平行語料庫在商務(wù)信函機(jī)器翻譯中的應(yīng)用①

洛陽理工學(xué)院外語系 胡富茂

中外商務(wù)交往中有相當(dāng)一部分是通過信函形式進(jìn)行，所以商務(wù)信函的翻譯就成了一種日益多見的翻譯形式。面對海量的商務(wù)信函文件，依靠傳統(tǒng)的人工翻譯已不能滿足時(shí)代需要。機(jī)器翻譯作為突破語言障礙的重要技術(shù)手段，對加速和擴(kuò)展世界范圍內(nèi)的信息傳播具有深遠(yuǎn)意義，在經(jīng)濟(jì)發(fā)展和社會生活中日趨重要，成為當(dāng)前研究的熱點(diǎn)之一。

1 商務(wù)信函平行語料庫的構(gòu)建

商務(wù)信函是一種比較正式的公務(wù)文書，其一般目的是建立和保持良好的商務(wù)關(guān)系、獲得或發(fā)布商務(wù)信息、達(dá)成合作和交易等。(張新紅，李明，2003)我們構(gòu)建的商務(wù)信函平行語料庫的語料收集范圍為商務(wù)業(yè)務(wù)信函，分為建立業(yè)務(wù)關(guān)系函、產(chǎn)品推銷函、資信查詢函、詢盤函、發(fā)盤還盤函、訂購函、裝運(yùn)通知函、支付結(jié)算函、索賠函、保險(xiǎn)函等，這些信函涉及商務(wù)活動的全過程。在語料庫語言學(xué)理論的指導(dǎo)下，我們通過初步建立一個(gè)100萬詞次的英漢雙語商務(wù)信函平行語料庫(包括兩個(gè)子庫：英漢商務(wù)信函平行語料庫，漢英商務(wù)信函平行語料庫)。該庫為動態(tài)的、開放的，可以自動獲取服務(wù)于機(jī)器翻譯的知識資源。

2 商務(wù)信函平行語料庫中的語塊提取

語塊提取是近年來語料庫語言學(xué)和機(jī)器翻譯研究領(lǐng)域的重點(diǎn)課題。濮建忠教授(2003)把語塊(chunks)定義為:“語塊(詞塊)是以詞形或詞為基本單位，由連續(xù)或非連續(xù)的兩個(gè)或多個(gè)詞形或詞組合而成的，允許抽象度高于詞的單位出現(xiàn)的，有一定使用頻率、結(jié)構(gòu)相對完整、能表達(dá)一定意義的，有心理現(xiàn)實(shí)性的語言形式，以整體形式儲存在大腦中，并可作為預(yù)制組塊供人們提取使用的多詞單位。”商務(wù)信函中的語言大多是具有一定的言語程式或行話, 如: Enclosed please find… (隨函附寄……, 請查收), cash on delivery (貨到付款), 等。Sinclair(1991)認(rèn)為：那些出現(xiàn)頻率高的詞匯串成了英語中基本的語言單位，大約70%的英語語言由存儲于人體大腦的語言板塊構(gòu)成。確定一個(gè)多詞單位是否為語塊，可以從語塊的三個(gè)重要特征加以界定和區(qū)分，即語塊共現(xiàn)的頻率性、語塊儲存和提取的整體性、語塊可記憶的韻律性。我們在語塊理論的指導(dǎo)下，從結(jié)構(gòu)和功能上明確英漢商務(wù)信函中的語塊特征，從而確定提取的具體對象。商務(wù)信函語塊可分為4種情況：(1)多詞詞匯，如: buy cheap and sell dear, fi rm offer, 等。(2)習(xí)慣搭配, 如: …for your reference, an offer subject to…, 等。(3)慣用表達(dá)式, 如: As requested, …, Enclosed please fi nd…, 等。(4)句型框架, 如: We look forward to hearing from you…, 等。為了進(jìn)行商務(wù)信函平行語料庫中的語塊提取，我們提出了一套特有的提取方法——商務(wù)信函語塊提取法(如圖1所示)。

商務(wù)信函平行語料庫中的語塊提取是基于實(shí)例的商務(wù)信函機(jī)器翻譯的重要方法，為進(jìn)一步對大規(guī)模各種專業(yè)的雙語語料利用計(jì)算機(jī)自動提取語塊提出思路和設(shè)想。

3 基于平行語料庫的商務(wù)信函機(jī)器翻譯中并列結(jié)構(gòu)的處理

在商務(wù)信函機(jī)器翻譯研究的探索實(shí)踐中，我們逐漸認(rèn)識到，單純使用一種方法難以處理自然語言中各種復(fù)雜現(xiàn)象。所以，我們提出了在統(tǒng)計(jì)機(jī)器翻譯基礎(chǔ)上引入特定語法結(jié)構(gòu)的一種方法——并列結(jié)構(gòu)的英漢翻譯轉(zhuǎn)換方法。基于商務(wù)信函平行語料庫，通過句法分析研究并列結(jié)構(gòu)的形式化構(gòu)成，連接詞(若含)的前后管轄范圍，內(nèi)部嵌套情況以及并列結(jié)構(gòu)前后臨界搭配的情況，并制定可行句法轉(zhuǎn)換規(guī)則。

并列結(jié)構(gòu)是最普遍的一種復(fù)雜結(jié)構(gòu)，它推動了句子復(fù)雜化和簡單化的雙向活動，但目前的算法對并列結(jié)構(gòu)的處理錯(cuò)誤比較嚴(yán)重。英語有許多復(fù)雜的句子，它們往往有許多嵌套或者不嵌套的并列結(jié)構(gòu)，翻譯系統(tǒng)如果將并列的轄域和層次關(guān)系以及前后界限分析錯(cuò)誤，就會嚴(yán)重影響翻譯的結(jié)果。例如，帶有連接詞“and”的并列結(jié)構(gòu)通，過Google翻譯系統(tǒng)的測試，得到如下譯文：

原文：We all understand that Chinese slippers are very popular in your market for the superior quality and competitive price of their products and service.

譯文：大家都明白，中國拖鞋在您的市場很受歡迎的高品質(zhì)及他們的產(chǎn)品和服務(wù)競爭力的價(jià)格。

分析：該譯句第一個(gè)and的后半部分轄域判斷過長，造成錯(cuò)誤。

可以看出統(tǒng)計(jì)機(jī)器翻譯對并列結(jié)構(gòu)等復(fù)雜結(jié)構(gòu)的處理并不理想。即便是在局部翻譯處理正確的情況下，結(jié)構(gòu)翻譯錯(cuò)誤往往會造成整體譯文不知所云。我們的研究方法：(1)參照北大雙語語料庫加工標(biāo)注規(guī)范，利用雙語對齊軟件以及人工校正達(dá)到商務(wù)信函平行語料庫的句子級對齊。(2)通過基于統(tǒng)計(jì)學(xué)手段尋找測試語料中的并列結(jié)構(gòu)，確定相當(dāng)數(shù)目的測試集，并按照當(dāng)代語言學(xué)理論以及形式化理論對其分類。(3)將各類測試集送入Google統(tǒng)計(jì)翻譯系統(tǒng)進(jìn)行翻譯，得出譯文，分析錯(cuò)誤原因，進(jìn)行錯(cuò)誤歸類。(4)將各類測試集送入基于統(tǒng)計(jì)的句法分析系統(tǒng)，分析結(jié)果，制定規(guī)則。

經(jīng)過Standard Parser(經(jīng)典統(tǒng)計(jì)句法分析器)的分析，例句的分析結(jié)果如下：

通過基于統(tǒng)計(jì)的句法分析器進(jìn)行分析，例句中的并列結(jié)構(gòu)分析完全正確。

4 結(jié)語

綜上所述，平行語料庫在商務(wù)信函機(jī)器翻譯中的應(yīng)用研究具有多方面的意義。(1)它是國家科技支撐子課題—HNC機(jī)器翻譯引擎轉(zhuǎn)換處理研究的組成部分，為研制HNC經(jīng)貿(mào)機(jī)器翻譯系統(tǒng)創(chuàng)造必需的條件。(2)它構(gòu)建的商務(wù)信函平行語料庫為英漢雙語商務(wù)信函學(xué)習(xí)者、翻譯學(xué)習(xí)者及工作者的研究與學(xué)習(xí)起到輔助作用。(3)它構(gòu)建的商務(wù)信函平行語料庫中的語塊提取方法，為進(jìn)一步對大規(guī)模各種專業(yè)的雙語語料利用計(jì)算機(jī)自動提取語塊提出思路和設(shè)想。(4)語塊提取與并列結(jié)構(gòu)處理為英漢統(tǒng)計(jì)機(jī)器翻譯和機(jī)器輔助翻譯的譯準(zhǔn)率提高起到重要作用。

[1]Allen,James.Natural Language Understanding[M].The Benjamin/Cummings Publishing Company, Inc.,1995.

[2]Sinclair,J.M.Corpus,concordance,collocation[M]. Oxford: Oxford University Press,1991.

[3]Wray, A. Formulaic Language and the Lexicon[M]. Cambridge:Cambridge University Press,2002.

[4]馮志偉.機(jī)器翻譯研究[M].北京:中國對外翻譯出版公司.2004.

[5]濮建忠.英語詞匯教學(xué)中的類聯(lián)接、搭配與詞塊[J].外語教學(xué)與研究, 2003,(6).

[6]張新紅,李明.商務(wù)英語翻譯 [M].北京:高等教育出版社.2003.