平行语料库在外贸函电机器翻译中应用.docVIP

平行语料库在外贸函电机器翻译中应用 　　摘 要： 本文介绍了外贸函电平行语料库的构建，重点探讨了外贸函电平行语料库中的语块提取和并列结构处理，使平行语料库的外贸函电机器翻译的质量得到提高。 　　关键词： 平行语料库 外贸函电 机器翻译 应用 　　 　　“平行语料”（Parallel Texts）是指使用不同语言撰写、相互间具有“翻译关系”的文本。在计算语言学界，它有别于“对比语料”（Comparable Texts），后者也使用不同的语言撰写，并且针对同一主题，但相互之间却不存在直接的“翻译关系”。人类历史上曾有过各式各样的平行语料。埃及出土的罗塞塔石碑，其碑文用两种语言、三种文字刻成，是颇具盛名的古代的平行语料。通过比较石碑上的文字，法国古代语学者商博良解读了古埃及的象形文字。此外，用不同语言对照书写的契约协议、宗教经典、文学作品也在不同的时期和不同的领域影响着人们的生活。20世纪50年代末，平行语料开始出现在机器翻译研究中。由于当时计算机的存储空间和计算能力有限，而大量文本数据的输入又相当困难，所以平行语料库的作用并没有得到太多的关注。70年代末期，翻译资源的收集工作在Xerox PARC、Brigham Young 等研究中心广泛地开展起来。1987年，Martin Kay 和 Martin Roscheisen 提出了最早的平行语料自动对齐算法。之后各种对齐方法层出不穷，对齐后的平行语料也被系统地应用到自然语言处理中，包括建立翻译记忆、编纂词典和双语术语表、跨语言信息检索、计算机辅助教学、语言对比研究等。 　　外贸函电是国际贸易中进行业务往来的重要工具，属于专门用途英语的范畴。机器翻译（MT）是一项技术，它允许我们用某种语言输入文本然后由计算机将其翻译为（从其自身的字典资源）另外一种语言。MT的目标不是完美的翻译，事实上没有计算机能够做到这一点；而是尽可能地向用户提供其阅读内容的大意。面对海量的外贸信函文件，传统的人工翻译已不能满足时代需要。以Google为典型代表机器翻译作为突破语言障碍的重要技术手段，因其较高的建设效率和翻译质量得到了越来越多的重视，成为当前研究的热点之一。 　　1．外贸函电平行语料库的构建 ??　外贸函电是一种相对比较正式的公务文书，其一般目的是建立和保持良好的业务关系、获得或发布供求信息、达成合作和交易等。我们构建的商务信函平行语料库的语料收集范围为商务业务信函，分为建立业务关系函、产品推销函、资信调查函、询盘函、发盘函、还盘函、订购函、销售确认函、签约函、催证审证函、装运通知函、付款方式函、索赔函、保险函等，这些信函涉及外贸活动的全过程。在语料库语言学理论的指导下，我们通过初步建立一个100万词次的英汉双语商务信函平行语料库（包括两个子库：英汉商务信函平行语料库，汉英商务信函平行语料库）。该库为动态的、开放的，可以自动获取服务于机器翻译的知识资源。 　　2．外贸函电平行语料库中的语块提取 　　语块提取是近年来语料库语言学和机器翻译研究领域的重点课题。濮建忠教授（2003）把“语块”（chunks）定义为:“语块（词块）是以词形或词为基本单位，由连续或非连续的两个或多个词形或词组合而成的，允许抽象度高于词的单位出现的，有一定使用频率、结构相对完整、能表达一定意义的，有心理现实性的语言形式，以整体形式储存在大脑中，并可作为预制组块供人们提取使用的多词单位。”外贸函电中的语言大多是具有一定的言语程式或行话，如:Enclosed please find...（随函附寄……，请查收），cash on delivery（货到付款）等。Sinclair（1991）认为：那些出现频率高的词汇串成了英语中基本的语言单位，大约70%的英语语言由存储于人体大脑的语言板块构成。确定一个多词单位是否为语块，可以从语块的三个重要特征加以界定和区分，即语块共现的频率性、语块储存和提取的整体性、语块可记忆的韵律性。我们在语块理论的指导下，从结构和功能上明确英汉外贸函电中的语块特征，从而确定提取的具体对象。商务信函语块可分为4种情况： 　　（1）多词词汇，如:buy cheap and sell dear，firm offer等。 　　（2）习惯搭配，如:...for your reference，an offer subject to...等。 　　（3）惯用表达式，如:As requested，...，Enclosed please find...等。 　　（4）句型框架，如:We look forward to hearing from you...等。 　　为了进行商务信函平行语料库中的语块提取，我们提出了一套特有的提取方法――外贸函电语块提取法。 　　外贸函电平行语料库中的语块提取是基