汉维时间数字和量词的识别与翻译研究

阿依古丽·哈力克，艾山·吾买尔，吐尔根·伊布拉音，卡哈尔江·阿比的热西提，买合木提·买买提

(1．新疆大学 信息科学与工程学院，新疆 乌鲁木齐 830046；2．新疆多语种信息技术重点实验室，新疆 乌鲁木齐 830046)

汉维时间数字和量词的识别与翻译研究

阿依古丽·哈力克1,2，艾山·吾买尔1,2，吐尔根·伊布拉音1,2，卡哈尔江·阿比的热西提1,2，买合木提·买买提1,2

(1．新疆大学 信息科学与工程学院，新疆 乌鲁木齐 830046；2．新疆多语种信息技术重点实验室，新疆 乌鲁木齐 830046)

统计机器翻译对时间、数字、量词的泛化能力较弱，为了提高汉维机器翻译系统对时间、数字和量词短语的翻译性能，该文利用双语语料库挖掘并提取汉语时间、数字、量词表达与翻译模式，实现了基于模板的时间、数字、无歧义量词翻译方法及基于上下文的有歧义量词翻译方法。时间、数字、无歧义量词、有歧义量词的翻译F值达到了93.23%、90.15%、96.55%、87.58%，实验证明，该方法具有简单高效的优点。

时间数字；无歧义量词；有歧义量词；翻译规则；翻译模板

1 引言

命名实体识别与翻译在机器翻译、信息处理系统中具有重大意义。目前，对命名实体的识别与翻译研究工作在国内外已取得大量的研究成果[1]。Shruti Mathur[2]等用基于规则的方法对英语—印语命名实体内的常见形式进行了识别与翻译。Deepti Bhalla[3]等使用基于统计的方法识别命名实体，通过平行语料库实现了英语—印语命名实体的翻译。Sameer R. Maskey[4]等通过规则，分析句法开发了英语—阿拉伯语命名实体的翻译系统。Sebastian M P[5]等基于统计实现了英语—马拉雅拉姆语的机器翻译。Feng D[6]等研究了英汉命名实体对齐的新方法。Strötgen J等基于规则的时间表达式识别与规范化实现了HeideTime系统[7]。尹存燕[8]等对中英命名实体识别及对齐研究提出了中文分词优化方法。郑宏[9]、翟飞飞[10]等分别对时间、数字命名实体及数量词的识别问题使用了基于CYK++算法和语料库、基于规则的方法。李风环[11]等基于面向主题事件构建了时间识别模型。赵紫玉[12-13]分别利用基于短语的翻译模型、规则与CRF统计相结合的方法研究日语时间表达式识别与日汉翻译。王伟、李君婵、邬桐等[14-16]对中文时间表达式的识别与翻译提出了基于有限状态自动机，规则库、最大熵，正则文法的方法。杨萍[17]等对汉语-新蒙古文命名实体进行翻译，首先对汉语命名实体进行标注，然后获取汉语HMM词对齐结果，最后通过滑动窗口方法选取置信度最高的命名实体翻译。王斯日古楞等[18]对汉—蒙机器翻译系统中的量词短语进行了研究。邹乐琳等[19]基于统计的方法实现了维语时间表达式的识别。张磊等[20]对维语数词类命名实体(时间、日期、百分比、货币)进行了研究。目前，中国民族语文翻译局在线翻译系统(http://www.mzywfy.org.cn/)和新疆多语种信息技术重点实验室基于短语的Tilmach汉维—维汉统计机器翻译系统(http://www.tilmach.cn/)对时间、数字、量词的译文质量不理想。可见，对汉维时间数字和量词的识别与翻译研究工作较少，尤其是汉维方向翻译工作没有针对性的研究。

本文对汉语时间、数字、量词分类及维吾尔文翻译进行详细分析，并构建了相应的时间日期识别与翻译模板、数字识别与翻译模板、无歧义量词词典、基于上下文的有歧义量词翻译规则库，实现了汉维方向的时间、数字、量词识别与翻译算法。

2 汉语时间、数字与量词维吾尔语翻译

汉语是典型的孤立语，属于汉藏语系汉语语族；而维吾尔语是黏着语，属于阿尔泰语系突厥语族，在中国境内使用的维吾尔语是以阿拉伯字母为基础的老维文。汉语维吾尔语语法信息、翻译规律不同，因此对时间数字和量词分别进行讨论。本文研究的老维文在word里显示时存在因未安装维吾尔语输入法而导致排版格式混乱的情况，因此维语例子使用拉丁文表示。

2.1 汉维时间日期的分析

由于汉语维吾尔语在各个方面的不同，在汉语-维吾尔语机器翻译系统中，时间表达式的翻译准确率比较低，几乎没有对应的翻译结果。对一些时间表达式的翻译情况对比如表1所示。

表1 机器翻译系统的时间日期翻译对比表

可见，翻译结果出现数字次序混乱、标点符号、词尾丢失或多加等错误情况。原因是时间触发词(年、月、日)在不同的维语时间表达式中译文不同，比如： 汉语中“月”对应维语的“Ay”在不同的时间表达式中翻译结果如表2所示。

表2 时间触发词的歧义情况表

本文为解决此问题将时间日期分五类研究，如表3所示。

表3 汉语-维吾尔语时间日期示例表

续表

时间日期分类汉语维吾尔语重大纪念日,节日“古尔邦节”,“肉孜节”,“五·一”国际劳动节QurbanhëyitRozahëyit5-ayning1-küniEmgekchilerBayrim

可见，“明天早上九点半”虽然由“明天”-“Ete”，“早上”-“Etigen”，“九点半”-“Toqquz y⊇rim”等三个时间基本单元组成，但在翻译时不能利用时间基本单元组合的方法，应考虑整个模块，在后面加“da”词尾。“截止5月7日到9日”同样不能利用基本单元组合的方法翻译，也是应考虑整个模块,翻译结果为： “5-ayning7-künidin9-künigiche”,因为“截止”，“5月7日”，“到”，“9日”分别对应为“giche”和“5-ayning 7-küni”和“Din”和“9-küni”，利用基本单元组合的方法翻译会出现位置不稳定，导致语法错误。

2.2 汉语数字维吾尔语翻译

本文把汉维数字的对比关系分为三种： 1)汉语中数字可分为基数词和序数词[21]。维吾尔语中数字分为约数词、集合数词、分数词、序数词、基数词。2)汉语的数字写法有多种形式，例如，对于阿拉伯数字“4”汉语中有“四”、“肆”等写法。维吾尔语有“Töt”一种写法。3)汉语中十位数字的表示形式是“一到九之间的任何一个数”字后面加上“十”而形成的，比如： “二十、三十、四十…”。维吾尔语中这些数字都有专称，例如，“Yigirme、ottuz、qiriq、ellik、atmish、yetmish、seksen、toqsan”。

数字根据翻译结果的不同，总结如表4所示。

表4 汉维数字翻译示例表

可见，汉语的序数词根据意义和计算方法在维吾尔语里分为约数词、集合数词、分数词、序数词，基数词在两个语言中一一对应。根据分类构建规则，对不同搭配格式利用平行语料和翻译模板的方法实现翻译。

2.3 汉语-维吾尔语量词对应关系的分析

量词是表示事物和动作计算单位的词汇。在文献[21]中汉语量词的特点可归纳为如下几种： 1)在汉语中根据物体形状的不同，使用的量词也有所不同，因此汉语中的量词较多，大概有507个量词。2)在结构上，汉语的量词位于数字和名词之间，数字需要结合量词才能修饰名词。3)根据表示对象的不同，汉语量词分为名量词、动量词、复合量词等三大类。句子中的名量词和动量词不能省略，否则会出现语法错误。句子中复合量词(名量词+动量词)中动量词省略掉后不会出现语法错误，但两个句子的意思完全不同。

汉维量词异同点： 1)维吾尔语量词没有汉语量词数量多，常用的有“Tal、dane”。2)维吾尔语中量词不能单独做句子的重要成分，它只位于名词或动词的前面，直接修饰名词或动词。3)汉语中有些量词在维吾尔语中没有对应的翻译，即丢失。

在Tilmach和中国民族语文翻译局在线翻译系统出现错误情况。例如，量词短语“一线希望”、“一份情”的正确翻译结果应为： “ümid(希望)”、“muhebbet(情)”，即数字和量词均丢失，但在Tilmach中翻译结果是“Azraq ümid”、“Bir parche muhebbet baghlash”，在中国民族语文翻译局中翻译结果是“Azraq ümid”、“Bir ülüsh mihir”。有些事物或行为就必须使用“数字+量词+名词”来表示，量词决不能省略，例如，“十斤面”要翻译为“On(十)jing(斤)un(面)”,不能省略“jing”。汉语根据量词的搭配格式可分为四种，具体如表5所示。

表5 汉维量词示例表

续表

量词短语格式汉语量词短语维吾尔语译文数字+名词两兄弟Aka-iniikkeylen量词+名词双人车Qoshkishlikmashina数字+名词+名词一车瓷砖Birmashinasapalxish

可见，量词短语“一群人”、“一所学校”翻译结果都不同，“一群人”的数字、量词、名词全部翻译；“一所学校”翻译数字和名词，量词丢失。“一峰骆驼”、“一枚戒指”…中“峰，枚…”等量词对应的维吾尔语翻译结果为只有一种“Tal”。“一车瓷砖”中“车”是名词，但在量词短语中看成量词。所以，汉语中量词根据翻译需求的不同分为有歧义量词和无歧义量词两大类，有歧义量词指数字一一对应、但量词是一个对应多个(其中包含量词丢失的情况)；无歧义量词指数字一一对应、量词也一一对应，数词一一对应、但量词丢失，数字一一对应、但量词多个对应一个，数字、量词均丢失四种情况。维吾尔语里面有歧义量词根据句子上下文的不同翻译结果也不同，一个量词有多种翻译结果，如表6所示。

表6 汉维量词特殊情况示例表

可见，汉语中量词根据后面的不同名词有不同的翻译结果。“一头牛”、“一头狮子”、“一头大蒜”的“一头”翻译为“Bir tuyaq”、“Bir”、“Bir bash”三种不同结果。同样，“一盘菜”、“一盘录音带”、“一盘电线”的“一盘”翻译为“Bir texse”、“Bir dane”、“Bir yögime”三种不同结果。因此在量词识别与翻译过程中，详细分类会提高机器翻译的准确率。

2.4 度量单位

汉维度量单位由数字和量词组成，不需要名词。翻译示例如表7所示。

可见，度量单位的翻译为固定译文。

表7 汉维度量单位示例表

3 汉维时间数字和量词的识别与翻译方法

根据上述汉维翻译规律和语法特点，利用双语语料库挖掘包含时间数字和量词的句子，对每一类分别构建人工编制规则库用于提取汉语时间数字和量词短语，翻译时分别提出了翻译模板、对无歧义量词平行语料库、基于上下文的有歧义量词翻译规则和规则与统计相结合的方式，本方法提高了翻译准确率和召回率。

3.1 汉维时间的识别与翻译方法

根据实际需求对时间表达式没有利用分词系统，而是构建人工编制规则库。即对这些包含前后介词的表达式翻译为维语时，根据不同的时间表达式类型，分别建立了一一对应的272个规则和翻译模板。这个方法虽然繁琐，但准确率高，对新闻中时间表达式的覆盖率为96%。对时间表达式构造人工编制规则库时，由于维吾尔语和汉语的书写方向相反，为了避免语法错误，把两种语言的规则库分开存储在两个文本文档中。该方法使机器翻译准确率有明显提高。规则和模板一一对应的示例如表8、表9 所示。

表8 汉语时间表达式规则库示例表

续表

汉语规则库(d{1,4}年d{1,2}月d{1,2}日凌晨d{1,2}时d{1,2}分)

表9 维语时间表达式翻译模板示例表

可见，汉语规则库和维语模板一一对应。根据上图的人工编制规则识别时间表达式，利用翻译模板抽取对应的翻译结果。过程如下：

输入句子： 2013年12月至2014年6月期间，被告人韦海(广西籍)与境外人员“阿乐”等共谋组织中国境内人员偷渡至越南。

匹配规则后的识别结果： 2013年12月至2014年6月期间。

Tilmach的译文： <2013年12月至2014年6月> mezgilide。中国民族语文翻译局的翻译结果为： <2013年12月至2014年6月> mezgilide。

本方法译文用拉丁文表示： 2013-yil 12-aydin 2014-yil 6-ayghiche。与正确译文相同。

对时间日期的识别与翻译完全不依赖各种中文分词系统、标注和统计方法，而是利用人工编制规则库和翻译模板进行识别与翻译，使Tilmach的翻译准确率有明显提高。时间日期的识别与翻译处理算法如图1所示。

图1 时间日期识别与翻译处理算法

3.2 汉维数字的识别与翻译方法

Tilmach对基数词已有了较好的翻译准确率，因此本文解决的是序数词、约数词、集合数词、分数词、百分数、倍数，并对每一类分别构建人工编制规则库，如表10所示。

表10 数字规则与模板

续表

数字类型例子汉语规则特点维维吾尔语模板分数词三分之二数字+分之+数字adinb百分数百分之90百分之+数字apirsent倍数三倍数字+倍aHesse

可见，序数词、约数词、集合数词、分数词等都是先用规则来识别数字，然后一一匹配对应的模板库。数字识别与翻译处理算法如图2所示。

3.3 汉维量词的识别与翻译

在量词短语的机器翻译中，对收集的语料进行统计分析，根据维吾尔语的翻译规律进行分类，构建量词短语的平行语料库并存储在两个文本文档中。分词对比如表11所示。

图2 数字识别与翻译处理算法

表11 识别方法对比表

为使汉维量词短语的识别与翻译达到尽可能高的覆盖率，本文对无歧义量词识别时利用人工编制规则库识别，对有歧义量词使用哈工大分词系统和人工编制规则相结合的方法，翻译时单独使用模板翻译或统计的方法准确率不高，利用翻译模板和Tilmach相结合的方法有更高的准确率。

3.3.1 有歧义量词的识别与翻译

有歧义量词(数字一一对应,但量词一个对应多个)具体的识别与翻译过程如下： 利用人工编制规则和哈工大分词系统识别量词短语。翻译时根据哈工大的词性标注结果定位句子里面的名词“/n”来决定这个量词的翻译结果，我们利用这个特点，构建(Special quantifier)平行语料库，从平行语料库中抽取对应的翻译结果，然后结合Tilmach实现汉维量词短语翻译。汉语中45个有歧义量词，量词“把”翻译结果如表12所示。

可见，利用本方法对“一把米、一把花儿”翻译时“数字、量词、名词”均翻译出来，翻译结果为“Bir(一)siqim(把)gürüch(米)”、“Bir(一)deste(把)gül(花儿)”，与正确译文相同。但在Tilmach中“一把米”翻译结果“Bir baghlam m⊇tir”是错误的。对“一把年龄”，这种“数字+量词+名词”格式的量词短语，翻译结果仅剩“名词”，“数字、量词”都丢失，翻译结果应为“Yash”。

表12 有歧义量词翻译示例表

3.3.2 无歧义量词的识别与翻译

无歧义量词具体的识别与翻译过程如下： 首先分为四大类(1.数字一一对应，但量词是多个对应一个；2.数字和量词都丢失；3.数字一一对应，但量词丢失；4.数字一一对应，量词也一一对应)，然后利用人工编制规则识别量词短语。

本文分析汉语和维吾尔语的异同点，将量词短语分为下述五种情况。量词识别与翻译处理算法如图3所示。

分类一 汉语中的“峰、枚、颗、粒、方、管、则、发、盏、床、炷、柄、梃、梭”等14个量词在维吾尔语中的翻译结果都是“Tal、dane(两字意思相同仅写法不同)”。对这种情况解决的方法相对简单，从Many To One平行语料库中找出它对应的翻译结果即可。

分类二 汉语中包含“轮、手、桩、宗、阵、记、摊、汪、鸿、团、脬”等11个量词的汉语短语翻译为维吾尔语时，短语格式“数字+量词+名词”对应到维吾尔语时仅剩下“名词”格式，即汉语数字和量词都对应为空串。例如，“一轮圆月”、“一手好字”中翻译结果为“Tulun(圆)Ay(月)”、“Yaxshi(好)söz(字)”，“一轮圆月”的“一、轮”、“一手好字”的“一、手”都要翻译为空。

图3 量词识别与翻译处理算法

分类三 汉语中“幢、座、扇、堵、所、架、艘、本、家、口、孔、尊、爿、桩、宗、件、罗、首、匝、客、挺、垛、孔、杆、眼”等25个汉语量词翻译为维语时没有对应的翻译结果，对这种情况的量词翻译结果使用(Many To Null)平行语料库仅输出数字的翻译结果。例如： 在Tilmach中“一眼井”结果为“Bir köz quduq”，但正确的结果应为“Bir(一)quduq(井)”，“眼”丢失。

分类四 汉语中260个量词翻译为维吾尔语时有对应的翻译结果。例如，“一群人、一出戏、一帖药、一剂药、八味药”中的量词翻译结果分别为“top、meydan、chaplaq、quta、xil”。对这种情况从(One To One)平行语料库中抽取对应的数字、量词翻译结果，然后两个翻译结果合并即可。度量单位(长度、面积、体重、重量、货币)也属于无歧义量词，在格式“数字+单位”后面加或不加名词不会影响翻译结果。

4 实验及结果分析

本文实验的时间数字语料来自《新疆人民日报》、“天山网”的最新新闻，从中自动收集23 447句包含时间数字的句子,随机抽取包含9 769个时间数字的5 048句；量词语料来自“北京大学语料库”，从中收集39 000句包含量词的句子，随机抽取包含6 723个量词的4 190句，收集1 540句包含度量单位(长度、面积、体积、体重及货币等105个)的句子，随机抽取598句分别做实验。

在测试语料中，对所有句子进行人工标注、分类、使用平行语料库和翻译模板进行翻译。最后与Tilmach进行对比实验，证明了本工作的必要性。

4.1 时间数字与量词实验语料及分析

时间数字、量词、质量单位的语料信息如表13—表17所示。

表13 含时间数字的汉语语料库表

表14 含时间数字语料信息表

表15 含量词的汉语语料库表

表16 含量词语料信息表

续表

量词分类维语数字翻译结果关系维语量词翻译结果关系提取语料句数测试语料句数(含翻译)测试语料量词个数无歧义一一对应多对一 86008601362丢失 丢失 5520552986一一对应丢失 84408441423一一对应一一对应69208821056共3900041906723

表17 含度量单位语料信息表

4.2 评测方法

本文评测指标采用三个值： 准确率(P)、召回率(R)、F-Score，计算公式如下：

(1)

(2)

(3)

4.3 实验及结果分析

本文对时间数字和量词采用不同的方法进行测试，然后与Tilmach的翻译结果进行对比试验。时间表达式的识别与翻译过程如下：

输入两条句子：

1． 截至2014年6月25日申请2.3万余人,同比增长了5倍多。

2． 全疆8月份开始依法全面实施统一的普通护照签发管理政策。

翻译结果用拉丁文表示为：

1． 2009- <2014年6月25日> 23 ming adem iltimas,bulturqi shu mezgildikidin besh hessidin artuq köpeydi.

2． 8-ayda Shinjang boyiche bashlap adettiki omumyüzlük qanun boyiche yolgha qoyup,bir tutash bashqurush siyasitini pasport bergüchi.

可见，在句1中，时间表达式“截至2014年6月25日”没能翻译，并多加了数字“2009-”和“23”；在句2中，“8月份开始”翻译结果添加了词尾“da”，但应该要添加“din baxlap”。使用人工编制规则库识别时间表达式：“截至2014年6月25日”、“8月份开始”，匹配翻译模板输出翻译结果为： “2014-yili 6-ayning 25-künigiche”、“5 Hesse”、“8-aydin bashlap”，与正确的翻译结果相同。

汉维量词短语的识别与翻译过程如下：

输入句子： 夕阳的余晖透过霞云，洒在江心，形成一线闪烁的金斑。

识别： 在哈工大的分词系统词性标注结果: 夕阳/n 的/u 余晖/n 透过/v 霞云/n ，/wp 洒/v 在/p 江心/n ，/wp 形成/v 一线/n 闪烁/v 的/u 金斑/n 。/wp。其中“一线”是名词，但汉语翻译为维吾尔语时该句中的“线”应是量词。

翻译结果用拉丁文表示为： Kechki shepeq bek güzel bolidu diki qalduq nur bulut reng shepeq tumanning singip ötüsh meyxana,sinxana, y⊇qinlashmay 1- s⊇pide shekillendürüsh bilen chaqnisa ala altun

可见，在Tilmach中量词短语“一线”的翻译结果是错误的“1-s⊇pide”，正确结果“一线”应丢失；匹配平行语料时应按照分类方法中数字一一对应、但量词一对多的情况根据后面的名词来翻译量词短语，即“一线”根据后面的名词“金斑”，翻译结果应为“ ”空串。

4.3.1 识别实验及结果分析

对时间数字和量词考虑句子的上下文信息，建立规则库和模板库，对量词详细分类分别建立平行语料库实现翻译，可以达到比较高的翻译准确率。时间数字、量词、度量单位识别实验结果如表18—表20所示。

表18 时间数字识别实验结果表

续表

时间数字本方法P/%R/%F/%集合数词85.6583.3484.47倍数96.5094.6795.58

表19 量词识别实验结果表

表20 度量单位识别实验结果表

4.3.2 翻译实验及结果分析

根据时间数字和量词的解决方法不同，分别做对比实验，如表21—表24所示。

表21 时间数字翻译实验结果表

可见，对Tilmach不能识别与翻译的部分有歧义量词和无歧义量词应使用人工编制规则、对有歧义量词利用规则与统计相结合的方法使译文质量有明显提高。

表22 量词翻译实验结果表

表23 基于规则与统计相结合的实验结果表

表24 单位翻译实验结果表

表25 基线系统翻译结果对比表

表25给出了本方法与Tilmach、中国民族语文翻译局在线翻译系统的性能进行比较。本方法详细分析汉维机器翻译中时间、数字、量词的歧义性、差异性和实际需求情况，对每一部分都分别采用不同的方法： 对时间、数字要考虑上下文介词并采用不同的翻译模板，对量词最关键是分类并采用不同的识别与翻译处理算法。所以本文最关键的工作是为提高汉-维机器翻译系统中的翻译准确率对时间数字和量词的分类采取不同的算法进行研究。

5 结语

本文分析汉—维时间数字和量词的差异性，时间表达式中触发词(年、月、日)、数字、量词在不同的维语时间数字、量词短语译文也有所不同、利用统计的方法出现数字次序乱、标点符号、词尾丢失或多加等错误情况。该方法根据它们的特点构建人工编制规则库、汉维翻译模板，对这些包含前后介词的时间数字翻译为维吾尔语时，根据不同的时间表达式类型构建对应的规则库和翻译模板；对有歧义量词和四种无歧义量词构建五种平行语料库并输出翻译结果，对第一种有歧义量词短语利用规则和统计相结合的方法、后四种无歧义量词利用人工编制规则的方法使翻译准确率有明显提高。该方法与Tilmach、中国民族语文翻译局在线翻译系统相比，在翻译准确率上有巨大的提高。本方法简单，效率高，目标明确。

未来相关的工作可以在其他少数民族语言中时间、数字和量词方面共享，可以帮助提高整体领域的发展。

[1] 赵军．命名实体识别、排歧和跨语言关联[J]．中文信息学报，2009，23(2)： 3-17．

[2] Mathur S, Saxena V P．Hybrid Approach to English-Hindi Name Entity Transliteration[J]．Eprint Arxiv，2014．

[3] Deepti Bhalla，Nisheeth Joshi，Iti Mathur，et al.Improving the Quality of MT Output using Novel Name Entity Translation Scheme[C]//Proceedings of the 2013 International Conference on Advances in Computing，Communications and Informatics(ICACCI)．India，2013: 1548-1553．

[4] Maskey S R，Cmejrek M，Zhou B，et al．Class-based named entity translation in a speech to speech translation system[C]//Proceedings of the Spoken Language Technology Workshop，2008．Sl．2009： 253-256．

[5] Sebastian M P, Sheena KK, Kumar G S. Extension Schemes for the Alignment Model of English-Malayalam Statistical Machine Translator[C]//Proceedings of the 2012 International Conference on Advances in Computing and Communications. IEEE Computer Society, 2012： 86-89.

[6] Feng D，Lü Y，Zhou M．A new approach for English-Chinese named entity alignment[C]//Proceedings of the Conference on Empirical Methods in Natural Language Processing(EMNLP)．Stroudsburg，PA，2004： 372-379．

[7] Strötgen J，Gertz M．HeidelTime： High quality rule-based extraction and normalization of temporal expressions[C]//Proceedings of the 5th International Workshop on Semantic Evalution．USA PA，Stroudsbury： Association for Computational Linguistics，2010： 321-324．

[8] 尹存燕，黄书剑，戴新宇，等．中英命名实体识别及对齐中的中文分词优化[J]．电子学报，2015，43(8)： 1481-1487．

[9] 郑宏．汉英双向时间数字和数量词的识别与翻译技术[D]．哈尔滨工业大学硕士学位论文，2011，6．

[10] 翟飞飞，夏睿，周玉，等．汉英双向时间和数字命名实体的识别与翻译系统[C].第五届全国机器翻译研讨会论文集．2009： 172-179．

[11] 李风环，郑德权，赵铁军．基于浅层语义分析的主题事件的时间识别[J]．山东大学学报，2015，50(11)： 74-80．

[12] 赵紫玉，徐金安，张玉洁，等.规则与统计相结合的日语时间表达式识别[J]．中文信息学报，2013，27(6)： 192-200．

[13] 赵紫玉，徐金安，张玉洁，等．日语时间表达式识别与日汉翻译研究[J].北京大学学报(自然科学版)，2014，50(1)： 180-186．

[14] 王伟，赵东岩，苏婷婷．C-TERN： 一种基于CFSA的军事新闻文本时间信息处理算法[J]．北京大学学报(自然科学版)，2014，50(1)： 9-16．

[15] 李君婵，谭红叶，王风娥．中文时间表达式及类型识别[J]，计算机科学，2012，39(11A)： 191-194,211．

[16] 邬桐，周雅倩，黄萱菁，等．自动构建时间基元规则库的中文时间表达式识别.中文信息学报[J]，2010，24(4)： 3-10．

[17] 杨萍，侯宏旭，蒋玉鹏，等．基于双语对齐的汉语-新蒙古文命名实体翻译[J]．北京大学学报(自然科学学报)，2016，52(1)： 148-154.

[18] 王斯日古楞，斯琴图，那顺乌日图，等．汉蒙机器翻译系统中量词翻译[J]．中文信息学报，2010，24(5)： 92-95．

[19] 邹乐琳，吐尔根·依布拉音，麦热哈巴·艾力，等.基于词干提取的维吾尔语事件类时间短语识别[J]．计算机工程与设计，2014，35(2)： 625-630．

[20] 张磊，杨雅婷，米成刚，等．维吾尔语数词类命名实体的识别与翻译[J]．计算机应用与软件，2015，32(8)： 64-67．

[21] 孙德金．汉语语法教程[M]．民族版．北京语言大学出版社．2012．

Research on Recognition and Translation of Chinese -Uyghur Time and Numeral and Quantifier

Ayiguli Halike1,2，Hasan Wumaier1,2，Tuergen Yibulayin1,2，Kahaerjiang Abiderexiti1,2，Maihemuti Maimaiti1,2

(1．School of Information Science and Engineering，Xinjiang University，Urumqi，Xinjiang 830046，China；2．Xinjiang Laboratory of Multi-Language Information Technology，Urumqi，Xinjiang 830046，China)

The Chinese-Uyghur statistical machine translation system for times, numerals and quantifiers generalization ability are relatively weak. This paper uses a corpus approach to mine and extract the Chinese times, numerals and quantifier, realizing context based ambiguous quantifier translation. Experimental results show that the proposed method achieves 93.23%, 90.15%, 96.55%, and 87.58% in F-measure for the translation of times, numerals, unambiguous quantifiers and ambiguous quantifiers.

times and numerals; unambiguous quantifiers; ambiguous quantifiers; translation rules;translation template

阿依古丽•哈力克(1991—),硕士,主要研究领域为自然语言处理与机器翻译。E-mail:1506867752@qq.com艾山•吾买尔(1981—),通信作者,副教授,主要研究领域为自然语言处理与机器翻译。E-mail:hasan1479@xju.edu.cn吐尔根•伊布拉音(1958—),教授,主要研究领域为自然语言处理、机器翻译、软件工程。E-mail:turgun@xju.edu.cn

1003-0077(2016)06-0190-11

2016-05-31 定稿日期： 2016-07-20

新疆多语种信息技术实验室开放课题(2016D03023);国家重点基础研究发展(973)计划(2014CB340506);国家自然科学基金(61331011，61262060，61262061，61063026，61462083)

TP391

A