基于語料庫的機器翻譯的現(xiàn)狀與前景

鐘媛媛 延宏

摘 要：文章主要介紹了兩種基于語料庫的機器翻譯方法：基于實例的機器翻譯方法以及基于統(tǒng)計的機器翻譯方法。前者強調(diào)從計算機的角度通過實例推理的手段得到譯文，后者側(cè)重于從數(shù)學(xué)角度建立模型進行翻譯。兩種翻譯方法各有優(yōu)缺點，文章認為基于語料庫的機器翻譯的前景：將不同的翻譯方法取長補短，互相融合，發(fā)展多策略融合式機器翻譯方法，同時加強基于語料庫的機器翻譯方法與其它學(xué)科的融合。

關(guān)鍵詞：語料庫;機器翻譯;基于實例的機器翻譯方法;基于統(tǒng)計的機器翻譯方法;前景

20世紀90年代，計算機技術(shù)與語料庫的建設(shè)取得了長足的發(fā)展。語料庫的作為一種科學(xué)的研究方法被引入翻譯這一領(lǐng)域，標志著機器翻譯的發(fā)展進入一個新紀元。國外關(guān)于語料庫機器翻譯的研究大多具有很強的實踐指導(dǎo)性，我國基于語料庫的機器翻譯研究主要是以研究型的探索為主。目前與語料庫機器翻譯相關(guān)的研究已經(jīng)進入非常具體，專業(yè)的細微領(lǐng)域。文章首先介紹了與機器翻譯相關(guān)的語料庫，基于規(guī)則的機器翻譯以及基于語料庫機器翻譯的兩種方法，對這些方法的優(yōu)缺點分別進行了總結(jié)，旨在為研究者呈現(xiàn)一個清晰的語料庫機器翻譯相關(guān)知識的概括和總結(jié)，最后，作者指明了語料庫機器翻譯的前景，以期為后來研究者提供借鑒。

一、語料庫與機器翻譯

（一）語料庫

語料庫是指根據(jù)一定的語言學(xué)原則的指導(dǎo)，通過隨機抽樣的方法，收集未經(jīng)過任何加工的連續(xù)的語言文字運用文本或者語音片段，在此基礎(chǔ)上建成的一個容量相當?shù)拇笮碗娮游膸臁Ｄ壳埃Z料庫在語言教學(xué)，語言研究以及語言工程等方面獲得了廣泛的應(yīng)用，具體的應(yīng)用領(lǐng)域主要有語言頻率統(tǒng)計，詞典編纂，詞匯搭配研究，語言教學(xué)以及自然語言處理等。

（二）機器翻譯和基于規(guī)則的機器翻譯方法

機器翻譯是利用計算機技術(shù)的輔助，將一種以一種語言形式存在的聲音或者文字轉(zhuǎn)化為以另一種語言形式存在的文字和聲音（文章主要探討的是機器翻譯的文字翻譯方面）。60年代初，隨著喬姆斯基的“轉(zhuǎn)換生成語法”理論的建立，機器翻譯系統(tǒng)得到迅速發(fā)展，也叫做基于規(guī)則的翻譯方法。基于規(guī)則的機器翻譯的工作原理是：對輸入的源語言進行格式保留處理以及分析，對源語言進行轉(zhuǎn)換，最后根據(jù)目標語的生成規(guī)則生成目標語。基于規(guī)則的機器翻譯的優(yōu)點是規(guī)則可以描述語言的語法構(gòu)成，方便計算機識別。但是，語法規(guī)則的得出需要大量的人力與物力。其次，語法規(guī)則由語法學(xué)家總結(jié)得到，不同的語言學(xué)家對語法規(guī)則的認識可能存在沖突。

除了某些特定的領(lǐng)域，基于規(guī)則的機器翻譯取得了相對較好的效果。但是，機器翻譯依舊沒有達到人類想要的效果。隨著語料庫語言學(xué)的不斷發(fā)展，人們逐漸引入了基于實例和基于統(tǒng)計這兩種與語料庫的應(yīng)用密切結(jié)合的翻譯方法。基于語料庫的機器翻譯迅速發(fā)展，取得了巨大成績。

二、基于語料庫的機器翻譯

（一）用于機器翻譯的語料庫

語料庫依據(jù)不同的標準可以分為不同的類別。與翻譯研究相關(guān)的語料庫有三類：平行語料庫，可比語料庫和多語語料庫。

平行語料庫收集了某種語言的原文本，以及該語言翻譯成另外一種語言的目標語言文本。可比語料庫收集了某種語言的原文，以及從其它語言翻譯成該語言的文本。多語語料庫收集兩個或者多個單語種語料，由這些語料組成復(fù)合語料庫。

（二）基于語料庫的機器翻譯方法

機器翻譯方法分為基于規(guī)則的翻譯方法和基于語料庫的翻譯方法。基于語料庫的翻譯方法又可以分為基于實例的翻譯和基于統(tǒng)計的翻譯。它們的區(qū)別在于：前者語料庫會作為一種翻譯知識參與翻譯，供翻譯主體查詢。后者語料庫的是用來尋找最有可能成為目標語的句子，不進行具體的翻譯實踐。

（1）基于實例的機器翻譯方法

基于實例的機器翻譯方法最早是由日本著名機器翻譯專家長尾真（Nagao Makoto）提出來的。他通過研究日本英語初學(xué)者翻譯句子的過程歸納總結(jié)了機器翻譯的基本原則。他認為人類在翻譯過程中，并不會進行深層的語言學(xué)分析，而是會在已經(jīng)形成的知識庫中盡可能尋找與需要翻譯的句子相似的結(jié)構(gòu)，通過類比的手段，得到目標語的譯文。將這一思想運用到機器翻譯中的表現(xiàn)就是：給出待翻譯的句子S，在雙語語料庫中尋找與待翻譯句子最相似的句子V，V的譯文T就是S的譯文。在這一翻譯的過程中，起基礎(chǔ)性作用的一個大型的雙語語料庫。翻譯過程中的相似度計算是決定翻譯質(zhì)量的重要因素。

基于實例的機器翻譯方法主要有三種類型：完全實例，實例句型轉(zhuǎn)換的翻譯以及實例近似翻譯。

就基于實例的這一翻譯方法而言，當前主要存在的技術(shù)方面的問題：在詞匯與短語對齊層次中，如何避免歧義實現(xiàn)正確的對齊;在尋找最相似實例層次中，如何計算相似度，找到最相似，最恰當?shù)膶嵗?如何將已經(jīng)尋找到的實例片段進行有效的組合形成譯文;如何提高翻譯實例的覆蓋率等。

（2）基于統(tǒng)計的機器翻譯方法

基于統(tǒng)計的機器翻譯方法第一次提出是由IBM研究者于1990年左右提出來的。從2002 年開始，美國國家標準技術(shù)研究所（NIST）在美國ARPA的支持下開始開展一年一度的機器翻譯測評工作，基于統(tǒng)計的機器翻譯方法遙遙領(lǐng)先于傳統(tǒng)的基于規(guī)則的翻譯方法。最近幾年，基于統(tǒng)計的機器翻譯方法發(fā)展迅速，逐漸成熟。

基于統(tǒng)計的機器翻譯方法的中心思想：認為目標語中的任何一個句子都有可能是源語言的譯文，而唯一的不同就是它們成為源語言譯文的概率不同，機器翻譯的任務(wù)就是通過計算找出概率最大的句子。這一方法是通過對數(shù)據(jù)庫的分析對比將知識抽象成模型，根據(jù)統(tǒng)計模型來尋找最恰當?shù)淖g文。

基于統(tǒng)計的機器翻譯方法一共包含兩種模型：翻譯模型和語言模型。翻譯模型是用來計算將源語言翻譯成目標語的概率，也就是計算一個指定的語言串翻譯成為另一個語言串可能性。而后者是用來計算已經(jīng)翻譯好的譯文可能出現(xiàn)在目標語中的概率，也就是計算譯文語言串在目標語中存在的合理性。

基于統(tǒng)計的機器翻譯方法中統(tǒng)計模型是直接從語料庫中獲取的，無需人工總結(jié)，時間短，效率高。譯文來源于人工語料，表達地道。但是，依據(jù)該方法，翻譯效果極大取決于翻譯模型和語料庫的覆蓋程度，語料難以收集的少數(shù)民族語言翻譯很難運用這一方法。利用統(tǒng)計模型進行翻譯，模型很難反映出句子內(nèi)部的所存在的差異，也無法解釋差異較大的語言之間內(nèi)部的復(fù)雜的結(jié)構(gòu)對應(yīng)關(guān)系，因此，通過這一方法得到的譯文經(jīng)常會出現(xiàn)翻譯腔，譯文晦澀難懂。

三、基于語料庫的機器翻譯的前景

基于統(tǒng)計的機器翻譯方法從語言現(xiàn)象入手，通過相對理性的模型得到譯文。基于實例的機器翻譯方法從機器自身學(xué)習(xí)的角度通過對實例的分析推理得到譯文。每種翻譯方法都存在缺陷。但是，兩種方法互不排斥。基于語料庫的機器翻譯的前景是將各種方法的優(yōu)點有機地結(jié)合起來，進一步提高機器翻譯系統(tǒng)的性能。現(xiàn)在，基于語料庫的機器翻譯的前景就是如何將各種方法各自的優(yōu)點發(fā)揮到最大限度，并將它們有機的結(jié)合起來，從而進一步改善并且提高機器翻譯系統(tǒng)的性能。

基于語料庫的機器翻譯方法的另一個發(fā)展方向在學(xué)科之間的交叉融合上，與自然科學(xué)，如神經(jīng)學(xué)科的融合促進機器翻譯的人工智能化，與社會科學(xué)，如語言學(xué)和社會文化研究結(jié)合將促進機器翻譯更多的考慮到文化因素的影響。從而，改善基于語料庫的機器翻譯的性能。

參考文獻

[1] 任敬輝.國內(nèi)基于語料庫的翻譯研究綜述（2007-2013）[J].長春師范大學(xué)學(xué)報，2015，34（06）：118.

[2] 李也剛，黃河燕，史樹敏，等.多策略機器翻譯研究綜述[J].中文信息學(xué)報，2015，29（02）：2.

[3] 戴新宇，尹存燕，陳家俊，等.機器翻譯研究現(xiàn)狀與展望[J].計算機科學(xué)，2004，31（11）：177.

[4] 馮志偉.基于語料庫的機器翻譯系統(tǒng)[J].術(shù)語標準化與信息技術(shù)，2010（01）：28-32.

[5] 楊憲澤.機器翻譯的一些處理方法探討[J].西南民族大學(xué)學(xué)報（自然科學(xué)版），2004，30（01）2-3.

[6] 楊憲澤.基于實例的機器翻譯處理方法[J].計算機工程，2003，29（21）：51-52.

[7] 楊憲澤.漢英混合式機器翻譯難點研究[J].西南民族大學(xué)學(xué)報（自然科學(xué)版），2016，42（03）：304-305.

作者簡介：鐘媛媛（1994.12- ），女，山西忻州人，碩士，研究方向：外國語言學(xué)及應(yīng)用語言學(xué);延宏（1972- ），男，陜西綏德人，副教授，博士，研究方向：科技英語翻譯。