中英文专利文书之文句对列1.PDFVIP

中英文專利文書之文句對列1 田侃文 曾元顯 劉昭麟 國立政治大學 國立臺灣師範大學 國立政治大學 資訊科學系 資訊中心 資訊科學系 .tw samtseng@.tw chaolin@.tw 摘要 綜觀今日全球化的趨勢，世界各國皆進行跨語言的專利說明書翻譯工作。在中文專利說明書中 譯英方面，為了追求更精確的翻譯品質，蒐集大量且正確的專利文書平行語料，能夠協助輔助 式機器翻譯及資訊檢索的研究工作進行。因此本研究便希望利用中英技術名詞對應表，透過統 計詞頻調整詞對應權重及計算中英文句子的向量相似度等機制，搭配動態規劃演算法，計算中 英專利文書的句對相似度，最後產生對列結果。以精確率、召回率及輔助式機器翻譯系統，評 比本對列系統的對列成效。實驗結果顯示本系統不僅在1 ：1 對列模式2的精確率達到0.995 ，且 產出的大量中英文句對確實能夠提升輔助式機器翻譯系統的翻譯品質。 關鍵詞：專利說明書、電腦輔助機器翻譯、文句對列、動態規劃演算法 1. 緒論 在這資訊爆炸的時代，科技產業日新月異，因此在開發一項新的產品前，對於專利說明書的熟 讀，更顯得格外重要，以避免在研發過程中，侵犯了他人的智慧財產權。近年來，中國大陸的 經濟蓬勃發展，外商投資市場急速拓展，因此外語使用者對於中文專利說明書的查詢需求量便 大幅增加。於2007 年10 月在拉脫維亞舉行的歐洲專利局 (European Patent Office ，簡稱EPO) 專 利資訊會議，舉辦的二場主題皆與中文專利文書翻譯密切相關，顯示中文專利文書英譯的議題 越來越被重視 。 想要有高品質的專利文書翻譯效果，必須倚靠人力進行翻譯，不僅在時間及成本上的花費 極高，在數量上也有所限制。為了在產品的生產前置作業上，減少跨語言專利查詢的成本，發 展一套專利說明書英譯或是檢索系統，便成了刻不容緩的事情，不僅能方便使用者的查詢，更 能間接促進科技產業的發展。 無論是進行專利文書翻譯或檢索研究，大量且正確的平行語料是不可或缺的。在跨語言資 訊檢索研究中，針對查詢的問句進行翻譯有許多種策略 ，如以辭典為本(dictionary-based) 、索 引典為本 (thesaurus-based) 等歸類於以知識為本 (knowledge-based) 的策略及語料庫為本 (corpus-based) 等策略[17] 。其中以語料庫為本的策略，將大量對列好的雙語文句，透過計算詞 彙對譯的強度建構詞彙對應表，利用此表，便能在使用者進行查詢時進行詞彙的翻譯動作[6] 。 而在輔助式機器翻譯的領域中，能夠利用這些對列好的雙語文句進行翻譯模型的訓練及其它相 關的處理，供後續翻譯系統使用。 想要得到平行語料進行研究並非難事，為了保證語料本身的品質，除了利用人工對列的方 式進行外，利用簡單且兼顧正確性的方法，如：僅利用雙語辭典進行詞彙比對，訂定保險的篩 選門檻，也能夠產生平行的語料。但利用人工的方式進行對列需要大量的人力成本，而僅利用 詞彙比對的方法為了兼顧正確性，往往得到數量較少的對列結果產出，仍然不敷成本效益。因 此我們希望能夠改進現有的文句對列技術，透過加入專業領域的辭典及利用自然語言處理的方 法，發展出一套適用於專利文書文本的文句對列系統。 為了統一詞彙的用法 ，以下所稱「英漢辭典」指的是本系統採用的英漢辭典；「原中文詞 義」指的是英漢辭典未合併中文近義詞表的中文詞義，在中文近義詞表合併至英漢辭典後，我 們統稱英漢辭典內的中文詞義及其中文近義詞為「中文詞義」；擷取出英文片語及技術名詞的步 驟，簡稱為「詞彙擷取」；「英文詞彙」指的是英漢辭典及「中英技術名詞對應表」的英文詞， 1 本論文另有25 頁的版本，請參照連結：.tw/~chaolin/papers/rocling_tien.pdf 。 2 例如 ：對列模式「1 ：1」代表一句來源語言句子對應至一句目標語言句子。 85 或經過詞彙擷取後，英文句子裡的片語、英文技術名詞及句子