語義缺省對機器翻譯質(zhì)量的影響研究

馬建軍 田思琪

關(guān)鍵詞：語義缺??；機器翻譯；世界知識

1引言

自然語言中存在無數(shù)被我們省略的背景知識，即存在語義缺省現(xiàn)象。語義缺省是一種特殊的省略現(xiàn)象，在形式上表現(xiàn)為語義空位。人類使用的大部分句子中都存在語義缺省，缺省的內(nèi)容就是人們熟知的世界知識。世界知識是在語言研究中，幫助讀者或聽眾解釋單詞和句子含義的非語言信息，也被稱為語言外知識。機器若要完全理解人類語言表達(dá)背后的意思，就必須以某種方式“發(fā)現(xiàn)”人們在語言交流中假定和省略的一切。

研究者一直以來從不同角度研究機器翻譯質(zhì)量和語義缺省。有學(xué)者聚焦機器訓(xùn)練語料的數(shù)量對機器翻譯質(zhì)量的影響，也有學(xué)者從翻譯者的角度立足語用推理、語境分析等試圖通過譯后分析提高翻譯質(zhì)量，更有大量學(xué)者關(guān)注語義缺省的現(xiàn)象，分析語義缺省特別是文化上的語義缺省對譯員的影響，但幾乎沒有文章研究語義缺省現(xiàn)象對機器翻譯的影響。

因此，本文選擇語義缺省較多的新聞標(biāo)題作為研究語料，以Jaszczolt的缺省語義學(xué)理論為指導(dǎo)，研究語義缺省現(xiàn)象對機器翻譯質(zhì)量的影響。研究進(jìn)一步完善語義缺省框架；選擇百度翻譯作為機器翻譯系統(tǒng)，比較加入世界知識前后的英文標(biāo)題的機器翻譯結(jié)果來分析語義缺省對機器翻譯的影響：提出補充世界知識的方法，從而進(jìn)一步提高機器翻譯質(zhì)量。

本研究旨在解決以下三個問題：（1）英語新聞標(biāo)題中都存在哪些語義缺?。浚?）語義缺省是否影響機器翻譯質(zhì)量？如果有影響，如何影響？（3）如何補充世界知識改善機器翻譯質(zhì)量？

2語義缺省理論框架

Jaszczolt把語義缺省區(qū)分為認(rèn)知缺省和社會文化缺省兩種基本類型。認(rèn)知缺省的信息是同一語言社團共享知識的默認(rèn)值，當(dāng)跨語言社團成員對同一概念的意義可能產(chǎn)生認(rèn)知變異日寸，原文的缺省值需要在譯語中轉(zhuǎn)化為必要值。社會文化缺省是說話人在與其意向受眾交流時對雙方共有的相關(guān)文化背景知識的省略，但被隱去的語用值又可能是異域受體的期待信息。本文結(jié)合新聞?wù)Z料以及Saba列舉的語義缺省的例子，在Jaszczolt的缺省語義學(xué)基礎(chǔ)上，根據(jù)引起語義缺省的因素，對認(rèn)知缺省和社會文化缺省進(jìn)一步分類。認(rèn)知缺省從詞匯和句法兩個層面分析引起缺省的因素，而社會文化缺省則從詞匯和修辭兩個層面分析。對每一個層面都概括了引起語義缺省的主要因素，具體分類如圖1所示。

詞匯層面引起語義缺省的主要因素是多義詞：句法層面的主要因素包括隱藏關(guān)系和回指：而修辭層面的主要因素包括隱喻和轉(zhuǎn)喻[2]。各缺省因素具體定義如下。

多義詞：當(dāng)一個詞或句子有一個以上的意義視為多義詞，主要是因為句子中的同一個詞有幾種不同的意義或理解而引起的。

隱藏關(guān)系：指隱藏的句法關(guān)系，包括并列、主謂、修飾和介詞短語附著等關(guān)系。并列關(guān)系指的是由連詞and或or等將兩個或兩個以上句子成分（如短語或小句）連接起來，這些句子成分在語法地位上沒有主次之分。

回指：一般情況下，如果同一個項目連續(xù)多次出現(xiàn)，就用同一個代詞而不重復(fù)用同一個名詞來指代它。代詞一般代表名詞短語，但也可以代表動詞短語、整個句子或段落[3]。

暗喻：表示一種物體或概念的詞以及短語代替另一種物體或概念，以暗示它們之間的相似性或類比性。

轉(zhuǎn)喻：指一個事物或概念是由與該事物或概念密切相關(guān)的事物的名稱來指代。

3研究設(shè)計

3.1研究語料

考慮到新聞標(biāo)題簡潔生動的特點，本文從《中國日報》中文版和英文版中選取平行語料。從2020年9月19日～ 2022年4月6日共有1067條雙語新聞標(biāo)題，選擇英文標(biāo)題做翻譯語料，其中中文標(biāo)題作為參考來衡量機器翻譯的質(zhì)量。隨后，在清洗語料的過程中，刪除非平行語料新聞83條，不含缺省的新聞484條，最終得到含語義缺省的新聞標(biāo)題對500條，缺省比例47％，如表1所列。新聞內(nèi)容主要涵蓋經(jīng)濟、政治等話題。

3.2數(shù)據(jù)分析

結(jié)合語義缺省理論框架（圖1）對語料中的語義缺省現(xiàn)象進(jìn)行詳細(xì)分類[4]。為了盡量減少任意性的風(fēng)險并保證結(jié)果的可靠性，項目組邀請了研究人員以外的第二位語料標(biāo)注者對語料進(jìn)行二次劃分，針對不一致的語料標(biāo)注進(jìn)行充分討論，最終得出相關(guān)分類結(jié)果。

之后，選擇目前國內(nèi)使用率較高的百度翻譯作為機器翻譯系統(tǒng)，實驗方法是將英文標(biāo)題原語（記為ST1）放人百度翻譯中得到第一版中文譯文（記為TT1），再將缺省的世界知識補充進(jìn)原句中，將補充好世界知識的英文語料（記為ST2）再次放入機器翻譯中，得到第二版中文譯文（記為TT2），將加入世界知識前后的兩版機器翻譯結(jié)果與《中國日報》（雙語）中給出的中文標(biāo)題（記為REF）進(jìn)行對比，總結(jié)語料中世界知識的出現(xiàn)是否會影響機器翻譯質(zhì)量。語料統(tǒng)計結(jié)果使用SPSS 25.0中文版進(jìn)行獨立T檢驗[5]。

4結(jié)果和討論

4.1新聞標(biāo)題中的語義缺省類型

《中國日報》英文新聞標(biāo)題中的語義缺省類型如表2所列。表2表明，語義缺省現(xiàn)象涵蓋各種類型。其中，認(rèn)知缺省現(xiàn)象占比57%，而社會文化缺省占比43%。這說明認(rèn)知缺省和社會文化缺省在新聞標(biāo)題的缺省中具有同等研究地位，不可忽視[6]。

從影響缺省的因素來看，多義詞導(dǎo)致的缺省是最多的，共占比63%，其中多義詞導(dǎo)致的認(rèn)知缺省占比26%，其導(dǎo)致的社會文化缺省占比37%。研究表明，多義詞導(dǎo)致認(rèn)知缺省主要是由于絕大多數(shù)詞匯，尤其是名詞和動詞，都具有不止一個常用義項，而社會文化缺省中的多義詞主要在于新詞和社會機構(gòu)縮略語。

其次是隱藏關(guān)系，占比23%。表3進(jìn)一步分析了各種隱藏關(guān)系，其中主謂關(guān)系比例最高，占隱藏關(guān)系中的62%，其次是修飾關(guān)系，占比34%，而并列關(guān)系和介詞短語附著占比很低，各占比1%和3%。研究表明，為了以最少的篇幅傳遞最多的信息，新聞標(biāo)題多用介詞和數(shù)詞，選擇省略部分動詞或者名詞，因此隱藏了主謂關(guān)系或修飾關(guān)系。比如，例1隱藏了并列關(guān)系，該句前后兩部分是并列關(guān)系，“and”被省略[7]。例1（并列關(guān)系）：Young people spend so long staring atscreens（and） half may need glasses in 30 （2021-10-18）

占比較少的是回指、轉(zhuǎn)喻和隱喻，其中回指和轉(zhuǎn)喻分別占比7%和5%，而隱喻是最少的，僅占比1%。其主要原因是受限于新聞標(biāo)題的體裁?；刂篙^少是由于新聞標(biāo)題內(nèi)容精煉，一句話中需要反復(fù)提及同一個詞語的情況鮮少出現(xiàn)：而隱喻和轉(zhuǎn)喻作為修辭手法，雖然生活中隨處可見，但是新聞標(biāo)題講求高效客觀傳達(dá)信息，因此語料中也并不多見。比如，例2中“it”指前文描述的“藝術(shù)家攜款逃跑的現(xiàn)象”，而不是“money”。例2（回指）：Danish artist takes museum'smoney and runs，

calls it（this phenomenon）

art（ 2021-09-29）

4.2缺省世界知識對機器翻譯質(zhì)量的影響

通過比較加入世界知識前后譯文的質(zhì)量，可以分析語義缺省現(xiàn)象對機器翻譯質(zhì)量的影響。表4說明了加人世界知識前后譯文的翻譯正確率，TTI指的是ST1（缺省世界知識）的譯文，TT2則是ST2（補充世界知識）的譯文。統(tǒng)計結(jié)果顯示，兩版譯文有顯著差異（p=0.0009<0.05），表明補充世界知識和機器翻譯正確率之間的關(guān)系有統(tǒng)計學(xué)意義，即各類缺省中世界知識的補充都能提升機器翻譯質(zhì)量[8]。

表5詳細(xì)分析了補充世界知識對機器翻譯結(jié)果的影響情況，總體來看，通過補充世界知識，各類別機器翻譯錯誤情況都有所改觀，并且不存在加入世界知識后翻譯由正確變?yōu)殄e誤的情況。其中，42. 6%的語料在補充世界知識后機器翻譯結(jié)果從錯誤變成正確，說明這些語義缺省現(xiàn)象是影響機器翻譯質(zhì)量的主要原因：52.2%的語料在加人世界知識前后翻譯結(jié)果均正確，說明某些語義缺省現(xiàn)象并沒有影響機器翻譯結(jié)果：而仍有5.2%的語料在加人世界知識后翻譯結(jié)果仍然錯誤，說明影響機器翻譯的因素較為復(fù)雜，語義缺省可能不是唯一的影響因素。

4.3機器翻譯中對世界知識補充的建議

由于多義詞中的縮略語和回指導(dǎo)致的缺省，主謂關(guān)系中因果關(guān)系的缺省，修飾關(guān)系中數(shù)字后名詞的缺省和并列關(guān)系中中英文缺省習(xí)慣一致，同樣不需要額外補充世界知識也能得到準(zhǔn)確翻譯[9-10]。

另外，在需要補充的各類缺省情況中，本文將從補充世界知識的難度的角度進(jìn)行分類建議。對于機器來說，可以通過添加功能詞或者上下文實詞的搭配完成世界知識的補充。多義詞中的轉(zhuǎn)義詞特別是名詞可以通過添加上下義的名詞進(jìn)行補充，從而明確詞義。而多義詞的其他情況、隱藏關(guān)系中主謂關(guān)系、修飾關(guān)系和介詞短語附著關(guān)系以及隱喻，由于補充的世界知識多為動詞名詞等實詞，需要總結(jié)推理才能得出結(jié)果，人工補充尚且有歧義，對于機器而言難度就更大。并且，多義詞引起的缺省占比最大，存在補充世界知識后機器翻譯的結(jié)果依然錯誤的情況。

5結(jié)束語

本文基于Jaszczolt對語義缺省的分類理論，結(jié)合基礎(chǔ)語法和Saba博士對于世界知識的舉例，進(jìn)一步完善了語義缺省的框架，并針對英語新聞標(biāo)題中的語義缺省以及世界知識的補充進(jìn)行了討論。本文發(fā)現(xiàn)，在各類缺省中，多義詞對機器翻譯的影響最為明顯，相比之下，其他類別的缺省基本都可以通過加入相應(yīng)世界知識得到正確的翻譯。

對于機器翻譯由于缺省導(dǎo)致的多義詞現(xiàn)象，應(yīng)加入范疇類或搭配類世界知識使含義顯性化：而對于句法中隱藏關(guān)系的缺省現(xiàn)象、介詞短語附著和回指，則應(yīng)添加動詞分詞形式或不定式將隱藏的關(guān)系展現(xiàn)出來：修辭層面的轉(zhuǎn)喻和隱喻則應(yīng)結(jié)合語境添加相應(yīng)的名詞或者動詞分詞形式。還有一部分缺省，如并列，由于中英文缺省習(xí)慣一致，所以即使句子中存在缺省現(xiàn)象，也不影響機器翻譯結(jié)果。絕大多數(shù)機器翻譯不通順的句子在加人世界知識后都可以變得更加流暢通順，這是因為世界知識將相關(guān)詞匯更為明顯地連接了起來，使得原本隱藏在句子下的關(guān)系變得清晰透明。