基于句法和语义的英汉翻译记忆系统设计研究

董菊霞

（平顶山学院，河南 平顶山 467000）

1 引言

互联网技术的快速发展，促进了机器翻译系统开发，借助互联网平台，实现系统数据库信息实时更新，为用户提供网络访问连接[1]。该系统支持多种语言的相互转换，能够为用户交流提供便利条件。目前，机器翻译系统主要分为两种类型，分别是语料库翻译、语法分析翻译[2]。相比之下，语料库翻译技术发展较好。由于自然语言历经多年发展形成，人们针对相同的语言理解存在一定差异，因而降低了机器翻译的准确性。面对重复率较高的文件翻译工作，耗费时间较多[3]。翻译记忆技术的提出，打破了传统机器翻译模式，能够缩减重复语句的翻译时间[4,5]。由于翻译记忆技术研发时间比较短，尚未形成完善的英汉翻译记忆系统。本文尝试将语义和句法作为译文指标，开发一套英汉翻译记忆系统。

2 英汉翻译记忆

2.1 英汉翻译记忆方法

翻译记忆指的是将以往翻译任务获取的经验作为信息基础，开展下一次翻译任务，在此期间使用的系统，是翻译记忆系统[6]。本文提出的英汉翻译记忆，是以英语和汉语作为翻译相互转换的两种语言，运用翻译记忆系统，在记忆库中搜索相似资源，作为译文参考依据。用户在使用该系统过程中，以系统提供的资源作为辅助翻译工具，根据自己的理解，调整最终翻译结果，以此提高翻译效率。当系统处理新的翻译任务时，将此任务与数据库中资料进行匹配，生成相似译文，作为翻译参考依据，用户根据译文情况，选择接受此翻译结果，或者在此基础上做出更改[7]。当本次翻译结束后，相关翻译信息将被存储至记忆库中。随着使用时间不断积累，记忆库中的资源就会逐渐增加，有助于翻译效率的提升[8]。

2.2 英汉翻译记忆作业流程

英汉翻译记忆方法涉及的主要技术有相似度计算、记忆库技术、译文构造技术[9]。运用这3项技术，对数据进行检索、资源匹配、人工校对等处理，从而生成翻译结果。本文提出的英汉翻译记忆系统，从记忆库中检索相关数据，与原文数据进行对比，完成英语和汉语之间的转换处理。如图1所示为英汉翻译记忆作业流程。

图1 英汉翻译记忆作业流程

首先，根据原文数据，调用记忆库中的信息，经过数据检索，寻找与之匹配的译文资源。接着，对比检索译文资源与原文数据是否完全匹配，如果完全匹配，则生成译文结果。反之，采用人工校对的方式，对本次译文结果进行校对，同时将校对相关信息存储至记忆库中，以此丰富记忆库中的译文资源，同时优化译文标准。

3 基于句法和语义的英汉翻译相似度算法

翻译相似度算法作为翻译记忆系统开发的核心工具，以语义和句法作为翻译相似度判断指标，分析英语句子和汉语句子的译文是否匹配。一般情况下，相似度范围[0,1]，数值越接近1，则认为翻译语句与原句越相似，从语义、句法两个方面来看都是满足翻译意思标准的[10]。另外，单词排序同样符合译文要求。如果相似度数值接近0，则认为两个语句之间不存在联系，语义和句法几乎都不同[11]。本算法中，利用[0,1]范围内数据表示译文句子之间的相似程度。

关于相似度算法的开发，首先利用Link Grammar Parser软件计算需要翻译的句子，获取该语句的句法结构[12]。其次，判断生成的句法结构与原句的句法结构是否相同，如果完全相同，运用算法继续计算获取语义，并判断生成的语义与原句的语义是否相似。其中，句义相似度的判定，以句子中的各个组成部分作为判定对象，分别对各个部分的语义相似度进行判断，得到综合判断结果，从而避免译文句子与原句之间实际相似度与计算结果产生偏差。例如，句子s1：TIFF IFD entry value has wrong size.句子s2：TIFF IFD entry has invalid value.对这两个句子的相似度的计算，首先进行拆分，而后分别计算各个对应词组的相似度。词组1：(TIFF IFD entry),(TIFF IFD entry value)；词组2：(has),(has)；词组3：(invalid value),(wrong value)。这种相似度方法，与传统方法中计算宾语value方法不同，给出的主要成分entry和value更加贴近实际语义。假设句子成分数量为n，利用句子成分字符串计算得到n数值，并采用公式（1）计算句子相似度：

假如抽取句子单词的期间，发现单词抽取后句子的成分为空，那么该句子中的被过滤单词判定为代词，句子中的各个成分相似度利用公式（2）计算。

公式（2）中，v1和v2代表向量，c1m和c2m均为字符。

例如句子They like singing.和句子He likes reading.之间的相似度计算，句子成分分为3个词组。词组1：{(they)(he)}；词组2：{(like)(like)}；词组3：{(sing)(read)}。利用公式（3）计算。通常情况下，采用wup计算的数据值范围是（0,1），在Synset之间LCS深度不可能是0的情况下，可以使用公式（3）进行计算分析，但是如果输入的Synsets相同，数据值就是1。

公式（3）中，wup方法得到的计算结果范围为（0,1）；LCS代表公共包容最小值；depth代表深度。

基于上述原理，利用C语言进行编程，如下：

4 基于句法和语义的英汉翻译记忆系统设计

4.1 系统总体架构设计

本系统架构主要分为3个模块，分别是索引生成模块、相似度计算模块、译文处理模块。其中，相似度计算模块又分为句法处理模块、语义计算模块。如图2所示为系统总体架构。

图2 系统总体架构

该架构中，索引生成模块包括句子长度索引、字符串索引、句法索引3项功能；译文处理模块包括译文处理、译文存储2项功能；句法处理模块包括句法生成、句法比较2项功能；语义计算模块包括关键词抽取、语义相似度计算2项功能。

（1）句子长度索引：以“句子长度”为对象，在记忆库中创建索引关系；

（2）字符串索引：以“字符串”为对象，在记忆库中创建索引关系；

（3）句法索引：以“句法”为对象，在记忆库中创建索引关系；

（4）句法比较：采用相似度计算方法，对原句和译文结果中的句法进行比较；

（5）句法生成：通过相似度计算，生成句法相似度计算结果；

（6）关键词抽取：从原句中抽取关键词，作为译文比对重点对象；

（7）语义相似度计算：采用相似度计算方法，对原句和译文结果中的语义进行比较。

4.2 系统总体作业流程

按照如图2所示的总体框架结构，设计系统总体作业流程：

第一步：向系统中输入需要翻译的语句；

第二步：根据英汉语言转换需求，确定翻译语句的语言类型；

第三步：分析句子字符串、长度，调用系统记忆库，从库中找到相似的译文资源；

第四步：对比译文资源的句子与原文的语义是否相符，如果相符，则输出译文，反之，执行下一步；

第五步：将句法作为资源搜索条件，从记忆库中搜寻与原文的句法相似的例句；

第六步：计算记忆库生成句子与原句的句法相似度；

第七步：从生成的例句中，挑选出句法相似度最高的例句，作为译文结果；

第八步：根据用户对译文结果的满意程度，决定是否对译文进行更改。如果对译文满意，则直接输出译文结果，反之，对译文采取修正处理，并将相关信息存储至系统记忆库中。

4.3 翻译记忆库设计

翻译记忆库分为3个级别，包括词汇级、句子级、更深层级。其中，采用词汇级设计的记忆库优点为：译文生成过程比较简单，记忆库作业简单；缺点为：加工程序较为繁琐，降低了翻译效率。采用句子级设计的记忆库优点为：加工程序比较简单，容易扩充，句子翻译较为清晰，容易比对；缺点为：译文生成计算难度较高，对双语资料的加工处理要求偏高。采用更深层级设计的记忆库优点为：译文生成的信息偏多，包括句子结构、词类等，译文资源较多；缺点为：加工程序颇深，加大了译文信息例句扩充难度。

通过对比上述3个层级的实例库的优点和缺点可知，如果前期译文工作量较少，后期记忆库的加工程度就会更大，反之前期工作量过重，后期可以降低加工程度，但是增加了管理工作量。对于英语句子的翻译，是将句子拆分为多个简单的句子，每个句子又分为主语、谓语、宾语。因此，本系统设计记忆库时，以简单句子为单位，根据句子成分展开翻译，以此降低译文难度，使得记忆库开发比较容易实现。

本系统设计的记忆库，兼顾系统管理与译文检索效率，以句子的句法、语义作为检索要点，设计如表1所示的记忆库结构。

表1 记忆库结构

按照表1所示的记忆库结构，存储译文资源，如果译文结果未能得到用户认可，则存储用户更改过的译文信息，作为下一次相同句子翻译参考依据。

关于记忆库的创建，利用SQL Sever软件开发3个数据信息表，表中的信息按照表1中的结构编辑。以下为3个数据信息表的设计方案：

（1）Component表：用于存储句子的各个译文内容和句子结构。

（2）Structure表：用于存储与句子相关的信息，例如：译文的句法结构等。

（3）Sentence表：用于显示译文结果，包括英语句子信息、汉语句子信息，两部分信息相对应。

4.4 相似度计算

本系统采用相似度算法，对原句、译文句子的相似度进行判断，该判断结果将作为系统翻译处理依据。如果相似度达到100%，则输出译文结果，如果相似度不足，则继续遍历译文结果，经过对比计算相似度参数数值，如果仍未达到100%，则与之前遍历的译文相似度数值进行对比，取最大值。而后判断当前是否仍然存在未计算相似度对应的译文例句，如果存在，继续遍历译文并计算相似度，与之前最大值进行对比，直至所有译文例句的相似度数值计算结束，从中选取相似度数值最大的译文语句作为译文结果，输出译文结果后，等待用户审核，判断是否对此译文结果满意，如果不满意，更改译文结果。如图3所示为相似度计算流程。

图3 相似度计算流程

首先，以句子的字符串作为对比对象，开展相似度对比。如果句子中的字符串完全相似，则生成相似度结果为“1”，反之，生成原句的句法结构，将其作为下一步相似度对比对象。接下来，对比原句的句法与译文的句法是否一致，如果达成一致，则从译文中抽取各个成分关键词组，计算相似度，并生成相似度结果，数值范围[0,1]。如果句法未能达成一致，则生成相似度结果为“0”。最后，返回相似度计算初端，开启下一次句子相似度计算。

4.5 译文生成

本系统针对英汉语句的翻译，采用相似度算法进行计算，所得计算结果范围[0,1]。按照相似度取值情况，将译文匹配类别划分为3种：（1）“完全不匹配”，对应相似度数值为0，此情况需要修改译文才可以使用，译文生成的流程为“wrong size”→“invalid value”→“非法值”→修改大小错误→生成译文结果。（2）“模糊匹配”，对应相似度数值为(0,1)，此情况需要采用人工翻译生成的译文才可以使用，译文生成的流程为“has”→“has”→“有错误”→调整部分译文结果→生成译文结果。（3）“完全匹配”，对应相似度数值为1，直接复用译文即可，译文生成的流程为“TIFF IFD array entry”→“TIFF IFD array entry”→“TIFF图像的IFD数组项”→复用“TIFF图像的IFD数组项”→生成译文结果。

5 系统测试与分析

5.1 测试内容与方法

（1）英汉翻译系统的索引生成和关键词的提取

索引生成测试：记忆库中，创建主索引和次索引。其中，主索引创建建立在英语句子字符串基础上，次索引创建建立在句子长度基础上，根据索引关系在记忆库中快速完成句子的检索，从而找到与待译句子相近的例句。

关键词的提取测试：主要测试系统提取出的关键词是否为待译句子的核心和主要词汇。

（2）英汉翻译系统相似度测试

本次测试以传统机器翻译系统作为对照组，以本文设计的英汉翻译系统作为实验组，分别对两种系统的英汉语句翻译中译文结果相似度进行测试。测试中，分为两种情况，其中一种情况为不含有重复句子（全为新句），另外一种情况为含有重复句子（部分为新句）。每种情况设定英语句子的数量分别为200个、400个、800个。

（3）英汉翻译系统耗时测试：该项测试内容以不同情况下的系统作业耗时作为主要测试指标，两种情况及英语句子数量设置同测试内容（2）。

5.2 测试结果分析

对本系统的索引生成和关键词的提取功能进行测试，结果如表2所示。

表2中测试结果显示，本系统能够有效创建待译句与数据库中例句之间的索引关系，并且提取句子关键词的可靠性较高，有助于系统英汉翻译准确性的提升。

表2 系统索引生成和关键词提取功能测试结果

另外，按照系统测试内容与方法，分别对传统机器翻译系统、本翻译系统的译文相似度、耗时情况进行测试，结果如表3、表4所示。

表3中，与传统机器翻译系统相比，本文设计的翻译系统生成的译文相似度更高，仅有英语句子增加至800个时，存在2个句子译文相似度未能达到标准，而传统机器翻译系统的译文相似度不达标数量达到了37个。针对重复语句情况，本翻译系统的译文相似度效果更佳，仅有1个句子译文未能达到标准，而传统机器翻译系统的译文相似度出现了下降变化趋势。因此，本翻译系统在英汉句子翻译中的精确度更具优势。

表3 英汉翻译系统的译文相似度测试结果

表4中，与传统机器翻译系统译文耗时情况相比，本翻译系统在不同情况下的译文耗时更短一些，随着句子数量的增加，单个句子译文耗时明显下降。另外，英语句子中存在重复语句情况下，传统机器翻译系统的耗时几乎保持不变，而本翻译系统的耗时出现了明显下降的变化特点。因此，本翻译系统在英汉句子翻译中的耗时更具优势。

表4 英汉翻译系统的耗时测试结果

6 结语

本文采用翻译记忆技术，以语义、句法作为翻译处理指标，设计一套英汉翻译记忆系统。该系统通过构建记忆库，将两种语言的翻译资源存储至其中，而后按照原文中的语义、句法，提取记忆库中的资源，与原文进行匹配，取相似度最高的译文作为翻译结果，经过人工修正生成译文。系统测试结果表明，本系统能够更为精准地翻译句子，且作业效率较高。