英文語義機器翻譯中的模糊語義選取技術

皮謹煜

摘 要： 為了提高英語機器翻譯的準確性和自適應跟隨性，需要進行模糊語義選取。提出基于概念集上下文匹配的英文語義機器翻譯中的模糊語義選取技術，采用模糊語義本體映射方法進行英文機器翻譯的語義特征篩選，得到本體內部所有英語文本上下文的語義信息參量，對參量進行自適應伴隨跟蹤，計算概念語義相似度，設計翻譯語義偏離反饋系數進行誤差修正，實現模糊語義選取。試驗測試結果表明，采用該方法進行模糊語義選取，對英語語義機器翻譯的查準率較高，翻譯準確性得到提高。

關鍵詞： 機器翻譯； 模糊語義選取； 本體映射； 自適應跟隨性

中圖分類號： TN911?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）22?0042?03

Abstract： As fuzzy semantic selection needs to be performed to improve the accuracy and adaptive following performance of English machine translation， a fuzzy semantic selection technology based on the context match of concept sets is proposed for English semantic machine translation. The fuzzy semantic ontology mapping method is adopted to select semantic features in English machine translation so that all the contextual semantic information parameters in English text inside the ontology are obtained. To realize fuzzy semantic selection， the adaptive tracking are performed for the parameters， the concept semantic similarity is computed， and the semantic deviation feedback coefficient is designed for error correction. The test results show that the method for fuzzy semantic selection in English semantic machine translation has high precision ratio and the translation accuracy can be improved.

Keywords： machine translation； fuzzy semantic selection； ontology mapping； adaptive following performance

0 引 言

隨著信息處理技術的發展，大量的智能翻譯軟件不斷出現，機器翻譯逐漸取代人工翻譯，而成為未來英語翻譯的一個重要角色，機器翻譯的準確性和自適應性成為未來翻譯軟件研究的重要課題。對機器翻譯的優化問題是建立在語義選擇和特征提取基礎上，通過提取英語上下文的文本語義信息特征，結合智能分析和語義信息檢索技術，實現語義信息的本體映射和自適應伴隨跟蹤，結合模式識別方法實現英語智能翻譯，研究英文語義機器翻譯中的模糊語義選取技術，在優化機器翻譯軟件設計，提高翻譯準確性和人工智能性方面具有重要意義。傳統方法主要有主題樹特征匹配方法[1]、支持向量機算法、粒子群進化方法等[2]，對英文翻譯語義特征進行語言評價集模型構建和特征組合匹配，提高翻譯的準確性，取得了一定的研究成果，但是傳統方法存在上下文干擾抑制能力不強，容易出現耦合干擾等問題。對此，提出基于概念集上下文匹配的英文語義機器翻譯中的模糊語義選取技術，實現模糊語義選取，通過仿真試驗進行了性能測試，展示了本文方法在提高英文機器翻譯的查準率方面的優越性能。

1 英文機器翻譯的語義特征篩選

1.1 模糊語義本體映射

為了實現英文語義機器翻譯中的模糊語義選取和翻譯自適應跟隨優化，首先構建模糊語義本體映射模型。采用模糊語義本體映射方法進行英文機器翻譯的語義特征篩選，進行機器英語翻譯的語義分析和模塊提取，設定語義映射關系結構，在語義映射模塊中進行二元語義判斷和英文翻譯的語法分析和糾正[3]，得到英文機器翻譯模糊語義本體映射過程。

根據模糊語義本體映射模型，構建英文機器翻譯的綜合評價決策函數為：

1.2 語義信息特征提取

采用模糊語義本體映射方法進行英文機器翻譯的語義特征篩選，得到本體內部所有英語文本上下文的語義信息參量集合為：

在圖1中的英語語義相似本體片段中，計算概念語義相似度。設[s1，a1，s2，a2，…，sn，an]是一組二元語義信息，在本體中，英語語義特征信息的知識存儲的基本單元的權重向量為[ω=ω1，ω2，…，ωnT]，[ωj∈0，1]，則語義映射的二元加權算術平均算子φ1定義為：

2 模糊語義選取技術改進實現

在進行英文機器翻譯的語義特征篩選和語義本體映射建模基礎上，進行模糊語義選取優化設計，提高英文語義機器翻譯準確性，提出基于概念集上下文匹配的模糊語義選取技術[5]，對本體內部所有英語文本上下文語義信息參量進行自適應伴隨跟蹤，自適應伴隨跟蹤目標函數記為：

3 仿真試驗與結果分析

為了測試本文方法在實現英文語義機器翻譯中的模糊語義選取和英文機器翻譯的優越性能，進行仿真實驗分析。試驗采用Matlab 7 仿真設計，測試數據來自于Textile Science英文機器翻譯的文本庫，使用OAEI語義特征數據集作為英文機器翻譯的訓練函數集，參考本體包含32個概念集，語義映射參考本體N=1 024，含有65個屬性集。根據仿真環境和參量設定，以英語機器翻譯的模糊語義選擇查全率、查準率為測試指標，得到不同方法進行翻譯測試結果如圖2和圖3所示。

分析圖2和圖3結果得知，采用本文方法進行英文語義機器翻譯中的模糊語義選取，提高了翻譯過程中的查全率和查準率，從而提高了翻譯的準確性。

4 結 語

本文進行了英文機器翻譯的優化語義選取設計，采用模糊語義本體映射方法進行英文機器翻譯的語義特征篩選，得到本體內部所有英語文本上下文的語義信息參量，對參量進行自適應伴隨跟蹤，設計翻譯語義偏離反饋系數進行誤差修正，實現模糊語義選取。研究得知，采用該方法進行模糊語義選取，提高了英語語義機器翻譯的查準率和查全率，機器翻譯的準確性得到改善。

參考文獻

[1] 辛宇，楊靜，湯楚蘅，等.基于局部語義聚類的語義重疊社區發現算法[J].計算機研究與發展，2015，52（7）：1510?1521.

[2] 冶忠林，楊燕，賈真，等.基于語義擴展的短問題分類[J].計算機應用，2015，35（3）：792?796.

[3] 楊磊磊，陳松燦.最壞分離的聯合分辨率判別分析[J].軟件學報，2015，26（6）：1386?1394.

[4] 章登義，吳文李，歐陽黜霏.基于語義度量的RDF圖近似查詢[J].電子學報，2015，43（7）：1320?1328.

[5] 蔣本立，張小平.大數據網絡的均衡調度平臺設計與改進[J].現代電子技術，2016，39（6）：62?65.

[6] BENGIO Y， COURVILLE A， VINCENT P. Representation learning： a review and new perspectives [J]. IEEE transactions on pattern analysis and machine intelligence， 2013， 35（8）： 1798?1828.endprint