漢英小說體機器翻譯評測分析

安帥飛 邵楨貽

當前，隨著計算能力的增長、算法的改進完善，經驗主義導向下的機器翻譯取得了顯著的成就。Google等在線翻譯平臺對傳統翻譯行業造成了很大的沖擊，甚至有取代翻譯職業的輿論狂潮。但大規模的計算能力和不斷升級的算法并非萬能，在口語題、小說題等非規范本文上的翻譯處理上，效果仍不理想。本文使用小說體裁對Google翻譯在線和多語種即時在線翻譯_百度翻譯兩大在線翻譯平臺進行評測實驗，分析實驗結果，力求提出改進翻譯效果的芻議。

1.實驗

1.1 實驗所用語句

實驗所用語句選自金庸所著《笑傲江湖》和《倚天屠龍記》共6句，體裁為小說。列舉如下：

1.莫非是田伯光？又莫非是不戒和尚？

2.劉師叔金盆洗手大事，請暫行押后。

3.劉姑娘，請你在這里稍待片刻。

4.嵩山派來了多少弟子，大家一齊現身罷！

5.天下英雄在此，你膽敢動我兒一根寒毛，你數十名嵩山弟子盡皆身為肉泥。

6.多謝姑娘。

1.2 實驗所用翻譯平臺

①Google翻譯在線http：//translate.google.cn/

②多語種即時在線翻譯_百度翻譯 http：//fanyi.baidu.com/？aldtype=16047#auto/zh

2.實驗結果及分析

2.1 實驗結果

將《笑傲江湖》和《倚天屠龍記》中所選的20句小說句放在兩大在線翻譯平臺進行測試，得到結果如下：

1.Google：Could it be Tian Bo light？ Is it not a monk？

百度：Could it be Tian Boguang？Is it possible not to quit monks？

2.Google：Liu Shishu gold basin wash your hand, please temporarily postponed.

百度：Uncle Liu wash event,please postpone the interim.

3.Google：Liu girl, please stay here for a moment.

百度：Liu Guniang, please stay here for a while.

4.Google：Songshan sent a number of disciples, everyone came together!

百度：Songshan sent a number of disciples, we all come together!

5.Google： The world heroes in this, you dare to move me a cold hair, you dozens of Songshan disciples as all as mud.

百度：Hero in the world here, you dare to move a finger on my son, you dozens of Songshan disciples all being minced meat.

6.Google：Thank the girl.

百度：Thank you girl.

2.2 實驗結果分析

經過觀察分析，上述翻譯大致出現了6類錯誤，分別如下：

①中文分詞錯誤，導致錯誤斷句，句子結構分析不正確。

例：嵩山派來了多少弟子，大家一齊現身罷！

Google：Songshan sent a number of disciples, everyone came together!

百度：Songshan sent a number of disciples, we all come together!

根據翻譯結果可以判斷得到，Google和百度翻譯系統在處理該例句時，將專有名詞“嵩山派”斷句為：嵩山|派，誤將‘派’處理為動詞，譯為‘sent’。詞庫中，專有名詞“嵩山派”出現次數過少或缺失。

②人名等專有名詞的翻譯錯誤。

以例句1來進行說明。

例：莫非是田伯光？又莫非是不戒和尚？

Google：Could it be Tian Bo light？ Is it not a monk？

百度：Could it be Tian Boguang？Is it possible not to quit monks？

例句中，‘田伯光’、‘不戒和尚’在小說中是人名，屬于專有名詞，在Google翻譯平臺中被錯誤翻譯 為 ‘Tian Bo ligh’，‘not a monk（不一個和尚）’。‘不戒和尚’在百度翻譯中被譯為‘not to quitmonks（不去放棄和尚）’。

③隱喻、比喻等被直譯成字面意義。

例：天下英雄在此，你膽敢動我兒一根寒毛，你數十名嵩山弟子盡皆身為肉泥。

Google：The world heroes in this, you dare to move me a cold hair, you dozens of Songshan disciples as all as mud.

百度：Hero in the world here, you dare to move a finger on my son, you dozens of Songshan disciples all being minced meat.

例句中‘一根寒毛’、‘肉泥’皆為隱喻用法，而在Google和百度翻譯平臺中被直譯為‘a cold hair’、‘minced meat’等，明顯偏離真實語義。

④成語、慣用語等被直譯成字面意義。

例：劉師叔金盆洗手大事，請暫行押后。

Google：Liu Shishu gold basin wash your hand, please temporarily postponed.

百度：Uncle Liu wash event,please postpone the interim.

例句中，成語‘金盆洗手’在Google翻譯平臺中被直譯為‘gold basin wash your hand’，明顯偏離真實語義。在百度翻譯平臺被漏譯為‘wash’，也是錯誤的。

⑤在處理一詞多義時，選擇了錯誤的詞義。

例：劉姑娘，請你在這里稍待片刻。

Google：Liu girl, please stay here for a moment.

百度：Liu Guniang, please stay here for a while.

例句中，‘姑娘’為多義詞，可以表示女孩，也可以用作稱謂詞。Google翻譯平臺，在詞義優選過程中，選擇了錯誤的詞義‘girl’。百度翻譯平臺則是直接給出了漢語拼音。

⑥復句的分句主語判斷錯誤。

例：嵩山派來了多少弟子，大家一齊現身罷！

Google：Songshan sent a number of disciples, everyone came together!

百度：Songshan sent a number of disciples, we all come together!

例句中的第二個小句主語‘大家’指嵩山派弟子，Google將其翻譯為‘everyone’，勉強可以接受，百度將其譯為‘we’，則明顯是錯誤的。

3.結語

對非規則文本處理上，詹衛東（2017）引入構式語法，提出通過構建構式知識庫來搭建基礎的語料資源。本文結合對實驗結果的分析，根據對錯誤結果的特征分析，對改善小說題機器翻譯提出三點建議。

（一）在通用翻譯平臺的基礎上，增設領域翻譯平臺。

在專門領域翻譯平臺上，針對不同的領域，使用不同的知識庫。這樣，進行諸如例6一詞多義的優先選擇時，可能會出現不同的結果。在領域知識庫中，‘姑娘’一詞中各個詞義的優先級不一定等同于通用知識庫。一般來看，在通用知識庫中，‘姑娘’的優先級應是：女孩（girl）>稱謂詞（Miss），而在小說體裁的知識庫中，‘姑娘’的優先級更可能是：稱謂詞（Miss）> 女孩（girl）。

（二）豐富領域知識庫。

在增設領域翻譯平臺的基礎上，豐富知識庫。主要有兩個方面：

①是要增加人名、地名等專有名詞，以解決分詞錯誤、專名翻譯錯誤等問題。

②是要增設成語、慣用語対譯資源庫，以避免字面直譯，偏離真實含義。

（三）增設指代消解機制。

指代消解問題是自然語言處理不可回避的部分，漢語中的回指主要有三種形式：零形回指、代詞回指和名詞回指（陳平，1987）。其中，零形回指的出現頻率最高，使用最廣泛（黃嫻，2009）。需要特別注意，回指的消解問題，不只出現在句間，也出現在單個句子內部（例句7）。在領域翻譯平臺上，增加指代消解機制，以判定代詞等指示詞的指示對象，明晰句子成分，消除歧義。