基于無監(jiān)督學(xué)習(xí)的英語語義翻譯準(zhǔn)確性評定系統(tǒng)設(shè)計

孫 夏

合肥師范學(xué)院 外國語學(xué)院，安徽 合肥230601

一、引言

對翻譯質(zhì)量的評價研究是近些年語言處理方向的研究熱點之一，對于翻譯系統(tǒng)的深入研究具有重要意義[1]。但當(dāng)前翻譯準(zhǔn)確性評定主要由相關(guān)領(lǐng)域的專家人工評價，但因各專家受自身的才能限制，導(dǎo)致結(jié)果準(zhǔn)確性不高，不具有客觀性。

為此，國內(nèi)有學(xué)者提出基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯評價系統(tǒng)[2]，如文獻(xiàn)[2]描述系統(tǒng)漢英翻譯，在基礎(chǔ)詞匯、句子準(zhǔn)確度和流暢度方面效果較好，無效翻譯少，平均質(zhì)量基本達(dá)到及格水準(zhǔn);與此同時，在罕見詞、復(fù)雜長句、隱性邏輯等方面也相對由于其他機(jī)械翻譯。上述研究結(jié)果表明，神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯質(zhì)量較高，能為人類譯員提供高效輔助。不足之處是，機(jī)器翻譯存在無法克服的問題，尤其在文化、語境、交際等層面。文獻(xiàn)[3]設(shè)計并改進(jìn)基于語義網(wǎng)絡(luò)的英語機(jī)器翻譯模型，采用基于向量混合的短語合成語義統(tǒng)計英語機(jī)器翻譯方法，在翻譯相似度模型中，經(jīng)過帶權(quán)向量加法的計算，極易辨別兩個相似向量的不同之處，從而獲取精準(zhǔn)的英語翻譯結(jié)果。

構(gòu)建英語語義翻譯評定的約束對象模型，在語義相關(guān)度的最大關(guān)聯(lián)約束控制下[4]，構(gòu)建英語語義翻譯準(zhǔn)確性評定的目標(biāo)函數(shù)和約束參數(shù)集[5-6]，可實現(xiàn)英語語義翻譯準(zhǔn)確性評定和優(yōu)化設(shè)計，最后進(jìn)行仿真測試分析，展示了本文方法在提高英語語義翻譯準(zhǔn)確性評定能力方面的優(yōu)越性能。

二、英語語義翻譯評定的約束對象模型

考慮目前已有翻譯系統(tǒng)準(zhǔn)確性不高、客觀性差的特點，從語義翻譯的角度入手，建立語義翻譯評定的約束對象模型。

（一）上下文關(guān)聯(lián)映射語義檢索

為了實現(xiàn)基于無監(jiān)督學(xué)習(xí)的英語語義翻譯準(zhǔn)確性評定，構(gòu)建英語語義翻譯評定的約束對象模型，采用上下文關(guān)聯(lián)映射方法[7]，實現(xiàn)對英語語義翻譯準(zhǔn)確性評價的模糊性融合處理。在英語語義上下文關(guān)聯(lián)映射本體映射分布的關(guān)聯(lián)規(guī)則約束控制下，得到英語語義上下文關(guān)聯(lián)映射的相似度特征分布系數(shù)為ω＝（ω1,ω2,…,ωi），ωi∈[0,1]，采用自然語言映射和語義本體模塊設(shè)計的方法，建立英語語義上下文關(guān)聯(lián)映射本體參數(shù)分布規(guī)則集，表示為：

式中，a表示英語語義上下文關(guān)聯(lián)詞片段，s表示英語語義上下文關(guān)聯(lián)映射。采用本體映射過程中概念之間語義特征分解的方法，得到英語語義上下文關(guān)聯(lián)模型表示為：

式中，表示關(guān)鍵字詞在全文中的權(quán)重。

在本體結(jié)構(gòu)特征分布中，采用相似傳遞性原則實現(xiàn)對英語義分析過程中的塊匹配和特征提取[8]，構(gòu)建語義映射的關(guān)系集合，如圖1所示。

圖1 英語語義翻譯的語義映射關(guān)系集合

（二）語義本體結(jié)構(gòu)特征構(gòu)造

根據(jù)圖1所示的語義映射的關(guān)系集合分布，實現(xiàn)對上下文關(guān)聯(lián)映射語義檢索，計算每個子句的語義相似度值，采用強(qiáng)化的無監(jiān)督學(xué)習(xí)方法[9]，分析英語語義翻譯的語義本體特征集，建立本體之間多種語義映射模型[10]，得到本體之間語義相關(guān)性特征量表示為β∈[0,1]，即：

假設(shè)(sk,ak),k∈[-0.5,0.5)為上下文的本體結(jié)構(gòu)特征分量，采用父概念（Super-Concept）和子概念（Sub-Concept）聯(lián)合特征分析的方法，英語語義翻譯準(zhǔn)確性評定的模糊映射集為：

根據(jù)對英語語義翻譯準(zhǔn)確性評定的最佳約束函數(shù)構(gòu)造，得到語義不相交映射關(guān)系模型表示為：

式中，λi為語義不相交映射的模糊加權(quán)值，p為決策概率。研究本體之間的語義泛化關(guān)系，得到2個英語語義翻譯準(zhǔn)確性評定的數(shù)據(jù)塊m1和m2，使用關(guān)聯(lián)語義模糊化解析模型[11]，得到英語語義上下文的副本中的關(guān)聯(lián)度為：

建立英語語義翻譯準(zhǔn)確性評定的語言語義相關(guān)度計算模型，采用無監(jiān)督學(xué)習(xí)方法，得到英語語義翻譯的語義映射模型[12]，如圖2所示。

圖2 語義本體結(jié)構(gòu)特征構(gòu)造

三、英語語義翻譯準(zhǔn)確性評定優(yōu)化

（一）無監(jiān)督學(xué)習(xí)算法

曾有人提出深度信任網(wǎng)絡(luò)無監(jiān)督學(xué)習(xí)算法，通過無監(jiān)督學(xué)習(xí)的方法來解決深度神經(jīng)網(wǎng)絡(luò)在訓(xùn)練上存在的問題。深度神經(jīng)網(wǎng)絡(luò)具有較好的特征學(xué)習(xí)能力，通過學(xué)習(xí)獲得的特征更能對數(shù)據(jù)的本質(zhì)進(jìn)行描述，在數(shù)據(jù)可視化或分類等方面非常有效。采用無監(jiān)督學(xué)習(xí)方法，實現(xiàn)對英語語義翻譯過程中的非語句主干的分段學(xué)習(xí)控制[13]，通過邏輯推理的方法，得到英語語義翻譯的語義映射的關(guān)聯(lián)度模型表達(dá)式為：

式中，x為本體之間語義映射因子，y為語義標(biāo)識的最優(yōu)解析因子，Hi為概念詞語知識的語義分布函數(shù)。根據(jù)語義詞典庫和領(lǐng)域知識，采用無監(jiān)督學(xué)習(xí)方法，得到語義翻譯準(zhǔn)確性評估的特征函數(shù)為：

分析每個普通實詞的靜態(tài)語義特性，本文定義一個動態(tài)傳遞函數(shù)描述英語翻譯中存在的歧義項，進(jìn)行上下文的語義映射[14]，映射表達(dá)式為：

將各個分詞的語義特征量采用模糊聚類方法實現(xiàn)信息融合，得到不同本體的概念分布序列e={e1,e2,…，ei}，將連接詞和逗號表示成析取形式，采用無監(jiān)督的語義本體構(gòu)造的方法，得到不同本體的概念之間的語義關(guān)聯(lián)維分布為：

其中，t為給定的映射集合，n為不同本體的兩個概念的相似度。語義等價模型為L(n)，采用語義模糊化解析控制，得到無監(jiān)督學(xué)習(xí)因子為：

根據(jù)上述分析，采用無監(jiān)督學(xué)習(xí)方法，實現(xiàn)對英語語義翻譯過程中的非語句主干的分段學(xué)習(xí)，根據(jù)分段學(xué)習(xí)結(jié)果實現(xiàn)語義翻譯準(zhǔn)確性評價。

（二）英語語義翻譯準(zhǔn)確性評定決策

隨著翻譯軟件的革新，英語機(jī)器翻譯軟件的準(zhǔn)確度已不能滿足新的要求。在采用英語翻譯軟件進(jìn)行英漢翻譯過程中，受到英語語句的歧義性和語言表達(dá)習(xí)慣等因素的影響，導(dǎo)致英漢翻譯中出現(xiàn)模糊語句，對語義的分析準(zhǔn)確性不好，以致翻譯質(zhì)量下降，需要進(jìn)行英漢翻譯模型的優(yōu)化設(shè)計。

在建立本體之間的語義映射時，把語義塊的j個英語語義翻譯的語義映射作為做信息包實現(xiàn)詞語知識融合，得到概念集為Xj，在有向圖節(jié)點模型中，將概念的語義表示成邏輯公式(g1,Y1)，(g2,Y2)，…，（gq,Yq），根據(jù)概念附近的各種本體相關(guān)性關(guān)系，得到語義標(biāo)識過程的模糊度向量■，分析語義翻譯的準(zhǔn)確性評估模型，根據(jù)語義成分的邏輯相關(guān)性關(guān)系，得到英語語義翻譯準(zhǔn)確性評定結(jié)果，英語語義翻譯準(zhǔn)確性評定的暫態(tài)函數(shù)為：

式中，tc為[n+1]的語義相似度分布特征序列，ta為參考本體與概念本體的融合系數(shù)，得到英語語義翻譯準(zhǔn)確性評價的決策函數(shù)為：

在語義等價中，得到語義關(guān)系所對應(yīng)的本體節(jié)點，定義兩點之間的相似度特征分布聚類中心，在語義相關(guān)度的最大關(guān)聯(lián)約束控制下，構(gòu)建英語語義翻譯準(zhǔn)確性評定的目標(biāo)函數(shù)和約束參數(shù)集[15]。根據(jù)對英語語義翻譯準(zhǔn)確性評定的無監(jiān)督學(xué)習(xí)結(jié)果實現(xiàn)加權(quán)學(xué)習(xí)和自適應(yīng)權(quán)重分析，結(jié)果如圖3所示。

圖3 英語語義翻譯準(zhǔn)確性評定決策實現(xiàn)流程

四、測試分析

為了測試本文方法在實現(xiàn)英語語義翻譯準(zhǔn)確性評定的應(yīng)用性能，進(jìn)行試驗測試分析，試驗的場景如圖4所示。

圖4 試驗場景設(shè)定

根據(jù)圖2的英語語義翻譯準(zhǔn)確性評定的實驗場景設(shè)定，設(shè)定英語語義翻譯語義評價集的個數(shù)為1 024個實例集，迭代次數(shù)為200，得到英語語義翻譯準(zhǔn)確性評定的模糊決策屬性表見表1。

表1 英語語義翻譯準(zhǔn)確性評定的模糊決策屬性表

分析表1結(jié)果，語義特征值越高，關(guān)聯(lián)系數(shù)和相似度系數(shù)越高。由此揭示：對于不同語義，相似度隨其特征值及關(guān)聯(lián)系數(shù)總體呈現(xiàn)出正相關(guān)的表征。

為實現(xiàn)英語語義翻譯準(zhǔn)確性評定，英語語義翻譯準(zhǔn)確性評定的目標(biāo)函數(shù)變化值如圖5所示。

圖5 英語語義翻譯準(zhǔn)確性評定的目標(biāo)函數(shù)變化值

根據(jù)評定結(jié)果，測試英語語義翻譯準(zhǔn)確性評定的收斂性，得到結(jié)果如圖6所示。

收斂性通常用于描述函數(shù)無限趨近于某值的性質(zhì)，這里用一組函數(shù)計算結(jié)果的終值描述其收斂性，以進(jìn)一步衡量翻譯的準(zhǔn)確性。

圖6 收斂性分析

由圖6得知，本文方法實現(xiàn)英語語義翻譯準(zhǔn)確性評定的收斂性較好。英語語義翻譯準(zhǔn)確性評定的

穩(wěn)定性較高，評定結(jié)果可靠。結(jié)果如下圖7。

圖7 準(zhǔn)確性分析

綜上，本文實現(xiàn)英語語義翻譯準(zhǔn)確性評定的方法具有穩(wěn)定性高，評定結(jié)果準(zhǔn)確的優(yōu)勢。

五、結(jié)語

本文提出基于無監(jiān)督學(xué)習(xí)的英語語義翻譯準(zhǔn)確性評定系統(tǒng)，采用相似傳遞性原則實現(xiàn)對英語語義分析過程中的塊匹配和特征提取。建立本體之間多種語義映射模型，首先構(gòu)建語言的內(nèi)部意義翻譯評定的約束對象模型，利用上下文關(guān)聯(lián)映射，模糊性融合處理英語語義翻譯準(zhǔn)確性評價；其次根據(jù)英語語義上下文關(guān)聯(lián)映射本體映射分布的關(guān)聯(lián)規(guī)則約束控制，得到英語語義上下文關(guān)聯(lián)映射的相似度特征分布系數(shù)，以實現(xiàn)對上下文關(guān)聯(lián)映射語義檢索。根據(jù)語義詞典庫和領(lǐng)域知識，采用無監(jiān)督學(xué)習(xí)方法，分析每個普通實詞的靜態(tài)語義特性；根據(jù)對英語語義翻譯準(zhǔn)確性評定的無監(jiān)督學(xué)習(xí)結(jié)果實現(xiàn)加權(quán)學(xué)習(xí)和自適應(yīng)權(quán)重分析，由此實現(xiàn)英語語義翻譯準(zhǔn)確性評定決策。