汉英机器翻译浅析.pdfVIP

汉英机器翻译浅析 计算机科学与技术 072479 李良玥 一、 引言 机器翻译，指利用计算机把源语言转换成目标语言。由于机器翻译能够减轻翻译人员的 脑力劳动，把翻译工作者从繁重的翻译工作中解放出来；还能够提高翻译效率，实现国际情 报交流的部分自动化。因此，自计算机问世起，就不断有学者进行机器翻译的尝试。迄今， 出现了不少商品化的机器翻译系统，如美国的SYSTRAN 系统、美国Texas 大学与德国Simon 公司合作研制的METAL 系统、日本日立公司的ATLAS 系统等等。我国的机器翻译研究从一 开始就受到了国家的高度重视，早在1959 年中科院语言研究所和计算技术研究所就进行了 中国第一次机器翻译实验（俄汉）。在我国，外汉机器翻译系统，特别是英汉机器翻译系统 的研制已经取得了较大的成功，达到了初步实用的水平，并且推出了不少实用系统，如“译 星”、“汉神”、“通译”，等等。但汉外机器翻译，特别是汉英机器翻译的研究却进展缓慢， 离实用化还有一定的距离。使用过汉英和英汉机器翻译系统的人都会有一个深深的感受，这 就是汉英机器翻译远不如英汉机器翻译。 同样的两种语言，为什么机器翻译中把汉语当作源语言要比把英语当作源语言要困难得 多？我们以下面这个例子为例就可以看得相当清楚了。例如要把英文句子“We should do our utmost to achieve our goal in life”翻译为中文，机器一般可以翻译得较为准确，但是要把汉 语句子“他踢坏了三双鞋”翻译为英文，机器有的翻译为“He plays three pairs of evil shoes”， 有的翻译为“He kicked three pairs of shoes bad ”，还有的翻译为“Him kick spoil 3 pairs of shoes”。 从这个例子可以看出，由于汉语与英语有着不同的特点，导致机器翻译中把汉语当作源语言 要比把英语当作源语言要困难得多。本文试图从汉英机器翻译的角度来探讨汉英机器翻译中 的一些关键技术，包括了词法分析、词性标注、语料库构建、统计模型等等层面。 二、 改进最大匹配法的消歧分词算法 在研究汉英机器翻译中，汉语自动分词是一个难题。汉语的书面形式是字与字之间连续 书写，词与词之间没有自然的界限，因此，汉语的自然语言理解首先要解决词的自动切分问 题，而词的自动切分中，交集型歧义和组合型歧义是不可避免的。即使把交集型歧义和组合 型歧义解决得比较好，要把汉语的自动切词正确率提高到99%还是一个相当困难的事情。而 且汉语的自动切词正确率即使达到了99%，对于机器翻译来说还是不够。因为机器翻译系统 不是以词为单位的，一般是以句子为单位进行处理的，这样一个句子只要有一处切词错误， 整个句子就很有可能面目全非了。假设一个切词系统的错误率为1%，在一篇10000 词的文 章中，大约出现100 处切词错误，再假设这篇文章中的句子平均长度为10 个词，整篇文章 有大约1000 个句子。那么在这些切词错误均匀分布（不过分集中）的情况下，这100 处切 词错误就可能导致大约 100 个句子的翻译错误，错误率约为 10%。也就是说，切词阶段的 错误率在翻译的过程中将会被“放大” 。但英译汉就不存在这样的问题，因为英语词与词 之间本来就有空格这个天然标志。从上面的分析可以看出，从汉语词的“无”切分到英语词 的“有”切分存在困难。 汉语自动分词的方法很多,但各有其优缺点,用得较普遍的是最大匹配法,但它对歧义问 题无能为力。我们可以对它做些改进。 1.设立切分标志 英语词与词之间用空格分开,有明显的切分标志。汉语虽不是这样,但还是存在一些自然 切分标志,如标点符号,词不能跨越这些标志而存在。另外,也存在一些非自然的切分标志,如只 能充当词首的字或充当词尾的字,不构成词的某些单字词、复音节单纯词、拟声词等,词也不 能跨越这些标志而存在。设立切分标志首先要建立一个切分标志表并存储于计算机中。在分 词时先找到切分标志,这样一来,一个句子链将被分割为若干个短链,然后再用正向最大匹配 法切分。 2.算法实现 基于最大匹配分词的改进算法的基本思想是