fā)，首先利用Link Grammar Parser軟件計(jì)算需要翻譯的句子，獲取該語句的句法結(jié)構(gòu)[12]。其次，判斷生成的句法結(jié)構(gòu)與原句的句法結(jié)構(gòu)是否相同，如果完全相同，運(yùn)用算法繼續(xù)計(jì)算獲取語義，并判斷生成的語義與原句的語義是否相似。其中，句義相似度的判定，以句子中的各個(gè)組成部分作為判定對(duì)象，分別對(duì)各個(gè)部分的語義相似度進(jìn)行判斷，得到綜合判斷結(jié)果，從而避免譯文句子與原句之間實(shí)際相似度與計(jì)算結(jié)果產(chǎn)生偏差。例如，句子s1：TIFF IFD entry value has wrong size.句子s2：TIFF IFD entry has invalid value.對(duì)這兩個(gè)句子的相似度的計(jì)算，首先進(jìn)行拆分，而后分別計(jì)算各個(gè)對(duì)應(yīng)詞組的相似度。詞組1：(TIFF IFD entry),(TIFF IFD entry value)；詞組2：(has),(has)；詞組3：(invalid value),(wrong value)。這種相似度方法，與傳統(tǒng)方法中計(jì)算賓語value方法不同，給出的主要成分entry和value更加貼近實(shí)際語義。假設(shè)句子成分?jǐn)?shù)量為n，利用句子成分字符串計(jì)算得到n數(shù)值，并采用公式（1）計(jì)算句子相似度：

假如抽取句子單詞的期間，發(fā)現(xiàn)單詞抽取后句子的成分為空，那么該句子中的被過濾單詞判定為代詞，句子中的各個(gè)成分相似度利用公式（2）計(jì)算。

公式（2）中，v1和v2代表向量，c1m和c2m均為字符。

例如句子They like singing.和句子He likes reading.之間的相似度計(jì)算，句子成分分為3個(gè)詞組。詞組1：{(they)(he)}；詞組2：{(like)(like)}；詞組3：{(sing)(read)}。利用公式（3）計(jì)算。通常情況下，采用wup計(jì)算的數(shù)據(jù)值范圍是（0,1），在Synset之間LCS深度不可能是0的情況下，可以使用公式（3）進(jìn)行計(jì)算分析，但是如果輸入的Synsets相同，數(shù)據(jù)值就是1。

公式（3）中，wup方法得到的計(jì)算結(jié)果范圍為（0,1）；LCS代表公共包容最小值；depth代表深度。

基于上述原理，利用C語言進(jìn)行編程，如下：

4 基于句法和語義的英漢翻譯記憶系統(tǒng)設(shè)計(jì)

4.1 系統(tǒng)總體架構(gòu)設(shè)計(jì)

本系統(tǒng)架構(gòu)主要分為3個(gè)模塊，分別是索引生成模塊、相似度計(jì)算模塊、譯文處理模塊。其中，相似度計(jì)算模塊又分為句法處理模塊、語義計(jì)算模塊。如圖2所示為系統(tǒng)總體架構(gòu)。

圖2 系統(tǒng)總體架構(gòu)

該架構(gòu)中，索引生成模塊包括句子長(zhǎng)度索引、字符串索引、句法索引3項(xiàng)功能；譯文處理模塊包括譯文處理、譯文存儲(chǔ)2項(xiàng)功能；句法處理模塊包括句法生成、句法比較2項(xiàng)功能；語義計(jì)算模塊包括關(guān)鍵詞抽取、語義相似度計(jì)算2項(xiàng)功能。

（1）句子長(zhǎng)度索引：以“句子長(zhǎng)度”為對(duì)象，在記憶庫中創(chuàng)建索引關(guān)系；

（2）字符串索引：以“字符串”為對(duì)象，在記憶庫中創(chuàng)建索引關(guān)系；

（3）句法索引：以“句法”為對(duì)象，在記憶庫中創(chuàng)建索引關(guān)系；

（4）句法比較：采用相似度計(jì)算方法，對(duì)原句和譯文結(jié)果中的句法進(jìn)行比較；

（5）句法生成：通過相似度計(jì)算，生成句法相似度計(jì)算結(jié)果；

（6）關(guān)鍵詞抽取：從原句中抽取關(guān)鍵詞，作為譯文比對(duì)重點(diǎn)對(duì)象；

（7）語義相似度計(jì)算：采用相似度計(jì)算方法，對(duì)原句和譯文結(jié)果中的語義進(jìn)行比較。

4.2 系統(tǒng)總體作業(yè)流程

按照如圖2所示的總體框架結(jié)構(gòu)，設(shè)計(jì)系統(tǒng)總體作業(yè)流程：

第一步：向系統(tǒng)中輸入需要翻譯的語句；

第二步：根據(jù)英漢語言轉(zhuǎn)換需求，確定翻譯語句的語言類型；

第三步：分析句子字符串、長(zhǎng)度，調(diào)用系統(tǒng)記憶庫，從庫中找到相似的譯文資源；

第四步：對(duì)比譯文資源的句子與原文的語義是否相符，如果相符，則輸出譯文，反之，執(zhí)行下一步；

第五步：將句法作為資源搜索條件，從記憶庫中搜尋與原文的句法相似的例句；

第六步：計(jì)算記憶庫生成句子與原句的句法相似度；

第七步：從生成的例句中，挑選出句法相似度最高的例句，作為譯文結(jié)果；

第八步：根據(jù)用戶對(duì)譯文結(jié)果的滿意程度，決定是否對(duì)譯文進(jìn)行更改。如果對(duì)譯文滿意，則直接輸出譯文結(jié)果，反之，對(duì)譯文采取修正處理，并將相關(guān)信息存儲(chǔ)至系統(tǒng)記憶庫中。

4.3 翻譯記憶庫設(shè)計(jì)

翻譯記憶庫分為3個(gè)級(jí)別，包括詞匯級(jí)、句子級(jí)、更深層級(jí)。其中，采用詞匯級(jí)設(shè)計(jì)的記憶庫優(yōu)點(diǎn)為：譯文生成過程比較簡(jiǎn)單，記憶庫作業(yè)簡(jiǎn)單；缺點(diǎn)為：加工程序較為繁瑣，降低了翻譯效率。采用句子級(jí)設(shè)計(jì)的記憶庫優(yōu)點(diǎn)為：加工程序比較簡(jiǎn)單，容易擴(kuò)充，句子翻譯較為清晰，容易比對(duì)；缺點(diǎn)為：譯文生成計(jì)算難度較高，對(duì)雙語資料的加工處理要求偏高。采用更深層級(jí)設(shè)計(jì)的記憶庫優(yōu)點(diǎn)為：譯文生成的信息偏多，包括句子結(jié)構(gòu)、詞類等，譯文資源較多；缺點(diǎn)為：加工程序頗深，加大了譯文信息例句擴(kuò)充難度。

通過對(duì)比上述3個(gè)層級(jí)的實(shí)例庫的優(yōu)點(diǎn)和缺點(diǎn)可知，如果前期譯文工作量較少，后期記憶庫的加工程度就會(huì)更大，反之前期工作量過重，后期可以降低加工程度，但是增加了管理工作量。對(duì)于英語句子的翻譯，是將句子拆分為多個(gè)簡(jiǎn)單的句子，每個(gè)句子又分為主語、謂語、賓語。因此，本系統(tǒng)設(shè)計(jì)記憶庫時(shí)，以簡(jiǎn)單句子為單位，根據(jù)句子成分展開翻譯，以此降低譯文難度，使得記憶庫開發(fā)比較容易實(shí)現(xiàn)。

本系統(tǒng)設(shè)計(jì)的記憶庫，兼顧系統(tǒng)管理與譯文檢索效率，以句子的句法、語義作為檢索要點(diǎn)，設(shè)計(jì)如表1所示的記憶庫結(jié)構(gòu)。

表1 記憶庫結(jié)構(gòu)

按照表1所示的記憶庫結(jié)構(gòu)，存儲(chǔ)譯文資源，如果譯文結(jié)果未能得到用戶認(rèn)可，則存儲(chǔ)用戶更改過的譯文信息，作為下一次相同句子翻譯參考依據(jù)。

關(guān)于記憶庫的創(chuàng)建，利用SQL Sever軟件開發(fā)3個(gè)數(shù)據(jù)信息表，表中的信息按照表1中的結(jié)構(gòu)編輯。以下為3個(gè)數(shù)據(jù)信息表的設(shè)計(jì)方案：

（1）Component表：用于存儲(chǔ)句子的各個(gè)譯文內(nèi)容和句子結(jié)構(gòu)。

（2）Structure表：用于存儲(chǔ)與句子相關(guān)的信息，例如：譯文的句法結(jié)構(gòu)等。

（3）Sentence表：用于顯示譯文結(jié)果，包括英語句子信息、漢語句子信息，兩部分信息相對(duì)應(yīng)。

4.4 相似度計(jì)算

本系統(tǒng)采用相似度算法，對(duì)原句、譯文句子的相似度進(jìn)行判斷，該判斷結(jié)果將作為系統(tǒng)翻譯處理依據(jù)。如果相似度達(dá)到100%，則輸出譯文結(jié)果，如果相似度不足，則繼續(xù)遍歷譯文結(jié)果，經(jīng)過對(duì)比計(jì)算相似度參數(shù)數(shù)值，如果仍未達(dá)到100%，則與之前遍歷的譯文相似度數(shù)值進(jìn)行對(duì)比，取最大值。而后判斷當(dāng)前是否仍然存在未計(jì)算相似度對(duì)應(yīng)的譯文例句，如果存在，繼續(xù)遍歷譯文并計(jì)算相似度，與之前最大值進(jìn)行對(duì)比，直至所有譯文例句的相似度數(shù)值計(jì)算結(jié)束，從中選取相似度數(shù)值最大的譯文語句作為譯文結(jié)果，輸出譯文結(jié)果后，等待用戶審核，判斷是否對(duì)此譯文結(jié)果滿意，如果不滿意，更改譯文結(jié)果。如圖3所示為相似度計(jì)算流程。

圖3 相似度計(jì)算流程

首先，以句子的字符串作為對(duì)比對(duì)象，開展相似度對(duì)比。如果句子中的字符串完全相似，則生成相似度結(jié)果為“1”，反之，生成原句的句法結(jié)構(gòu)，將其作為下一步相似度對(duì)比對(duì)象。接下來，對(duì)比原句的句法與譯文的句法是否一致，如果達(dá)成一致，則從譯文中抽取各個(gè)成分關(guān)鍵詞組，計(jì)算相似度，并生成相似度結(jié)果，數(shù)值范圍[0,1]。如果句法未能達(dá)成一致，則生成相似度結(jié)果為“0”。最后，返回相似度計(jì)算初端，開啟下一次句子相似度計(jì)算。

4.5 譯文生成

本系統(tǒng)針對(duì)英漢語句的翻譯，采用相似度算法進(jìn)行計(jì)算，所得計(jì)算結(jié)果范圍[0,1]。按照相似度取值情況，將譯文匹配類別劃分為3種：（1）“完全不匹配”，對(duì)應(yīng)相似度數(shù)值為0，此情況需要修改譯文才可以使用，譯文生成的流程為“wrong size”→“invalid value”→“非法值”→修改大小錯(cuò)誤→生成譯文結(jié)果。（2）“模糊匹配”，對(duì)應(yīng)相似度數(shù)值為(0,1)，此情況需要采用人工翻譯生成的譯文才可以使用，譯文生成的流程為“has”→“has”→“有錯(cuò)誤”→調(diào)整部分譯文結(jié)果→生成譯文結(jié)果。（3）“完全匹配”，對(duì)應(yīng)相似度數(shù)值為1，直接復(fù)用譯文即可，譯文生成的流程為“TIFF IFD array entry”→“TIFF IFD array entry”→“TIFF圖像的IFD數(shù)組項(xiàng)”→復(fù)用“TIFF圖像的IFD數(shù)組項(xiàng)”→生成譯文結(jié)果。

5 系統(tǒng)測(cè)試與分析

5.1 測(cè)試內(nèi)容與方法

（1）英漢翻譯系統(tǒng)的索引生成和關(guān)鍵詞的提取

索引生成測(cè)試：記憶庫中，創(chuàng)建主索引和次索引。其中，主索引創(chuàng)建建立在英語句子字符串基礎(chǔ)上，次索引創(chuàng)建建立在句子長(zhǎng)度基礎(chǔ)上，根據(jù)索引關(guān)系在記憶庫中快速完成句子的檢索，從而找到與待譯句子相近的例句。

關(guān)鍵詞的提取測(cè)試：主要測(cè)試系統(tǒng)提取出的關(guān)鍵詞是否為待譯句子的核心和主要詞匯。

（2）英漢翻譯系統(tǒng)相似度測(cè)試

本次測(cè)試以傳統(tǒng)機(jī)器翻譯系統(tǒng)作為對(duì)照組，以本文設(shè)計(jì)的英漢翻譯系統(tǒng)作為實(shí)驗(yàn)組，分別對(duì)兩種系統(tǒng)的英漢語句翻譯中譯文結(jié)果相似度進(jìn)行測(cè)試。測(cè)試中，分為兩種情況，其中一種情況為不含有重復(fù)句子（全為新句），另外一種情況為含有重復(fù)句子（部分為新句）。每種情況設(shè)定英語句子的數(shù)量分別為200個(gè)、400個(gè)、800個(gè)。

（3）英漢翻譯系統(tǒng)耗時(shí)測(cè)試：該項(xiàng)測(cè)試內(nèi)容以不同情況下的系統(tǒng)作業(yè)耗時(shí)作為主要測(cè)試指標(biāo)，兩種情況及英語句子數(shù)量設(shè)置同測(cè)試內(nèi)容（2）。

5.2 測(cè)試結(jié)果分析

對(duì)本系統(tǒng)的索引生成和關(guān)鍵詞的提取功能進(jìn)行測(cè)試，結(jié)果如表2所示。

表2中測(cè)試結(jié)果顯示，本系統(tǒng)能夠有效創(chuàng)建待譯句與數(shù)據(jù)庫中例句之間的索引關(guān)系，并且提取句子關(guān)鍵詞的可靠性較高，有助于系統(tǒng)英漢翻譯準(zhǔn)確性的提升。

表2 系統(tǒng)索引生成和關(guān)鍵詞提取功能測(cè)試結(jié)果

另外，按照系統(tǒng)測(cè)試內(nèi)容與方法，分別對(duì)傳統(tǒng)機(jī)器翻譯系統(tǒng)、本翻譯系統(tǒng)的譯文相似度、耗時(shí)情況進(jìn)行測(cè)試，結(jié)果如表3、表4所示。

表3中，與傳統(tǒng)機(jī)器翻譯系統(tǒng)相比，本文設(shè)計(jì)的翻譯系統(tǒng)生成的譯文相似度更高，僅有英語句子增加至800個(gè)時(shí)，存在2個(gè)句子譯文相似度未能達(dá)到標(biāo)準(zhǔn)，而傳統(tǒng)機(jī)器翻譯系統(tǒng)的譯文相似度不達(dá)標(biāo)數(shù)量達(dá)到了37個(gè)。針對(duì)重復(fù)語句情況，本翻譯系統(tǒng)的譯文相似度效果更佳，僅有1個(gè)句子譯文未能達(dá)到標(biāo)準(zhǔn)，而傳統(tǒng)機(jī)器翻譯系統(tǒng)的譯文相似度出現(xiàn)了下降變化趨勢(shì)。因此，本翻譯系統(tǒng)在英漢句子翻譯中的精確度更具優(yōu)勢(shì)。

表3 英漢翻譯系統(tǒng)的譯文相似度測(cè)試結(jié)果

表4中，與傳統(tǒng)機(jī)器翻譯系統(tǒng)譯文耗時(shí)情況相比，本翻譯系統(tǒng)在不同情況下的譯文耗時(shí)更短一些，隨著句子數(shù)量的增加，單個(gè)句子譯文耗時(shí)明顯下降。另外，英語句子中存在重復(fù)語句情況下，傳統(tǒng)機(jī)器翻譯系統(tǒng)的耗時(shí)幾乎保持不變，而本翻譯系統(tǒng)的耗時(shí)出現(xiàn)了明顯下降的變化特點(diǎn)。因此，本翻譯系統(tǒng)在英漢句子翻譯中的耗時(shí)更具優(yōu)勢(shì)。

表4 英漢翻譯系統(tǒng)的耗時(shí)測(cè)試結(jié)果

6 結(jié)語

本文采用翻譯記憶技術(shù)，以語義、句法作為翻譯處理指標(biāo)，設(shè)計(jì)一套英漢翻譯記憶系統(tǒng)。該系統(tǒng)通過構(gòu)建記憶庫，將兩種語言的翻譯資源存儲(chǔ)至其中，而后按照原文中的語義、句法，提取記憶庫中的資源，與原文進(jìn)行匹配，取相似度最高的譯文作為翻譯結(jié)果，經(jīng)過人工修正生成譯文。系統(tǒng)測(cè)試結(jié)果表明，本系統(tǒng)能夠更為精準(zhǔn)地翻譯句子，且作業(yè)效率較高。