機(jī)器翻譯系統(tǒng)發(fā)展與研究

計麗麗

（安徽理工大學(xué)計算機(jī)科學(xué)與工程學(xué)院，安徽 淮南 232001）

機(jī)器翻譯研究是一項(xiàng)艱巨的研究課題。自1954年美國喬治頓大學(xué)進(jìn)行第一次試驗(yàn)以來，機(jī)器翻譯已經(jīng)發(fā)展了五十余年，經(jīng)歷了幾起幾落的曲折歷程。人們對它的評價毀譽(yù)兼有。但不容忽視的是，經(jīng)過機(jī)器翻譯工作者的執(zhí)著研究和反復(fù)探索，機(jī)器翻譯無論從理論技術(shù)還是從實(shí)際應(yīng)用方面都取得了長足的進(jìn)步。

一、機(jī)器翻譯概況

機(jī)器翻譯（machine translation），又稱為自動翻譯，是利用計算機(jī)把一種自然源語言轉(zhuǎn)變?yōu)榱硪环N自然目標(biāo)語言的過程，一般指自然語言之間句子和全文的翻譯。它是自然語言處理（Natural Language Processing）的一個分支，與計算語言學(xué)（Computational Linguistics）、自然語言理解（Natural Language Understanding）之間存在著密不可分的關(guān)系。

整個機(jī)器翻譯的過程可以分為原文分析、原文譯文轉(zhuǎn)換和譯文生成3個階段。在具體的機(jī)器翻譯系統(tǒng)中，根據(jù)不同方案的目的和要求，可以將原文譯文轉(zhuǎn)換階段與原文分析階段結(jié)合在一起，而把譯文生成階段獨(dú)立起來，建立相關(guān)分析獨(dú)立生成系統(tǒng)。在這樣的系統(tǒng)中，原語分析時要考慮譯語的特點(diǎn)，而在譯語生成時則不考慮原語的特點(diǎn)。在搞多種語言對一種語言的翻譯時，宜于采用這樣的相關(guān)分析獨(dú)立生成系統(tǒng)。也可以把原文分析階段獨(dú)立起來，把原文譯文轉(zhuǎn)換階段同譯文生成階段結(jié)合起來，建立獨(dú)立分析相關(guān)生成系統(tǒng)。在這樣的系統(tǒng)中，原語分析時不考慮譯語的特點(diǎn)，而在譯語生成時要考慮原語的特點(diǎn)，在搞一種語言對多種語言的翻譯時，宜于采用這樣的獨(dú)立分析相關(guān)生成系統(tǒng)。還可以把原文分析、原文譯文轉(zhuǎn)換與譯文生成分別獨(dú)立開來，建立獨(dú)立分析獨(dú)立生成系統(tǒng)。在這樣的系統(tǒng)中，分析原語時不考慮譯語的特點(diǎn)，生成譯語時也不考慮原語的特點(diǎn)，原語譯語的差異通過原文譯文轉(zhuǎn)換來解決。在搞多種語言對多種語言的翻譯時，宜于采用這樣的獨(dú)立分析獨(dú)立生成系統(tǒng)。

二、國外機(jī)器翻譯發(fā)展

1954年，由Georgetown大學(xué)和IBM公司合作，實(shí)現(xiàn)了第一個真正的機(jī)器翻譯系統(tǒng)，并且在IBM紐約總部進(jìn)行了俄譯英公開演示。他們用IBM-701計算機(jī)，把幾個簡單的俄語句子翻譯成英語。盡管這個系統(tǒng)很小，只有250條俄語詞匯，6條語法規(guī)則以及精心挑選的翻譯例句，但是第一次向公眾和科學(xué)界展示了機(jī)器翻譯的可行性。

20世紀(jì)50年代中期，在美國掀起了機(jī)器翻譯研究的高潮。這一時期的機(jī)器翻譯系統(tǒng)主要采用直接翻譯（Direct Translation）方法，一般都沒有進(jìn)行很好的源語言據(jù)法結(jié)構(gòu)分析，而是主要以詞典為驅(qū)動，利用詞典中的語法和語義特征來實(shí)現(xiàn)翻譯。直接翻譯方法的特點(diǎn)是在源語言分析階段和目標(biāo)語言綜合（即生成）之間沒有明確的區(qū)分，這樣的系統(tǒng)被稱為第一代機(jī)器翻譯系統(tǒng)。

20世紀(jì)70年代，西歐和加拿大開始出現(xiàn)以追求可讀性和忠實(shí)性為目標(biāo)的第二代機(jī)器翻譯系統(tǒng)。這些系統(tǒng)以基于轉(zhuǎn)換的方法為代表，普遍采用以句法分析為主、輔以語義的基于規(guī)則的方法，采用有抽象的轉(zhuǎn)換表示的分層次實(shí)現(xiàn)策略，綜合了多種技術(shù)：知識與算法分離，模塊化設(shè)計，多種句法分析策略以及語義分析等等，并且大多引入了人工智能技術(shù)，其中許多方法和技術(shù)直到今天仍被沿用。期間比較著名的系統(tǒng)有：SYSTRAN多語言翻譯系統(tǒng)、Weinder系統(tǒng)、EURPOTRA多國語翻譯系統(tǒng)、TAUM-METEO系統(tǒng)等。

20世紀(jì)90年代至今，隨著 Internet的普遍應(yīng)用，世界經(jīng)濟(jì)一體化進(jìn)程的加速以及國際社會交流的日漸頻繁，傳統(tǒng)的人工作業(yè)的方式已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足迅猛增長的翻譯需求，人們對于機(jī)器翻譯的需求空前增長，機(jī)器翻譯迎來了一個新的發(fā)展機(jī)遇。國際性的關(guān)于機(jī)器翻譯研究的會議頻繁召開，中國也取得了前所未有的成就，相繼推出了一系列機(jī)器翻譯軟件，例如“譯星”、“雅信”、“通譯”、“華建”等。在市場需求的推動下，商用機(jī)器翻譯系統(tǒng)邁入了實(shí)用化階段，走進(jìn)了市場，來到了用戶面前。

三、我國機(jī)器翻譯發(fā)展

中國機(jī)器翻譯研究起步于1957年,是世界上第4個開始搞機(jī)器翻譯的國家，60年代中期以后一度中斷，70年代中期以來有了進(jìn)一步的發(fā)展。現(xiàn)在，中國社會科學(xué)院語言研究所、中國科學(xué)技術(shù)情報研究所、中國科學(xué)院計算技術(shù)研究所、黑龍江大學(xué)、哈爾濱工業(yè)大學(xué)等單位都在進(jìn)行機(jī)器翻譯的研究；上機(jī)進(jìn)行過實(shí)驗(yàn)的機(jī)器翻譯系統(tǒng)已有十多個，翻譯的語種和類型有英漢、俄漢、法漢、日漢、德漢等一對一的系統(tǒng),也有漢譯英、法、日、俄、德的一對多系統(tǒng)（FAJRA系統(tǒng)）。此外，還建立了一個漢語語料庫和一個科技英語語料庫。中國機(jī)器翻譯系統(tǒng)的規(guī)模正在不斷地擴(kuò)大，內(nèi)容正在不斷地完善。比較有代表性的系統(tǒng)有：高立英漢翻譯系統(tǒng)，IMT/EC英漢翻譯系統(tǒng)，Matrix英漢機(jī)器翻譯系統(tǒng)，SinoTrans漢外機(jī)器翻譯系統(tǒng)等等。

鑒于機(jī)器翻譯仍具相當(dāng)市場，中國涉足這一領(lǐng)域的廠商也不一而足。目前，國內(nèi)市場上的翻譯軟件產(chǎn)品可以劃分為四大類：全文翻譯（專業(yè)翻譯）、在線翻譯、漢化軟件和電子詞典。全文翻譯軟件以中軟“譯星”以及“雅信CAT2.5”為代表；在線翻譯軟件主要以“金山快譯.net2001”、華建的“翻譯網(wǎng)上通”為代表；漢化類翻譯軟件主要以“東方快車3000”為代表；詞典工具以“金山詞霸.net2001”為主要代表。

由于機(jī)器翻譯在今后需要滿足人們在浩瀚的互聯(lián)網(wǎng)上方便地進(jìn)行信息搜集的需求，于是很多翻譯開發(fā)者在翻譯準(zhǔn)確度上下工夫的同時，開始注重結(jié)合用戶的使用領(lǐng)域并進(jìn)行方向性的開發(fā)。根據(jù)目前的市場發(fā)展看來，在新一輪的競賽中，在線翻譯前景十分看好。目前，中國的網(wǎng)民已超4億，并繼續(xù)以極快速度增長。

四、機(jī)器翻譯系統(tǒng)的類型

根據(jù)實(shí)現(xiàn)機(jī)器翻譯系統(tǒng)的技術(shù)將機(jī)器翻譯系統(tǒng)劃分為直接式，基于規(guī)則式，基于語料庫式（基于統(tǒng)計式和基于實(shí)例式），以及采用混合策略引擎的系統(tǒng)。

直接式機(jī)譯系統(tǒng)也稱直譯式機(jī)譯系統(tǒng)，一般把原句中的詞或句子直接替換成相應(yīng)的譯語的詞或句子，必要時對詞序進(jìn)行簡單的調(diào)整。這種系統(tǒng)一般難以取得較高的翻譯質(zhì)量，但是實(shí)現(xiàn)技術(shù)相當(dāng)簡單，容易開發(fā)。

基于規(guī)則（rule-based）的系統(tǒng)主要由詞典和規(guī)則庫構(gòu)成知識源，世界上絕大多數(shù)的機(jī)譯系統(tǒng)都采用以規(guī)則為基礎(chǔ)的策略，一般分為語法型，語義型、知識型和智能型。

基于語料庫（corpus-based）的系統(tǒng)是90年代以來發(fā)展起來的新技術(shù)，其特點(diǎn)是采用大規(guī)模的雙語語料庫作為機(jī)器翻譯系統(tǒng)的開發(fā)基礎(chǔ)。根據(jù)所采用的具體技術(shù)可以分為基于統(tǒng)計（statistic-based）系統(tǒng)和基于實(shí)例（example-based）系統(tǒng)。

基于統(tǒng)計的機(jī)器翻譯方法把機(jī)器翻譯看成是一個信息傳輸?shù)倪^程，用一種信道模型對機(jī)器翻譯進(jìn)行解釋。這種思想認(rèn)為，源語言句子到目標(biāo)語言句子的翻譯是一個概率問題，任何一個目標(biāo)語言句子都有可能是任何一個源語言句子的譯文，只是概率不同，機(jī)器翻譯的任務(wù)就是找到概率最大的句子。具體方法是將翻譯看做對原文通過模型轉(zhuǎn)換為譯文的解碼過程。因此統(tǒng)計機(jī)器翻譯又可以分為以下幾個問題：模型問題、訓(xùn)練問題、解碼問題。所謂模型問題，就是為機(jī)器翻譯建立概率模型，也就是要定義源語言句子到目標(biāo)語言句子的翻譯概率的計算方法。而訓(xùn)練問題，是要利用語料庫來得到這個模型的所有參數(shù)。所謂解碼問題，則是在已知模型和參數(shù)的基礎(chǔ)上，對于任何一個輸入的源語言句子，去查找概率最大的譯文。

與統(tǒng)計方法相同，基于實(shí)例的機(jī)器翻譯方法也是一種基于語料庫的方法，其基本思想由日本著名的機(jī)器翻譯專家長尾真提出，他研究了外語初學(xué)者的基本模式，發(fā)現(xiàn)初學(xué)外語的人總是先記住最基本的英語句子和對應(yīng)的日語句子，而后做替換練習(xí)。參照這個學(xué)習(xí)過程，他提出了基于實(shí)例的機(jī)器翻譯思想，即不經(jīng)過深層分析，僅僅通過已有的經(jīng)驗(yàn)知識，通過類比原理進(jìn)行翻譯。其翻譯過程是首先將源語言正確分解為句子，再分解為短語碎片，接著通過類比的方法把這些短語碎片譯成目標(biāo)語言短語，最后把這些短語合并成長句。對于實(shí)例方法的系統(tǒng)而言，其主要知識源就是雙語對照的實(shí)例庫，不需要什么字典、語法規(guī)則庫之類的東西，核心的問題就是通過最大限度的統(tǒng)計，得出雙語對照實(shí)例庫。 基于實(shí)例的機(jī)器翻譯對于相同或相似文本的翻譯有非常顯著的效果，隨著例句庫規(guī)模的增加，其作用也越來越顯著。對于實(shí)例庫中的已有文本，可以直接獲得高質(zhì)量的翻譯結(jié)果。對與實(shí)例庫中存在的實(shí)例十分相似的文本，可以通過類比推理，并對翻譯結(jié)果進(jìn)行少量的修改，構(gòu)造出近似的翻譯結(jié)果。

[1]P.Brown,S.Della Pietra,V.Della Pietra,and R.Mercer(1993).The mathematics of statistical machine translation:parameter estimation.Computational Linguistics,19(2),263-311.

[2]周海中.“機(jī)器翻譯50年”.《語文研究群言集》.中山大學(xué)出版社，1997年.

[3]李志升，于浩.機(jī)器翻譯系統(tǒng).哈爾濱工業(yè)大學(xué)出版社.

[4]機(jī)器翻譯.百度文庫.