（电路与系统专业论文）基于本体的英汉翻译记忆系统模糊匹配的研究[电路与系统专业优秀论文].pdf

摘要 相似句子的匹配与查找是翻译记忆中的关键技术，其中语义的 表达和理解占据着非常重要的作用。本文将语义网中的本体技术引 入到翻译记忆系统中，来提高机器翻译的语义处理能力。 论文介绍了机器翻译的研究发展现状和现有的技术方法，分析 了翻译技术中存在的问题，同时对本体工程理论进行了研究，探讨 了本体在机器翻译技术中的优势，提出了将本体引入到翻译记忆系 统中的思想。 结合本体构建原则、方法和现有w o r d n e t 结构，研究了面向机 器翻译领域本体的构造方法。以计算机文献领域的专业术语为范围 构建了一个知识本体c s o 。为相似语句的查找提供了一个语义空间。 对机器测评中句子间的模糊匹配算法进行了研究，将其应用于 翻译记忆中的句子匹配中，对算法中存在的不足进行了分析。将本 体中的概念相似度算法引入到模糊匹配算法中，通过对现有模糊匹 配算法的改进，从语义上提高了系统检索相似语句的能力。 对基于本体的模糊匹配算法进行了实验测试，验证了算法的可 行性。实验表明，通过引入本体，能够较全面地搜索到一些被忽略 的、语义相近的模糊词对，句子的相似度也得到了定的提高，从 而提高了系统的匹配成功率。 关键词：机器翻译，翻译记忆，本体，概念相似度，模糊匹配 a b s t r a c t m a t c ha n ds e a r c ho ft h es i m i l a rs e n t e n c ei so n eo ft h ek e y t e c h n o l o g i e si nt r a n s l a t i o nm e m o r y s e m a n t i ce x p r e s s i o na n d u n d e r s t a n d i n gp l a y sa ne x t r e m e l y i m p o r t a n tr o l e o n t o l o g y t e c h n o l o g yo fs e m a n t i cn e ti sp r o p o s e di nt h i sp a p e rs oa st o i m p r o v et h es e m a n t i ca b i l i t yo fm a c h i n et r a n s l a t i o n t h er e s e a r c hb a c k g r o u n da n dt e c h n i c a lm e t h o d so fm a c h i n e t r a n s l a t i o na r ei n t r o d u c e dh e r e a n dt h ep r o b l e m se x s i t e di s a n a l y z e d m e a n w h i l e ，t h r o u g ht h er e s e a r c ho fo n t o l o g yt h e o r y ， t h e s u p e r i o r i t y o f o n t o l o g y i nm a c h i n et r a n s l a t i o ni s d i s c u s s e d a n dt h et h o u g h t o f o n t o l o g yi sa p p l i e d i n t r a n s l a t i o nm e m o r y c o m b i n i n go n t o l o g yp r i n c i p l e ，m e t h o da n dw o r d n e ts t r u c t u r e ， t h eo n t o l o g yc o n s t r u c t i o nm e t h o df a c i n gm a c h i n et r a n s l a t i o n i ss t u d i e da n dak n o w l e d g eo n t o l o g yn a m e dc s oi sc o n s t r u c t e d w i t h i nt h es c o p e o ft e r m i n o l o g y o fc o m p u t e r l i t e r a t u r e o n t o l o g yp r o v i d e sas e m a n t i cs p a c e i ns e m a n t i c s i m i l a rs e a r c h t h ef u z z ym a t c h i n gs t r a t e g yo fm a c h i n ee v a l u a t i o ni s a p p l i e di ns e n t e n c em a t c ho ft r a n s l a t i o nm e m o r y ，o fw h i c ht h e i n s u f f i c i e n c ye x i s t e di sp r e s e n t e d f u r t h e r m o r e ，t h ed e g r e eo f c o n c e p ts i m i l a r i t ya l g o r i t h mi su s e da sw e l lt oi m p r o v et h e a b i l i t yo fs e a r c h i n gs i m i l a rs e n t e n c e e x p e r i m e n t a lr e s u l t ss h o wt h a ta l g o r i t h mc a nf i n do u t n e g l e c t e dm e a n i n g f u lw o r dp a i r sf a i r l yw e l l t h ep r e c i s i o no f f u z z y - m a t c h e dw o r dp a i r sa n dt h es e n t e n c es i m i l a r i t yi s i m p r o v e dc o r r e s p o n d i n g l yb yi n t e g r a t i n gt h ef u z z ym a t c h a l g o r i t h ma n dd e g r e eo fo n t o l o g yc o n c e p ts i m il a r i t y k e yw o r d s ：m a c h i n et r a n s l a t i o n ，t r a n s l a t i o nm e m o r y ，o n t o l o g y ， c o n c e p ts i m il a r it y ，f u z z ym a t c h l i l 湖南师范大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用的内容外， 本论文不含任何其他个人或集体已经发表或撰写过的作品成果。 对本文的研究做出重要贡献的个人和集体，均已在文中以明确方 式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：年月日 湖南师范大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。本人授权湖南师范大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 本学位论文属于 作者签名： 导师签名： 1 、保密口，在年解密后适用本授权书。 2 、不保密口。 ( 请在以上相应方框内打“ ”) 日期：年月 日 日期：年月 日 基于本体的英汉翻译记忆系统模糊匹配的研究 第1 章绪论 1 1 选题背景和课题来源 随着经济全球化和互联网的发展，人们需要利用计算机处理各种 各样的信息，然而语言壁垒给人们接收和处理其他语言的信息造成了 很大的障碍，不同国家、民族之间越来越需要跨语言的交流。因此对 机器翻译的需求也越来越迫切。 8 0 年代初，随着计算机技术和语言理论的不断进步，不断涌现的 新方法、新理论振兴了机器翻译的发展，但对于机器翻译中语义的表 达和处理，一真以来也没有找到比较理想的方法。机器翻译的先驱者 之r e i f l e r 曾经说过：“机器翻译最根本的是处理语义”。虽然经过 多年的努力和探索，这个问题仍然没有得到有效的解决。本体的出现 为解决语义问题提供了新的思路。 本体技术是9 0 年代在人工智能、知识工程领域兴起的一个新的研 究领域。作为一种知识表示、知识共享的工具，本体表达了独立于语 言的世界知识，恰好可以作为表达语言深层语义的一个有效手段。随 着其研究的不断深入和推广，一些研究者也开始将本体引入自然语言 领域，为表达和处理语义提供帮助。国外已出现了一些运用本体的机 器翻译系统，如m i k r o k o s m o s “7 、s u m o c z l 。在国内这个领域也有些学 者进行了尝试，如董振东教授的“知网”( 面向汉英自然语言处理系 统”嘲，王小捷的“基于o n t o l o g y 的英汉机器翻译系统”。 本文研究内容来源于省自然科学基金项目“基于本体分类的翻译 记忆系统的研究”( 0 5 j j 3 0 2 0 5 ) ，将知识工程和语义网的新方法一本 体引入到机器翻译系统中，对面向计算机辅助翻译领域的本体构建和 模糊匹配算法进行了研究。 湖南师范大学硬士学位论文 1 2 机器翻译的研究进展 1 2 1 机器翻译的发展史 机器翻译( m a c h i n et r a n s l a t i o n ) ，又称机译( m t ) ，就是计算机 实现从一种自然语言文本到另一种自然语言文本的翻译陆1 ，是集语言 学、数学、心理学和计算机科学等多种科学的一门综合性科学嘲。 机器翻译的研究自计算机诞生之初就被提出来了，1 9 4 6 年，计 算机诞生之初，英美两个工程师布斯( a d 。b o o t h ) 和韦弗( w w e a v e r ) 第一次提出了利用计算机进行语言自动翻译的想法。1 9 4 9 年，韦弗 在题为翻译的备忘录中，正式提出了机器翻译问题。1 9 5 4 年， 美国乔治顿大学与i b m 公司合作，实现了世界上第一个淑系统，标 志着机器翻译从设想开始走向实践。从那以后，世界各国纷纷投入人 力物力进行机器翻译研究。 机器翻译的发展，可以分为草创期、复苏期、发展期三个时期。 在草创期( 1 9 5 4 1 9 7 0 ) ，人们对机器翻译的复杂性估计不足，认 为好的译文可以通过查字典和重新排列词序两步操作来得到，在翻译 过程中很少进行句法处理，因此译文的可读性很差，难于付诸实用。 1 9 6 6 年1 1 月，美国科学院发表了黑皮书语言与机器报告，简称 a l p a c 报告，对机器翻译采取否定的态度，认为机器翻译研究遇到了 难以克服的“语义障碍”，在短期内无法研制出实用化的机器翻译系 统。a l p a c 报告的发表，使得世界上许多国家纷纷停止了对机器翻译 研究的支持，机器翻译的研究从此陷入低谷踟。 在复苏期( 1 9 7 0 1 9 7 6 ) ，c h o m s k y s 哺1 提出的转换生成语法在语言 学理论上取得了重大发展，机器翻译开始以基于转换的语法规则为 主，并且伴着人工智能的发展，不断在m t 研究中引入人工智能技术， 人工智能方法的主要应用时语义表示和分析、知识库应用等。之后由 于计算机软硬件的飞速发展，计算机可读的大规模语料库越来越容易 获取，使得整个婀研究的视野发生了改变，标志着舡研究进入了一 基于本体的英汉翻译记忆系统模糊匹配的研究 个新的时期”。 繁荣期( 1 9 7 6 一至今 ，以1 9 7 6 年加拿大蒙特利尔大学与联邦政 府翻译局联合开发的实用性机器翻译系统t a u mm e t e o 正式提供天气 预报服务为标志的m 1 。之后许多发达国家相继投入了巨额资金开展全 国性和多国性的联合研究，如欧共体( 欧盟前身) 的e u r o t r a ，日本的 m u ，美国c m l 的机器翻译研究等。基于间接翻译的方法得到了更大的 发展，转换分析的层次从简单的语法层次发展到了语法和语义相结合 的更深层次；同时，还出现了其它基于实例和统计的翻译技术。 我国的机器翻译研究始于1 9 5 6 年，是最早开展机器翻译研究的 国家之一n 1 1 。但因为“文革”有过1 0 年的停滞。7 0 年代中期，我国 机器翻译研究从停滞走向了复苏。8 0 年代中期到9 0 年代初期产生了 两个在中国机译史上具有重要意义的实用化系统。它们分别是军事科 学院研制的“科译1 号( k y 一1 ) ”英汉机译系统和中科院计算所研制 的面向通用领域的高性能英汉机译系统“i m t i e c 一8 6 3 ”。“科译1 号” 发展成为今天的“译星”系列机器翻译软件，“i m t i e c 一8 6 3 ”发展成 为今天的华建系列翻译软件。在语言信息、处理这一领域方兴未艾之 际，机器翻译又重新成为人们研究的热点。 1 2 2 机器翻译技术的国内外研究现状 舭技术在不断发展中主要形成了几种基本的研究方法：基于规 则( r u l e b a s e d ) 的方法；基于语料库( c o r p u s - b a s e d ) 的方法“4 ”1 ，以 及计算机辅助翻译方法1 。 1 基于规则的机器翻译方法 基于规则的机器翻译( r u l e - b a s e dm a c h i n et r a n s l a t i o n ，简称 r b m t ) 方法是传统的也是一直占主导地位的方法，由于6 0 年代 c h o m s k y 提出的转换生成语法理论被广泛接受，从6 0 年代到8 0 年代 中主宰了自然语言处理以及语言学和心理学的研究，不管是在欧美， 还是在中国，基于规则的方法在机器翻译中一直占据主流地位的技术 湖南师范大学硕士学位论文 路线。基于规则的机器翻译( r u l e b a s e dm a c h i n et r a n s l a t i o n ，简 称r b m t ) 是到目前为止最成熟的，应用最广的技术。r b m t 方法把翻译 过程看作是一个在语言学知识引导下的符号变换，通过这种方法要求 把有关源语言和目标语言的知识以计算机可以“看懂”的形式表示出 来“。基于规则的m t 方法是通过先构造供翻译用的词语信息库和句 法语义规则库，然后对源语言语句的词法、语义、语法和句法进行分 析并进行判断和取舍，重新进行排列组合，最后生成目标语言。这一 过程是使用人工智能的理论建立系统和推理机，模仿人脑翻译的过 程。通过语言现象的综合和认识，不断总结其规律，形成自己的语法 和语义规则体系。系统利用这些规则来分析输入的语言，形成一种内 部表示。然后，根据这种内部表示转换成相应的目标语言结构，并形 成译文。 基于规则的方法在m t 发展中起了极为重要的作用，在国内有 8 6 3 一m t e c 英汉系统、“译星”英汉系统、m a t r i x 英汉系统、中科 院计算所与北京大学计算语言学研究所联合研制的汉英机器翻译系 统”、东方快车、金山快译等；在国外有乔治敦大学的机译系统、法 国格勒诺布尔大学的俄法机译系统、加拿大的t a u m - m e t e d 系统、日 本的a t l a s ，法国纺织研究所的t i t u s i v 系统、美国的s y s t r a n 系 统等。 但是随着研究者对m t 系统处理真实文本的不断测试，发现由人 工确定的有限规则难以翻译大规模的现实语句“町，而且基于规则的机 器翻译系统需要庞大而复杂的规则库支撑，规则的来源是专家的知 识，获取和维护耗时费力，又无法避免冲突。规则的获取和维护瓶颈 难以跨跃“”，导致基于规则的机器翻译系统质量几十年没有本质性提 高，在可以预见的将来靠获取全面的规则仍然是不现实的。 2 基于语料库的机器翻译方法一 8 0 年代末以后随着语料库语言学的兴起，基于实例的机器翻译 ( e x a m p l eb a s e dm a c h i n et r a n s l a t i o n ，e 蹦t ) 得到越来越多的研究 2 0 o 基于语料库方法的原理是利用统计学和概率方法建立一个包含各 基于本体的英汉翻译记忆系统模糊匹配的研究 种句型的对照语料库，在翻译时，从语料库中抽取与输入句子相类似 的例句，然后模仿例句来实现源语言与目标语言的转换。采用这种技 术能够得到可读性和准确性较好的译文，但这种方法的难点在于庞大 语料库构筑及其有效运行机制的建立。这种技术目前己越来越受到重 视并己在很多产品的开发中得到应用。它包括基于统计的m t 方法和基 于实例的机器翻译方法。 基于统计的m t 方法口“最早由i b m 的研究者提出来。主要特征是 以概率统计与随机过程的方法，这种方法的主要内容是双语句对的对 齐，通过词汇同现的可能性来计算一种语言的一个词映射到另一种语 言的一个词的概率。 基于实例的机器翻译通常称以类比为特征的的语料库机器翻译 方法。基于实例的机器翻译( e x a m p l e - b a s e dm a c h i n et r a n s l a t i o n ， 简称e b m t ) 根据自然语言处理中的相似性原理，模仿相似实例的翻译 来实现源文的翻译嘧1 。其基本思想是由日本著名的机器翻译专家长尾 真( m a k o t on a g a o ) 1 9 8 4 年在他的论文中提出的。通过参考人的翻译 过程，计算机也运用类比的原则完成翻译，即给定机器翻译系统一些 例句及对应的译文，系统一定能够根据一定的原则识别所给例句的相 似和差异之处，进而翻译。 3 计算机辅助翻译( c a t ) 技术 提供f a h q t ( 全自动高质量的翻译) 一直是机器翻译研究者的理 想目标，然而这一目标还远未能实现。9 0 年代初期，人们开始认识 到，尽管有希望实现对翻译引擎的最终改进，但是目前最现实的选择 是脚踏实地地改变机器翻译的形象。翻译界认为，机器翻译目前在精 确翻译领域还没有能力实现“全面的解决方案”。 计算机辅助翻译被定位为翻译人员的“有益的助手”，能够帮 助那些不是翻译家的人获取、理解并传播信息。基于这一背景，人们 提出了机助翻译的方法，该方法的技术核心是翻译记忆( t m ) 技术。 由于人的翻译是在过去经验的基础上进行的，面对新的翻译对象 时总是先回忆是否己经翻译过相同的语句，或者是曾经翻译过非常相 湖南师范大学硕士学位论文 似的语句嘲1 。随后将原翻译的有关信息和翻译知识应用到当前的翻译 任务中。翻译记忆( t r a n s l a t i o nm e m o r y ，简称t m ) 技术就是以这个 思想为出发点，利用以前的翻译经验为新的翻译任务提供思路和信 息。在实际的翻译过程中我们常常会发现，很多内容都和以前翻译过 的相似甚至有相当一部分是完全相同的。据统计，在翻译同类文章特 别是某类文档的不同版本时，记忆功能非常有用，最多可达到6 0 9 6 的 内容不需翻译。法国塔多思( t r a d o s ) 公司的翻译工具和中国北京雅信 c a t 翻译平台就是一种计算机辅助翻译系统。 从技术路线上看，t m 技术脱胎于基于实例的机器翻译方法n 町， 它以双语( 或多语) 标注语料库为基础，通过人机交互实现翻译实例的 记忆积累，再通过类比匹配的方法建立基于记忆的目标译文。由于采 用了基于实例的知识表示方法，t m 技术较好地解决了知识获取的难 题。同时n l 技术“并不试图取代翻译人员，而努力成为他们的友好 的助手，避免翻译中的重复劳动，维护翻译的一致性”。在实际应用 中，t m 技术确实在避免重复劳动和维护翻译一致性方面有很好的表 现。 t m 技术通常通过三个阶段实现类比翻译处理：( 1 ) 实例检索， 即通过翻译实例检索机制，经过相似度计算，从翻译实例库里抽取与 输入内容最优匹配的翻译实例；( 2 ) 类比映射，即建立输入语句同翻 译实例在不同语言单位上的对应关系，这些语言单位包括字符、单词、 短语、子旬甚至句子；( 3 ) 类比转换，即通过译文构造机制，利用检 索得到的最优匹配翻译实例，构造输入语句的译文。 事实上，有些t m 应用提供的解决方案只执行到第二阶段就不往 下处理了，而只将相似度和对应关系表示出来，从而明确表达出输入 内容同翻译记忆源文的差异，并将翻译记忆的译文直接推荐给用户， 由用户进行第三阶段的类比转换处理。这种做法回避了类比译文构造 的困难，因而更容易实现。 基于本体的英汉翻译记忆系统模糊匹配的研究 1 3 目前机器翻译系统存在的问题 随着人工智能和计算语言学的理论与技术的发展和进步，机器翻 译的方法与技术也得到了很大的提高与发展，各种机器翻译方法为解 决语言障碍做出了不可忽视的贡献。但由于电脑与人脑有着本质性的 差别，加上自然语言表达的繁杂和不规范性以及各种机器翻译方法本 身都具有不同程度的局限，虽然语言学工作者与计算机专家想出了许 多方法，用电脑模拟人脑的功能与思维方式，但是始终无法模拟出人 类基于先验知识的那种“单刀直入”式的思维效果。到目前为止，机 器翻译系统的翻译质量以及译准率仍然不尽人意。 基于规则的机器翻译系统需要庞大而复杂的规则库支撑，规则的 获取和维护瓶颈难以跨跃，导致基于规则的机器翻译系统质量几十年 没有本质性提高。基于语料库的方法则需要构建庞大的语料库支持。 计算机辅助翻译系统它以人作为主体，机器辅助人来进行翻译， 己在某些领域取得了良好的应用效果。但是对于某些特定的领域如各 种科技专业文献领域，其难以满足实际需要。问题主要表现在： ( 1 ) 翻译软件以通用性为主，对特定领域的专业性术语并未做特 定处理。例如专业术语中有很多缩略词，在一般通用型的翻译软件中 是没有考虑的。例如c p u 与p r o c e s s o r 系统不会认为其具有相似性。 ( 2 ) 目前市场上的翻译记忆软件其句子匹配仍然以完全匹配或部 分完全匹配为主，很少考虑模糊匹配的情况。 机器翻译的研究进入了反思的理性阶段，人们对机器翻译的研究 开始有了一些新的认识： ( 1 ) 机器翻译最根本的是处理语义。要让计算机能够模拟人脑， 必须使计算机能在理解的基础上进行翻译。理解主要是语义上的理 解，必须要以。定的知识为基础。对自然语言的理解，需要如下两大 类知识，第一大类为语言学知识，第二大类为世界知识乜”。 ( 2 ) 在传统的机器翻译系统中，知识库作为存储知识、为翻译转 换过程提供所需知识的地方，仅包含了词典、语法规则或语料信息， 这些知识仅是语言学方面的知识，不能为语义分析提供所需要的知 识。所以，虽然传统的机器翻译系统也称其具有“理解”自然语言的 能力，但是它的理解只停留在“刺激一反映”的层次上。原因就是， 它的知识库中不包括第二大类知识一世界知识，所以达不到真正意义 上的理解，也就无法很好的消除歧义。为了能够更深层次的理解，机 器翻译系统的知识库中须包括世界知识，而且这些知识应是结构化 的、形式化的，不仅能够挖掘出语句中的深层的语义结构且能为机器 翻译系统识别。因此利用语义知识对自然语言进行语义分析，有利于 解决句法分析不能解决的歧义问题，从而更好地理解语言，使计算机 基于理解来进行翻译。 1 4 研究内容 从指导思想上来说，本文研究的目标是在受限领域内( 科技文献 领域) 通过计算机辅助翻译的方法来改善目前传统的机器自动翻译的 不足，从技术层面上说，本文研究着眼于将语言学和世界知识相结合， 引入本体技术从语义方面实现机器对语言表达的真正理解。本文的研 究内容如下： ， 1 研究了机器翻译的发展现状和现有的技术方法，分析了翻译 技术中存在的阿题，同时对本体工程理论进行了研究，探讨了本体在 机器翻译技术中的优势，提出了将本体引入翻译记忆系统中的思想。 2 对本体构造原则和方法进行了研究，利用本体工具构建了一个 面向科技文献英汉翻译这一特定领域的小型本体一“计算机”领域本 体。 3 对翻译测评中的模糊匹配策略进行了研究，将其应用于辅助翻 译的句子匹配中。同时对本体的概念相似度算法进行了研究。将本体 中的概念相似度算法引入到模糊匹配算法中，通过对现有模糊匹配算 法的改进，从语义上提高了系统检索相似语句的能力。 4 对算法的可行性进行了实验测试，并对两种算法进行了性能比 基于本体的英汉翻译记忆系统模糊匹配的研究 较分析。 1 5 本文结构 本论文共分5 章。第一章为绪论，阐述了课题来源、研究背景和 意义，对机器翻译的研究现状和存在的问题进行了分析，同时介绍了 本文的研究内容。第2 章为本体技术的相关研究综述，介绍了本体的 相关概念，分类、本体描述语言和工具，并对本体在机器翻译中的作 用及优势进行了分析。第3 章对面向机器翻译领域的本体构建原则和 方法进行了阐述，构建了一个面向计算机专业文献翻译领域的本体。 第4 章对机器测评的模糊匹配算法进行了研究，并通过第3 章构建的 本体，引入本体的概念相似度算法来提高句子中实词之间语义相似的 准确度，从而提高相似查找的匹配成功率。第5 章是对前几章所研究 的关键技术及算法进行了实验，主要是对翻译记忆中的句子相似查找 进行测试，对几种算法进行性能比较分析。各章的联系和全文的组织 结构如图1 - 1 所示： l 第1 章绪论 i i 第2 章 本体技术相关研究综述 l i第3 章术语本体的构建 i f第4 章基于本体的模糊匹配算法的研究 j i第5 章一个基于本体的模糊匹配的实验测试 图卜l 论文结构图 f i g 1 1 s t r u c t u r eo fp a p e r 湖南师范大学硕士学位论文 第2 章本体技术相关研究 2 1 本体概述 2 1 1 本体的定义 o n t o l o g y 最早是一个哲学的范畴，后来随着人工智能的发展， 被人工智能界给予了新的定义。然后最初人们对o n t o l o g y 的理解 并不完善，这些定义也出在不断的发展变化中，比较有代表性的 定义如表2 - 1 所示： 表2 - 1 典型的本体概念定义 t a b i , 2 - 1t y p i c a id e f i n i t i o no fo n t o i o g yc o n c e p t 范畴提出时间提出人定义 哲学 客观存在的一个系统的解释和说明，客观现 实的一个抽象本质 计算 1 9 9 ln e e h e s 给出构成相关领域词汇的基本术语和关系 机 以及利用这些术语和关系构成的规定这些词 汇外延的规则定义 1 9 9 3 g r u b e r 概念模型的明确的规范说明 1 9 9 7b o r s t 共享概念模型的形式化规范说明 1 9 9 8s t u d e r 共享概念模型的明确的形式化规范说明 目前在人工智能领域普遍被接受的是s t u d e r 给出的定义：知识 本体是共享概念模型的形式化规范说明瞌“。该定义体现了 o n t o l o g y 的四层含义： 1 概念化：通过抽象出客观世界中一些现象的相关概念而得到 的模型，其含义独立于具体的环境状态； 2 明确：所使用的概念及使用这些概念的约束都有明确( 显式) 的定义。 3 形式化：知识本体是计算机可读的； 基于本体的荚汉翻译记忆系统模糊匹配的研究 4 共享：知识本体中体现的是共同认可的知识，反映的是相关 领域中公认的概念集，它所针对的是团体而不是个体； o n t o l o g y 的目标是捕获相关的领域的知识，提供对该领域知 识的共同理解，确定该领域内共同认可的词汇，并从不同层次的 形式化模式上给出这些词汇和词汇之间相互关系的明确定义。 此外，最近k a r l s m h e 大学的e r o l b o z s a k 等又提出了本体的全新 描述1 ： o ：5 ( c ，9 ，r ，o ，虫) 在此定义中，本体o 被描述为一个五元组，即概念集c 、关系集 r 基于c 的概念分类9 ，基于r 的关系分类5 r ，以及关系r 到c + 的 映射函数。其中c + 为一个笛卡尔积，即c + = c ，c 拳c ，c 宰c c ，且 c + 不包含空集。 2 。1 2 语言学本体的分类 按照本体的研究主题，本体可以分为通用本体、领域本体、语言 学本体和任务本体嘲等。由于本文的研究是与语言和词汇相关的，因 此我们这里主要讨论语言学本体。 1 w o r d n e t 词网 w o r d n e t t 8 3 是传统的词典信息与现代计算机技术以及心理语言学 的研究成果有效结合的产物。从1 9 8 5 年开始，p r i n c e t o n 大学的一组 心理词汇学家和语言学家着手建立一部英语词典数据库，以概念为基 本描述对象，把表示相同概念的义项放在一起称为同义词集合，用其 反映概念。名词在词典存储中是按主题的等级层次组织的，动词按各 种搭配关系来组织，形容词和副词以n 维超空间组织。w o r d b l e t 最具特 色之处是按语义关系组织的，试图根据词义而不是词形来组织词汇信 息。因此它本质上是一个带语义信息的词典。 w o r d n e t 咳0 画了概念间的反义、上下义、部分整体、继承、因果 等语义关系，从而得到一个语义关联网。许多学者不断对其进行扩充 湖南师范大学硕士学位论文 完善，利用w o r d n e t 进行义项消歧的研究。不过w o r d n e t 的语义区别 对实际的n l p 来说往往被认为太详细，一些研究者试图减轻这个详细 性，还有一些研究者呻3 ”为适应自己的需要构建了他们自己领域的词 典知识基础。 2 s u m 本体 s u m o ( s u g g e s t e du p p e rm e r g e do n t o l o g y ) 2 1 是s u o 推荐的上层本 体标准。该本体因为通过把一些可以公开、免费得到的本体内容合并 成一个广泛、一致的结构而得名。由于顶层本体在本体的层次结构中 处于最上层，抽象程度最高，是所有领域或者应用相关的本体的基础， 本体的研究者们需要一个较权威的标准来参考，甚至作为指导。2 0 0 0 年1 2 月，i e e e 批准成立了s u o 工作组，制定一套顶层本体的通用标准 r o s u m 0 。 3 知网( h o w n e t ) 知网是由其创建人董振东先生花费逾十年研究心血的重要成 果。是一个以汉语和英语的词语所代表的概念为描述对象，以揭示概 念与概念之间以及概念所具有的属性之间的关系为基本内容的常识 知识库，它是一个网状的有机的知识系统。 知网中概念分为事物类、事件类、属性和属性值、数量和数量值、 次要语义特征和句法概念。在概念的描述中包含同义、反义、对义、 上下义、部分整体、材料成品、属性宿主、事件角色等关系表示。知 网共提出7 1 种语义角色，十分详细。但其建立的概念之间关系的描述 还不完备，例如知网只给出了事物类概念和事件类概念之间的关系， 但对事件类概念和事件类概念之间的关系没有给出，不利于解决汉语 主动词的确定问题。 2 2 本体工程的方法 2 2 1 本体构建原则 目前已有的本体很多，出于对各自问题领域和具体工程的考虑， 摹于奉体的英汉翻译记忆系统模糊匹配的研究 构造本体的过程也是各不相同的。由于没有一个标准的本体构造方 法，不少研究人员出于指导人们构造本体的目的，从实践出发，提出 了不少有益于构造本体的标准。一般认为，t r g r u b e r ( 1 9 9 5 ) 1 提出 了指导本体构造的5 个原则是比较有影响的、较通用的。 ( 1 ) 清晰( c l a r i t y ) 明确有效地表述概念知识的内容，客观地和形式化地定义概念名 称，准确地表达概念的内涵，尽可能地使用标准术语，概念知识虽 然是应用于计算机环境，但本身却要独立于计算机环境，所有的定义 都应该具有自然语言的文本说明。 ( 2 ) 一致( c o h e r e n c e ) 本体应该是一致的，它应该支持与其定义相一致的推理。所定义 的公理以及用自然语言进行说明的文档都应该具有一致性。 ( 3 ) 可扩展性( e x t e n d i b i l i t y ) 本体应该为可预料到的任务提供概念基础。它应该可以支持在己 有的概念基础上定义新的术语，以满足特殊的需求，而无须修改已有 的概念定义。 ( 4 ) 编码偏差程度最小( m i n i m a le n c o d i n gb i a s ) 概念的描述不应依赖于某一种特殊的符号层的表示方法。因为实 际的系统可能采用不同的知识表示方法。如果不是知识内容的需要， 而是为了标注或实现上的方便而做出某种表示选择，就可能导致编码 偏差。编码偏差应尽可能最小化，因为不同的知识系统往往使用不同 的知识编码分成等级，只有最小的编码偏差才能使本体具有独立性。 ( 5 ) 最小本体承诺( m i n i m a lo n t o l o g i c a lc o m m i t m e n t ) ： 本体承诺应该最小，只要能够满足特定的知识共享需求即可。这 可以通过定义约束最弱的公理以及只定义通讯所需的词汇来保证。 当前对构造本体的方法及其性能评估还没有一个统一的标准，不 过在构造特定领域本体的过程中，有一点是得到大家公认的，那就是 需要该领域专家的参与。 湖南师范大学硕士学位论文 2 2 2 本体的描述 2 2 2 1 本体的知识表示机制 o n t o l o g y 能够以一种显示、形式化的方式来表示语义，提高异构系 统之间的互操作性，促进知识共享。目前，人工智能领域主要从以下 三个方面对o n t o l o g y 展开研裂： 1 基于本体的知识表示：一方面研究如何创建特定领域的本体( 领 域知识) ，一方面研究通用本体的创建方法( 通用知识) ： 2 本体的形式化表示及推理：研究用于表示各种本体的知识表示 系统，提供形式化方法和工具，促进本体的共享和重用；基于 特定领域和通用本体的知识推理方法和实现手段； 3 不同本体表示之间的转换和集成：主要研究提供不同本体的比 较框架，研究不同本体的转换和集成方法，提供不同本体间互 操作的手段； 建立知识本体的目的是用于人类、计算机对知识的共享和重用， 由于本体具有相对稳定性并且独立于具体应用，所以针对知识本体的 建模方法也不同于普通的概念化建模方法。p e r e z 等人用分类法组织了 o n t o l o g y ，归纳出5 个基本的建模元语( m o d e l i n gp r i m i t i v e s ) 【3 5 】： i 类或概念：指任何事务，如工作描述、功能、行为、策略和推 理过程。从语义上讲，它表示的是对象的集合，其定义一般采 用框架结构，包括概念的名称，与其他概念之间的关系的集合， 以及用自然语言对概念的描述； 2 关系：在领域中概念之间的交互作用，形式上定义为1 3 维笛卡儿 积的子集：r ：c l c 2 c n 。如子类关系( s u b c l a s s o f ) 。 在语义上关系对应于对象元组的集合； 3 函数：一类特殊的关系。该关系的前n 1 个元素可以唯一决定 第n 个元素。形式化的定义为f ：c 1 c 2 c n 1 一c n 。如 m o t h c r - o 蹴是一个函数，m o t h e r - o f ( x ，y ) 表示y 是x 的母亲； 基于本体的英汉翻译记忆系统模糊匹配的研究 4 公理：代表永真断言，如概念乙属于概念甲的范围； 5 实例：代表元素。从语义上讲实例表示的就是对象； 从语义上讲，基本的关系共有4 种，如表2 2 所示： 表2 _ 2 基于o n t o i o g y 建模的四种基本关系 t a b l e2 - 2f o u rk i n d so fr e l a t i o n sb a s e do no n t o i o g y 关系名关系描述 p a n - o f 表达概念之间部分与整体的关系 k i n d 硝 表达概念之间的继承关系，类似于面向对象中的父类与子类之间的关系 i n s t a n c e - o f表达概念实例与概念之间的关系，与面向对象中对象和类之间的关系类似 a t t r i b u t e _ o f表达某个概念是另一个概念的属性。如“价格”是桌子的一个属性 在实际建模过程中，概念之间的关系不限于上面列出的4 种基 本关系，可以根据领域的具体情况定义相应的关系。长期以来，本体 应用中分类结构不明确，没有一个统一的分类标准，不同的应用从各 自的角度出发，无限制地使用包含关系，对概念进行各种分类，使得 概念分类的一致性和合理性难以得到控制。在有关o n t o l o g y 的理论研 究中最有代表性的是g u a r i n o 等人对概念的分类所做的深入和细致的 研究，他们从一般的意义上分析了什么是概念、概念的特性、概念 之间的关系以及概念的分类，提出了一套用于指导概念分类的可行理 论。g u a r i n o 认为概念之间的差别不仅体现在概念的定义上，同时也 体现在概念的某些特性上。从这些特性出发，归纳出概念的元特性( 最 基本的特性) ，从而用公式给出元特性的严格的形式定义。在此基础 上，他们又讨论了元特性之间的关系和约束，最终把研究结果作为概 念分类的基本理论工具并提出一套完成的概念分类体系结构。 g u a r i n o 的理论可以归纳如下：概念分类理论的基础是概念元 特性。以概念元特性为出发点，按照一定的规则，把具有相同元 特性组合的概念归为一类，进而给出一般意义上的概念分类体系。 概念基本元特性包括：持久特性、非持久特性、反持久特性、半 持久特性、载体标识特性、支持标识特性、外部依赖特性等。 湖南师藏大学硕士学位论文 2 2 2 2 本体的描述语言 自上个世纪9 0 年代以来，一些研究团体提出了一些不同的环境 下的o n t o l o g y 语言，用来构造更加完备的本体信息以支持自动推 理。这一领域比较突出的成果有o n t o l i n g u a ，p o w e r l o o m 、s h o e ， o i l ，d a m l + o i l 、r d f s 、o w l 等。其中o w l 是一种标准的基于 w 3 c 标准的o n t o l o g y i 吾割3 7 1 。它在r d f 和r d f s 基础上通过增加更 多建模原语来描述特性、类，以及它们之间的关系，并针对特性 提供了更加丰富的类型定义和属性描述。o w l 采用面向对象的方 式来描述领域知识，即通过类和属性来描述对象，并通过公理 ( a x i o m s ) 来描述这些类和属性的特征和关系。 在本文中我们确定采用w 3 c 组织最新推荐的o w l ( o n t o l o g yw e b l a n g u a g e ) 作为我们本体的描述语言。 o w l 分为以下三个层次： 1 o w lf u l l ：包括所有的o w l 词汇和r d f s 提供的原语，能 够提供最大程度的知识描述能力，但由于过于复杂，且还不 成熟，因此还在不断的更新中； 2 o w ld l ：提供大部分o w l 词汇和支持r d f s 支持，并在语 义上等同于描述逻辑d l ( d e s c r i p t i o nl o g i c s ) ； 3 o w ll i t e ；是o w ld l 中相对容易实现部分的子集合，只提 供层次分类和简单的约束功能； 基于o w ld l 的特点，以及它与描述逻辑之间的等同性，将主 要针对o w ld l 进行研究。首先o w l 语言的表达能力体现在对类 和特性的描述上，即通过一系列的构造子( c o n s t r u c t o r s ) 来构造 类和特性，如表2 3 列出了0 w l 中新增的构造算子。 基于本体的英汉翻译记忆系统模糊匹配的研究 表2 - 3o w l 中新增的构造算子 t a b l e2 3n e wc o n s t i r u t i 0 0a ri t h i n e r i co p e r a t o r si no w l 构造子 语法 实例 h t e r s e c t i o n o f c t n n c - a n i m a l n m a l e u n i o n o f c 1 u u c - c o u r s 日us h e e p d o g c o m p l e m e n t o f c m a l e o n e o f x 1 ，x 2 ，) ( 口 f i d o e l n a 1 l v a l u e s f r o m、p c v h a s c h i m d o g s o m e v a l u e s f r o m了p c 3 h a s p a r e n t $ h e e p d o g m a x c a r d i n a l i t y ，l h a s c h i l d m i n c a r d i n a l i t y b p 2 h a s c h i l d 表2 4 中定义的是o w l 中的公理模型，这些公理能够进一步描 述类和特性的特征和关系。例如类和特性之间的等价关系 ( e q u i v a l e n t c l a s s ，e q u i v a l e n t p r o p e r t y ) ；类和属性的层次关系 ( s u b c l a s s o f , s u b p r o p e r t y o f ) ；类之间的互斥关系( d i s j o i n t w i t h ) ； 特性之间的相反关系( i n v e r s e o f ) ；s a m e l n d i v i d