基于語料庫的機器翻譯的現狀與前景

鐘媛媛 延宏

摘 要：文章主要介紹了兩種基于語料庫的機器翻譯方法：基于實例的機器翻譯方法以及基于統計的機器翻譯方法。前者強調從計算機的角度通過實例推理的手段得到譯文，后者側重于從數學角度建立模型進行翻譯。兩種翻譯方法各有優缺點，文章認為基于語料庫的機器翻譯的前景：將不同的翻譯方法取長補短，互相融合，發展多策略融合式機器翻譯方法，同時加強基于語料庫的機器翻譯方法與其它學科的融合。

關鍵詞：語料庫;機器翻譯;基于實例的機器翻譯方法;基于統計的機器翻譯方法;前景

20世紀90年代，計算機技術與語料庫的建設取得了長足的發展。語料庫的作為一種科學的研究方法被引入翻譯這一領域，標志著機器翻譯的發展進入一個新紀元。國外關于語料庫機器翻譯的研究大多具有很強的實踐指導性，我國基于語料庫的機器翻譯研究主要是以研究型的探索為主。目前與語料庫機器翻譯相關的研究已經進入非常具體，專業的細微領域。文章首先介紹了與機器翻譯相關的語料庫，基于規則的機器翻譯以及基于語料庫機器翻譯的兩種方法，對這些方法的優缺點分別進行了總結，旨在為研究者呈現一個清晰的語料庫機器翻譯相關知識的概括和總結，最后，作者指明了語料庫機器翻譯的前景，以期為后來研究者提供借鑒。

一、語料庫與機器翻譯

（一）語料庫

語料庫是指根據一定的語言學原則的指導，通過隨機抽樣的方法，收集未經過任何加工的連續的語言文字運用文本或者語音片段，在此基礎上建成的一個容量相當的大型電子文庫。目前，語料庫在語言教學，語言研究以及語言工程等方面獲得了廣泛的應用，具體的應用領域主要有語言頻率統計，詞典編纂，詞匯搭配研究，語言教學以及自然語言處理等。

（二）機器翻譯和基于規則的機器翻譯方法

機器翻譯是利用計算機技術的輔助，將一種以一種語言形式存在的聲音或者文字轉化為以另一種語言形式存在的文字和聲音（文章主要探討的是機器翻譯的文字翻譯方面）。60年代初，隨著喬姆斯基的“轉換生成語法”理論的建立，機器翻譯系統得到迅速發展，也叫做基于規則的翻譯方法。基于規則的機器翻譯的工作原理是：對輸入的源語言進行格式保留處理以及分析，對源語言進行轉換，最后根據目標語的生成規則生成目標語。基于規則的機器翻譯的優點是規則可以描述語言的語法構成，方便計算機識別。但是，語法規則的得出需要大量的人力與物力。其次，語法規則由語法學家總結得到，不同的語言學家對語法規則的認識可能存在沖突。

除了某些特定的領域，基于規則的機器翻譯取得了相對較好的效果。但是，機器翻譯依舊沒有達到人類想要的效果。隨著語料庫語言學的不斷發展，人們逐漸引入了基于實例和基于統計這兩種與語料庫的應用密切結合的翻譯方法。基于語料庫的機器翻譯迅速發展，取得了巨大成績。

二、基于語料庫的機器翻譯

（一）用于機器翻譯的語料庫

語料庫依據不同的標準可以分為不同的類別。與翻譯研究相關的語料庫有三類：平行語料庫，可比語料庫和多語語料庫。

平行語料庫收集了某種語言的原文本，以及該語言翻譯成另外一種語言的目標語言文本。可比語料庫收集了某種語言的原文，以及從其它語言翻譯成該語言的文本。多語語料庫收集兩個或者多個單語種語料，由這些語料組成復合語料庫。

（二）基于語料庫的機器翻譯方法

機器翻譯方法分為基于規則的翻譯方法和基于語料庫的翻譯方法。基于語料庫的翻譯方法又可以分為基于實例的翻譯和基于統計的翻譯。它們的區別在于：前者語料庫會作為一種翻譯知識參與翻譯，供翻譯主體查詢。后者語料庫的是用來尋找最有可能成為目標語的句子，不進行具體的翻譯實踐。

（1）基于實例的機器翻譯方法

基于實例的機器翻譯方法最早是由日本著名機器翻譯專家長尾真（Nagao Makoto）提出來的。他通過研究日本英語初學者翻譯句子的過程歸納總結了機器翻譯的基本原則。他認為人類在翻譯過程中，并不會進行深層的語言學分析，而是會在已經形成的知識庫中盡可能尋找與需要翻譯的句子相似的結構，通過類比的手段，得到目標語的譯文。將這一思想運用到機器翻譯中的表現就是：給出待翻譯的句子S，在雙語語料庫中尋找與待翻譯句子最相似的句子V，V的譯文T就是S的譯文。在這一翻譯的過程中，起基礎性作用的一個大型的雙語語料庫。翻譯過程中的相似度計算是決定翻譯質量的重要因素。

基于實例的機器翻譯方法主要有三種類型：完全實例，實例句型轉換的翻譯以及實例近似翻譯。

就基于實例的這一翻譯方法而言，當前主要存在的技術方面的問題：在詞匯與短語對齊層次中，如何避免歧義實現正確的對齊;在尋找最相似實例層次中，如何計算相似度，找到最相似，最恰當的實例;如何將已經尋找到的實例片段進行有效的組合形成譯文;如何提高翻譯實例的覆蓋率等。

（2）基于統計的機器翻譯方法

基于統計的機器翻譯方法第一次提出是由IBM研究者于1990年左右提出來的。從2002 年開始，美國國家標準技術研究所（NIST）在美國ARPA的支持下開始開展一年一度的機器翻譯測評工作，基于統計的機器翻譯方法遙遙領先于傳統的基于規則的翻譯方法。最近幾年，基于統計的機器翻譯方法發展迅速，逐漸成熟。

基于統計的機器翻譯方法的中心思想：認為目標語中的任何一個句子都有可能是源語言的譯文，而唯一的不同就是它們成為源語言譯文的概率不同，機器翻譯的任務就是通過計算找出概率最大的句子。這一方法是通過對數據庫的分析對比將知識抽象成模型，根據統計模型來尋找最恰當的譯文。

基于統計的機器翻譯方法一共包含兩種模型：翻譯模型和語言模型。翻譯模型是用來計算將源語言翻譯成目標語的概率，也就是計算一個指定的語言串翻譯成為另一個語言串可能性。而后者是用來計算已經翻譯好的譯文可能出現在目標語中的概率，也就是計算譯文語言串在目標語中存在的合理性。

基于統計的機器翻譯方法中統計模型是直接從語料庫中獲取的，無需人工總結，時間短，效率高。譯文來源于人工語料，表達地道。但是，依據該方法，翻譯效果極大取決于翻譯模型和語料庫的覆蓋程度，語料難以收集的少數民族語言翻譯很難運用這一方法。利用統計模型進行翻譯，模型很難反映出句子內部的所存在的差異，也無法解釋差異較大的語言之間內部的復雜的結構對應關系，因此，通過這一方法得到的譯文經常會出現翻譯腔，譯文晦澀難懂。

三、基于語料庫的機器翻譯的前景

基于統計的機器翻譯方法從語言現象入手，通過相對理性的模型得到譯文。基于實例的機器翻譯方法從機器自身學習的角度通過對實例的分析推理得到譯文。每種翻譯方法都存在缺陷。但是，兩種方法互不排斥。基于語料庫的機器翻譯的前景是將各種方法的優點有機地結合起來，進一步提高機器翻譯系統的性能。現在，基于語料庫的機器翻譯的前景就是如何將各種方法各自的優點發揮到最大限度，并將它們有機的結合起來，從而進一步改善并且提高機器翻譯系統的性能。

基于語料庫的機器翻譯方法的另一個發展方向在學科之間的交叉融合上，與自然科學，如神經學科的融合促進機器翻譯的人工智能化，與社會科學，如語言學和社會文化研究結合將促進機器翻譯更多的考慮到文化因素的影響。從而，改善基于語料庫的機器翻譯的性能。

參考文獻

[1] 任敬輝.國內基于語料庫的翻譯研究綜述（2007-2013）[J].長春師范大學學報，2015，34（06）：118.

[2] 李也剛，黃河燕，史樹敏，等.多策略機器翻譯研究綜述[J].中文信息學報，2015，29（02）：2.

[3] 戴新宇，尹存燕，陳家俊，等.機器翻譯研究現狀與展望[J].計算機科學，2004，31（11）：177.

[4] 馮志偉.基于語料庫的機器翻譯系統[J].術語標準化與信息技術，2010（01）：28-32.

[5] 楊憲澤.機器翻譯的一些處理方法探討[J].西南民族大學學報（自然科學版），2004，30（01）2-3.

[6] 楊憲澤.基于實例的機器翻譯處理方法[J].計算機工程，2003，29（21）：51-52.

[7] 楊憲澤.漢英混合式機器翻譯難點研究[J].西南民族大學學報（自然科學版），2016，42（03）：304-305.

作者簡介：鐘媛媛（1994.12- ），女，山西忻州人，碩士，研究方向：外國語言學及應用語言學;延宏（1972- ），男，陜西綏德人，副教授，博士，研究方向：科技英語翻譯。