面向中文学术专著机器辅助翻译与研究.docVIP

面向中文学术专著的机器辅助翻译研究 第一章 引言 1.1 课题的提出 日本英文版的科技论著已占相当大的比重。可以说日本的科学技术发展较快，与出版界注意信息的国际性和利用英文出版物把日本的科学界直接推向了国际大舞台不无关系。我国有着一批世界级的优秀科学家，在许多科学领域在国际上有一定的地位，甚至是领先地位。我们多出一些优质的英文版专著，可以将中国的科学技术事业推向世界。同时英文版专著的增加乃至普及则可能使我国的科技人员进一步提高英语水平，全面进入世界科技信息前沿，充分吸收借鉴国际上先进的科技成果，从而促进我国的科学技术进步。同时又形成良性循环，进一步促进我国科技专著的英语化和走向国际市场，全面促进提高全民族的文化素质，使我们真正在科学上树立起我国应该有的国际威信。 从一个较小的视角，探索机器辅助翻译的发展方向及相关研究工作的任务。 本研究同时也是一个实例：在自然语言处理领域，把现实的需求和现有的技术有效的结合起来。 专著的情况（期刊网—专著），专著翻译的情况 专著版本更新 面向人的翻译过程是怎样的（相关研究） 机器辅助的翻译过程又是怎样的（为什么有这个必要？） 哪些东西是可以利用的？现有的技术；翻译策略 限制领域 + 人机协作 针对一个小范围的用户，但开发方法可以在较短时间内适应到一个新的应用范围。 专著，是指著作者针对某一问题进行深入研究具有较高学术水平和一定创造性的著作。语法结构(concordance） 3.1.4 相似度计算的改进 本文工作对相似度计算的改进：能做什么、不能做什么 注意！！！泛化会不会对翻译造成负面影响？？？ 两种用法：1）online；2）pre-translation 自然语言处理技术中语言资源和语言知识有着至关重要的作用。（规则和统计的协作） 自然语言处理技术就基础理论、技术算法来讲可以是通用的、普遍的。但将其放入具体应用中，就应该具体问题、具体分析。这中间有一个适应（adaptation）的过程，即根据具体应用的要求来改进或利用现有的基础理论、技术算法。 附：规范专著的写作，便利计算机处理 计算方法：基于字和基于词的加权—可以满足需求 方法简单，效率高，可扩充性强（主要指语言知识的扩充） 不考虑词序：因为是辅助翻译，TM是给出参考，而并非自动翻译结果。同时，学术专著中词汇歧义较少，因词序不同引起的语义变化情况少。 不考虑语义：专著中术语较多，根据术语建立的语义资源not available。但目前考虑到的语义知识足以对翻译起到很好的辅助效果（如术语及其并列结构，括号、引号等）。 与原来的按字节算法的对比。（数据） 泛化的目的：帮助翻译记忆的相似度计算模块更有效地利用记忆库中句子级对齐单位（句对）。 自动泛化（综述）：brown，张建 用知识库支持泛化（根据token）( 对语言知识的利用，对专著特点的利用 通常意义上的EBMT泛化是为了减少实例的数量（或者说控制/减小实例库的规模）；我们的研究是为了更好地利用已有的实例。两者的目的实质上是相同的。 泛化的实质：模糊匹配（or partial exact matching） partial match: lexical equivalence ( class equivalence (equivalent class) 泛化的定义： Brown： /* 张建：泛化是指通过对实际例句中的部分词语或片段进行一定的概括、归纳，使结果能够适用于更多的情况，是提高EBMT的性能的有效方法。 张建的做法：通过对句子一级对齐的双语语料库学习来抽取翻译模板；对获得的翻译模板进行训练；然后利用所获得的翻译模板进行翻译。（借鉴前人的三个系统） 张建：以基于范例的推理（Case-Based Reasoning）的方法作比；***从翻译学的角度？？？ 根据前面的比较和分析，我们可以得知EBMT具有如下几个优点：产生的译文精确，翻译速度快，不需要人工收集和编辑翻译知识；但是也存在诸如匹配率比较低，需要大规模的例句库的支持等缺点。事实上，传统的EBMT系统的匹配率和其翻译质量是一对矛盾，当匹配率的限制严格的时候，一旦匹配成功则得到的译文质量非常高；反之，如果匹配率限制的不是很严格，则匹配成功时可能得到的译文质量一般。 泛化的EBMT的基本思想是通过对自然语句中的词语或者片段进行抽象和概括来降低输入维数，从而提高语句的匹配率。一方面，该方法减少了对语料库规模的依赖；另一方面，由于被抽象和概括的词语或者是片段具有普遍性，一般该部分的变化不会影响翻译的结构和框架，这样可以保证翻译译文的质量同泛化之前相当。 我们采用翻译模板的方法来自于这样一个启发：当我们学习语言的时候首先学习一些简单的语句，然后通过句式的变换和词语的替换，词汇量的增加来逐步的掌握语言的。类比学习是人类学习中的一个很