基于機器輔助的高校英語專有名詞自動翻譯研究＊

趙元

（陜西中醫藥大學外語學院，陜西 咸陽 712046）

1 引言

互聯網技術的迅速普及，為機器翻譯提供了發展平臺，實時為用戶提供在線翻譯，可操作性和實用性較強。因此，研究機器輔助自動翻譯方法，相互轉換輸入語言，為用戶提供滿意的翻譯結果?，F階段，國外研究機器翻譯起步較早，英美率先提出利用計算機進行翻譯的想法，伴隨近代計算機技術的進步，人們對機器翻譯本身的應用背景、目標等有了更加準確的認識。國內機器翻譯的研究從50年代開始，多家大學和研究機構先后開發出俄漢、英漢、漢英、日漢、漢日等機器翻譯系統。文獻[1]采用DFMapper 作為機器輔助翻譯工作，利用SQL 解析器和語義概念樹，將其轉換為正確的HiveQL 語句，但該方法認為所有短語的語義匹配概率相等，導致數據召回率較低。文獻[2]采用知識數據庫管理思想，構建由校正單元、翻譯單元、管理單元、收發單元組成的系統架框，輔助英語翻譯，但該方法對單元功能性分析不全面，導致翻譯準確率較低。文獻[3]分析翻譯內容的語義本體結構，構建句子、短語、單詞的智能翻譯語料庫實現翻譯智能化，但該方法篩選的語義信息匹配程度不高，數據召回率同樣較低。針對以上問題，設計基于機器輔助的高校英語專有名詞自動翻譯方法，匹配用戶輸入名詞和語料庫檢索名詞語義，優化英語名詞翻譯的召回率和準確率。

2 機器輔助的高校英語專有名詞自動翻譯方法

2.1 英語平行語料庫構建

構建大數量、高質量的英語平行語料庫，為機器輔助提供大量語料。將多種格式的文件，都轉化為doc 格式。將英語專有名詞作為文本向量包含的特征項，令名詞的相對詞頻表示向量分量。計算文本向量中特征項的權重，第i個專有名詞的逆文獻頻率hi計算公式為：

其中mi為含有名詞的文本數目，M為文本總數。名詞i在文本j中的初始頻率ki，j計算公式為：

其中li，j為名詞i在文本j中的標準化頻率，max(li，j)為i在j中出現的所有次數。名詞i在文本j中的權重wi，j計算公式為：

將權重最大的名詞作為特征串，得到名詞之間的語義相似度。將名詞序列看作一個字符串，統計兩個字符串的公共子串個數。計算名詞i語法相似度Ki，公式為：

其中a為公共子串個數，bi、ci分別為任意兩個文本中名詞序列的名詞個數[4]。提取對齊名詞，導入名詞至數據庫，完成英語平行語料庫的構建。

2.2 構建英語專有名詞語義模型

構建語義模型，匹配語義關聯的用戶輸入名詞、語料庫中的檢索名詞。通過語義分割，實現語料庫檢索名詞的內部關聯[5]。

將專有名詞作為詞向量，把名詞總數作為詞向量維度，按順序編入名詞至詞向量中，使名詞對應詞向量的維度值為1，其余維度為0[6]。設用戶輸入的名詞序列為R，機器翻譯在語料庫中檢索的名詞序列為L，R和L的關聯系數O(R，L)計算公式為：

其中m、n分別為R序列和L序列對應的詞向量，Hmax為序列中對應詞向量的余弦相似度最大值，d為放大系數，設置系數的限值范圍為[-1，1]，用于詞向量間余弦相似度的調整[7]。引入字符匹配算子，計算R和L映射后的名詞語義關聯程度，公式為：

其中D(R，L)為輸入名詞序列和檢索名詞序列的編輯距離，u1、u2分別為關聯系數和編輯距離的相對權重，r為詞向量序列的字符匹配算子。通過公式(6)，進一步篩選與用戶輸入名詞關聯程度高的詞向量。根據篩選后的所有語料庫檢索名詞集合z，獲得用戶輸入名詞的相關性參數集合B(R)，表達式為：

其中Sz為集合z的評價集，G(M)為評價集實數M的整算子，ez為集合z的語義分布，U為評價集包含元素個數提取B(R)的二元語義信息，立二元語義相關的概念樹，完成英語專有名詞語義模型的構建。

2.3 選取語義最優匹配譯文組合

優化英語專有名詞翻譯算法，組合用戶輸入名詞、語料庫檢索名詞相匹配的語義特征，輸出英語專有名詞譯文。建立名詞語義匹配的評價體系。計算第x個組合的距離相對貼近度Cx，公式為：

其中Ix為組合x二元語義信息的符號轉移值，maxSx為組合x二元語義信息的最大關聯程度。譯文組合x的語義相對貼近度Zx計算公式為：

其中W為語義模型對名詞語義匹配的決策函數，f1、f2分別為組合中輸入名詞和檢索名詞的字符串長度。在此基礎上，獲得輔助名詞和檢索名詞的概念集。譯文組合調整的翻譯規則函數Q，計算公式為：

其中E(L)、E(T)分別為檢索名詞、輔助名詞交互信息的交互系數，g為交互特征的語義關聯程度。為貼近度和翻譯規則函數分配評價權系數，計算名詞語義匹配的最終評價值N為：

3 實驗論證分析

將此次設計方法，與基于微處理器的英語名詞自動翻譯方法、基于規則和統計的英語名詞自動翻譯方法，進行對比實驗，比較英語專有名詞自動翻譯的準確性。

3.1 實驗準備

實驗數據為25000對漢英專有名詞，其中英語專有名詞平均長度為5．12個詞，英語專有名詞平均長度為5．01個詞，語料來自LDCt。將英語專有名詞文件上傳服務器，審核文件通過后，標記目標文件，設置專有名詞的取詞頻率為14KHz，名詞最大長度為900Bit，英語語義和漢語語義的概念集，分別設定為250 個樣本和270 個樣本，作為三種方法的自動翻譯文本。

3.2 實驗結果

3.2.1 數據召回率實驗對比結果

設置名詞語義特征維度為100，改變英語專有名詞的詞匯包大小，比較三種方法的數據召回率，實驗對比結果如下圖所示。

由上圖可知，英語翻譯的數據召回率，整體隨詞匯包大小的增加而增加。設計方法數據召回率分別提高了4．4%和6．8%。將專有名詞語義特征維度作為測試條件，設置詞匯包大小為400Gibt，統計不同特征維度下的召回率，實驗對比結果如下圖所示。

由上圖可知，數據召回率隨語義特征維度的增加，整體呈先增加后減小的變化。設計方法數據召回率分別提高了7．0%和8．5%，提高了英語專有名詞翻譯的準確性。

3.2.2 翻譯準確率實驗對比結果

比較三種方法英語專有名詞翻譯的準確率，不同詞匯包大小下的實驗對比結果如下圖所示。

由上圖可知，詞匯包大于300Gibt 時，設計方法翻譯準確率增長速率迅速提升，準確率與另兩種方法相差較大。設計方法翻譯準確率分別提高了0．9%和2．2%。不同語義特征維度下的翻譯準確率實驗結果如4圖所示。

由圖4可知，專有名詞語義特征維度增加時，三種方法翻譯準確率也隨之增加，但上升幅度不大。設計方法翻譯準確率分別提高了1．4%和3．5%。

3.2.3 F值實驗對比結果

在前兩組實驗的基礎上，比較三種方法英語翻譯的F值，F值表示召回率與準確率的調和均值，F值計算公式為：

其中r、s分別表示召回率和準確率。不同詞匯包大小下的實驗對比結果如下圖所示。

由上圖可知，專有名詞F值隨詞匯包大小的增加而增加，匹配率增加的上升速率趨于緩慢。針對不同詞匯包大小，設計方法F值分別提高了3．5%和6．4%。

4 結束語

此次研究設計了一種英語專有名詞自動翻譯方法，充分發揮了機器輔助技術優勢，提高了英語專有名詞翻譯的準確性。但此次研究仍存在一定不足，在今后的研究中，會對英語專有名詞文件進行內部解析工作，完善文件解析的核心應用組件，支持多種格式文本的翻譯工作，提高機器輔助翻譯的兼容性。