汉日机器翻译中的日语生成规则系统.pdfVIP

1 新宇等：日语生成规则系统的设计和实现 汉日机器翻译中的日语生成规则系统 戴新宇，陈家骏，王启祥 南京大学计算机软件新技术国家重点实验室，南京 210093 南京大学计算机科学与技术系，南京 210093 摘要： 本文主要论述汉日机器翻译中日语生成的基本策略以及生成规则系统的设计与实现。 针对一棵汉语分析树，生成算法以确定性的自底向上过程遍历分析树，依据树结点上的特定信息，执 行一定的动作，边转换、边生成，直至根结点生成最终的日语句子。 在算法实现上，采用了算法流程与数据结构一体化的设计策略，结合面向对象的思想将汉语分析树 示成一棵由动态自主的结点对象相互连接而成的扩充的二叉树存储结构。生成算法的驱动函数以后根序列 遍历汉语分析树，顺序调用结点对象的对外接口，完成日语句子的生成。 针对汉语分析的中间结果，设计了一套日语生成器的规则系统。为了能够对规则进行描述，首先定义 了一套规则描述语言，为了对从语料库中抽取的规则存放，设计了规则系统的组织结构。共性规则库按照 层次结构组织规则，个性规则库以生成字典的形式给出。本文还讨论了规则系统的实现问题，主要是规则 的解释、执行，并且给出了规则系统与生成算法的接口。 运用上述的生成算法与规则系统，对一些语料进行调试，抽取共性规则和个性规则，解决了一些汉日 翻译中日语生成中的主要问题。 关键词： 机器翻译，日语生成，规则系统，规则描述语言 1. 前言 随着国际间交流的增加，特别是Internet 的广泛使用，语言障碍问题变得越来越严重， 这样，语言翻译显得更加重要，其中，机器翻译是一个重要手段。 机器翻译一般包括源语言分析和目标语言生成两大部分，源语言分析固然是很关键的， 但目标语言生成也占有非常重要的地位。在机器翻译中，目标语言生成的一 法则是：译文 的生成依赖于源语言的分析结果，这个分析结果包含了源语言句子所要传达的大部分信息， 而信息的选用则靠规则，规则是系统内基本的知识 达手段。在机器翻译的历史中存在有很 多的目标语言生成方法，这许多方法虽然各不相同，但本质上都是基于规则的，只是在规则 所 达的内容、规则的 达形式和对规则的使用方面有所不同而已。 本文主要介绍一个汉日机器翻译系统中日语生成的基本实现方法，重点考虑生成规则系 统的设计与实现。本文首先简述日语生成算法，然后介绍生成规则，其中包括规则描述语言 的设计，规则系统的组织等等，最后就日语生成过程中所遇到的一些问题进行讨论。 2. 日语生成算法 2.1 日语生成方法 在机器翻译的历史中有如下的译文生成方法：树构造转换生成、基于中间语言的生成、 基于词专家的生成、基于统计的生成、基于实例的生成以及基于模式的生成。本系统采用的 生成方法基本归结于树构造转换生成。 1 2 新宇等：日语生成规则系统的设计和实现 在机器翻译中，遵循自然语言生成的一 法则，译文的生成依赖于源语言的分析结果， 这个分析结果包含了源语言句子所要传达的大部分信息。而信息的选用则靠规则，规则是系 统内基本的知识 达手段。 汉语分析器产生的是一棵以句法语义的复杂特征集为结点标记的依存结构的多叉树，生 成算法以后根顺序遍历分析树，自底向上逐级生成，最后生成相应的汉语译文。 2.2 日语生成系统的总体结构 日语生成系统的系统结构框图如图1 所示，其中各模块作用如下： l 共性规则库存放共性的语言学知识， l 生成字典存放词的参数化信息以及词的一些特殊用法， l 规则库维护工具主要负责共性规则的管理， l 词典维护工具负责词典的管理， l 规则解释器对共性规则和生成字典的个性规则进行解释， l 生成算法则完成转换和生成工作。 汉语分析中间结果 生成算法 生成结果 规则解释器