欧美的机器翻译.pdf

机器翻译 欧美的机器翻译 南京大学柯平 自从年美国公司与乔治城大学 联手进行世界上第一次俄英机器翻译试验以 来 欧美的机器翻译 协 简 称研究已走过了年的路程 功年 美国国家 科 学 院语言自动处 理 咨询委员会 劫 缩写为发表黑皮书 语言 和机器 翻译和语言学中的计算机 即闻名的 报告 做出发展机器翻译技术 得不偿 失 的结论 该报告使美国的机器翻译研究一 度严重受挫 不过世界范围内的机器翻译研究 仍在进行 在过去的年里 人们逐渐认识 到报告的结论是片面的 不公平 的 理论语言学 计 算语言学和人工智能研究的新 成就已使机器翻译研究中的许多理论问题得到 了解决或部分解决 各种实用型机译系统的开 发成功更使正在快速进入信息时代的社会看到 了机器翻译研究的实用价值和广阔前景 机器 翻译研究工作已从低谷中走出 进入实用性开 发阶段 近年来欧美机器翻译事业迅猛发展 其 技术方面的重要原因之一 就是计算机和现代 通信技术的飞速发展与推广使用 从年代 的第一代电子管计算机发展到今天的第五代超 大规模集成电路计算机 只用了短短的几年 时间 计算机就像纸和笔一样 已成为不可缺 少的办公用具 并正在迅速成为普通家庭里的 常备电器之一 据最近的统计 全美国有 的家庭里备有个人计算机 对于使用计算机较 多的教育部门 欧美厂商一般都给个人购机者 一的教育折扣 以鼓励购买 笔者在英国 剑桥大学进修时所在系里的教师 几乎人人都 有个人计算机 博士生中个人有机者也大有人 在大学计算中心每天开放小时 中心 的网 络服务器除偶尔进行维修外 永远在工作 随 着计算机应用的普及以及用 电话线 有线电视 电缆和光纤 电缆联结起来的计算机网络的日益 强大 愈来愈多的文字与数据材料开始以电子 形式存在 有人甚至预言年代里 电子文 本与文字文本原先的比例会倒过来成为 这些以码 美国信息交换标准代 码形式存在 可在商业性或学术性网络上方便 地进行传输的电子文本为情报检索又人工智能 与机器翻译的研究和应用提供了很大的方便 现代化的信息处理与通信手段也为翻译机构和 个人译者借助于大型机译系统或在微机上使用 翻译软件包进行机器翻译创造了必不可少的条 件 不过应该指出的是年代以来机器翻译 研究的复苏与进展是建立在理智的基础 之上 的 同机器翻译诞生伊始时的情况不 同 如今 的研究者和使用者们在看到机译速度快 吞吐 量大的长处时 也清醒地认识到至少在现阶段 它所具有的局限性 即需要不同程度的人工辅 助以及质量次于人工翻译 人们已不再理想化 地追求什么都能译 什么都译得一样好的机译 系统 而是综合译文的准确性 可理解性或可接 受性 翻译速度 翻译成本等多项因素来考虑某 一专业领域内机器翻译的可取性 从机器翻译的角度来看 日常翻译的材料 主要可分为以下类 文学作品 法律文件 非文学性出版物 情报资料 文摘 就文学作品而言 机器翻译成功的希望不大 即使经过高明的译后编辑加工 也难以保证机 器译文能正确地复现原文的节赛感与精细的风 格特色 用机器翻译法律文件的前景也还不是 很乐观 因为法律文件对细节的准确性要求甚 严 措辞与含义上任何含糊不清或模棱两可的 地方都可能带来严重的后果 不过 下文将要 提到的系统通过译后加工 可以对 付一些欧洲法律术语的翻译此外 对专利事务 代理人这类的用户而言 再粗糙的机器译文也 还是有用处 的 所以相对于文学作品而言 法 律文件实现机器翻译的可能性要大一些 非文 学性出版物的机器翻译已经在实地进行 如翻 译各种技术说明书 手册 天气预报等等 而且 质量不错 译文都不算粗糙 至于情报资料方 面的机器翻译 美国 加拿大 西欧和前苏联已 经实际进行 了多年 例如 美国空军每年就要 用机器翻译 万字的情报资料 在翻译这 类材料时 译后 加工是必不可少的 比起专业 人员来 翻译人员似乎有点过分关心译文的可 读性了 其实 了解主题 有明确阅读目的的专 业人员完全可以读懂翻译人员可能会觉得不知 所云的东西 因此 对于许多用户来说 只需要 译文中最严重的错误得到纠正即可 即使是未 做任何译后加工的译文也可供浏览信息之用 以帮助有关人员选出需要译后加工或人工重译 的段落 进行选择性翻译 摘译 机器翻译界 业已认识到最完美的翻译未必总是用户所需 要的翻译 情报资料性质的机器翻译已经不再 受到轻视 只要其成本效益合适即可 据测算 如果一个机构每年需要某一范围较宽的专业领 域 如化学 内某种外文的情报资料译文 泛万 字左右 就适宜购买一个在大型计算机上运行 的高质量机译系统 在操作人 员熟悉机器以 后 这样的系统可以提高翻译效率一倍 欧美现有的机译系统 按功能从弱到强的 次第 大体可分为大类 单一语料型 这类系统专门从事某一种 题材的语言材料的翻译 效果良好 但不能翻译 别的材料 即便是题材相近的材料也不行 这 类系统主要用于研究工作 本文哲且略而不论 简化语言型 这类系统可以翻译原文经 过某种简化的语言材料 简化控制可以通过对 原文的 自然语言进行译前编辑加工来进行 也 可以通过用句法和词汇经过简化的语言方式来 写作原文 采用这种工作方式的机译系统有美 国施乐公司的 加拿大联 邦政府翻译局的以及法国纺织研 究 所的士后者同时采用卞面将要介绍的人 机交互方式作为辅助 的创始人托马 曾经参与世界上第一次机器翻译实验中所用的 乔治城 自动翻译机 升 简称的研制与安装工作 年代期间他先后在德国波恩大学和美国他 自己 的公司里进行研究 成功地研制了世界上最早 投入实际应用的机译系统 该系统 最初用来进行俄英翻译 现已有多个可译语言 对 属午全 自动低质量型翻译 卞 一 升 简 称系 统 施乐公司使用主要是为了将 本公司产品的技术说明书翻译成外文 说明书 的编写者使用一种句型和词汇都经过简化的所 谓 面向多国用户的英语 来编写原文文本 再由 将这 种简化的英文译 成法文 意大利 文 西班牙 文和葡萄牙文 用这种方式进行的 机器翻译比人工翻译速度约快倍 人机交互型 报告的结果之一 是使许多人相信全自动高 质量的机器翻译 一 吕 简称是不可能做到的 这使得一些 研究人员转而探讨人机交互式翻译的可能性 并研制出了一些实用型的系统 如美国奥帕斯 网络公司的肠 从 一香港 中文 大学的等 这类系统的的特点是 机器 和人工译 员协 同工作当 机器 遇到语法分析 或歧义处理方面的问题时 便向人工 译员提出 得到解答后再继续往下译 不 同的 系统需要人工干预的程度各不相同 但所有的 系统都要求人工译员在原文分析和词典编制方 面提供帮助 试举为例 该系统全称为 中文大学语 言翻译器 是香港 中文大学于年代研制成 功并投入实地使用的一个人机交互式机译系 统 中文大学在亚洲基金会和洛克菲勒兄弟基 金会的资助下 利用该系统把我国出版的 数学 学报 每期逐字逐句译成英文出版 一度还用它 摘译过 物理学报 系统工作时 语法分析器 以一系列工作循环的方式对句 子进行分析和翻译 每个工作循环分析一个句 子的一部分 该循环完成时 句子的相应部分便 被译成英语 由于语法分析器功能不强 只能 辨析出语法范畴 名词词组 动词词组 修饰成 分等的表层组合 所以人工译员操作者随时 要根据需要在译文中补上冠词 选择时态和语 态 以及解决句法或语义上的歧义 如果语法 分析器在什么地方分析出错的话 操作者就要 视具体情况在机器词典里增加网如的词条 或 者干脆自己译出整个句子 翻译时句子的分析 与合成是结合在一起 的 不过整个翻译过程仍 可大致分为如下儿个阶段 即原文准备 通过中 文键盘输入原文词汇分析 查原文词典 包括 随机更新机器词典等句法和语义分析 相关 语序分析 辨认名词词组 动词词组和修饰成分 之间的关系译文等值分析解决多义间题 译文输出 查目标语词典以及译文修改 重排 格式 插入数学符号 机器提问 操作员随时解答这种人机交互 式的工作方法是机器翻译研究中最有影响的创 举之一 它和现阶段机器翻译研究的整体水平 是相适应的 因此 目前正在研制的各类机译系 统 无论是大型机上 用 的 还是个人机上 用的 都会带有某种交互式的因素 批处理型 又称 词典 易于更新式批处 理型 该类型的系统工作时先输入全部原文 再 由机器查阅词典 然后一次性产生全部译文 系统在查阅了自身所带的词典后 往往还会请 人工译员输入与所译文本主题有关的词 项 以 屏幕提间的方式让译员输入这些词项的词法 句法和语义信息 机器词典的更新因而变得十 分简便 代表性的系统有美国华纳通讯公司 的和 美国逻各斯公司的肠 逻各斯智能翻译系统 二者均 属于全自动低质量型机 译系统 已于 年关 闭 以下我们重点介绍 系统的工作情况 逻各斯智能翻译系统 是逻各斯公司为翻 译机构开发 的一个产品 于年推 向市场 最初只有德英和英德两个版本 该系统把机器 翻译放在文字处理 的环境下进行 译者根据需 要改制机器词典 运行翻译程序 修改机器译文 等项操作均可在计算机 或文字处理机 终端上 完成 译者可用一个名为的交互式词 典编辑系统在机器词典中添加具体翻译时需要 用到的术语 就输人词语 的语法和语 义特征向译者提间 以保证它们的编码方式 同 词典中已有词项的编码方式保持一致 译者可 以给输入的术语加上学科标记 以便能根据主 题上下文给出多义词最确切的译文 年代 初时 系统的翻译速度为小时万 字强 足以供给个人工译员做译后编辑的材 料 据使用系统的翻译机构报道 德 英系统可提高工效倍多一的译文不 需译后加工便可供初步的情报浏览之用 翻译 效果最好的是那些专业性强 并 向机器词典中 输入了有关术语的文本翻译效果最不理想的 是普通来往信函以及专业术语较少或跨学科性 的材料 通用型 该型实际上是批处理型的高级 形式 它的目标是翻译所输入的任何材料 当 然 翻译质量会因所译材料的性质不 同而有高 低之分 这类系统对原文分析的可靠程度较 高 机器词典容量很大 包含大量的语义编码 系统需在大型计算机上运行 操作需要有专门 的训练和经验 代表性系统有美国得克萨斯大 学语言研究中心先后在美国政府和德国西门子 公司资助下研制成功的全 自动高质量翻译系统 总部设在美国首都华盛顿 的泛美卫 生组 织所使用的和 前 文已经提及的 以及欧洲共同体委 员会委 托开发的 以下重 点对 和作一些介绍 与其前身 相比 在语言 学基础方面没有多少改进 但在计算技术方面 则有显著的进步 这主要是指它的模块化程序 设计而言 该系统主要有两类程序 即系统程 序和翻译程序 系统程序是一些控制与实用程 序 用汇编代码写成 与特定的语言无关 翻译 程序被分成许多阶段 每个阶段都单独有自己 的程序模块 用于源语言分析和目标语言合成 的翻译程序在一定程序上独立于原文和译文所 用的具体语言 这种模块化的设计使开发人员 能够方便地引入新的分析技术 修改翻译过程 的任何一部分 而 不至于太破坏系统的整体效 能 同一 样 的主要部分 仍 然是一个庞大的双语词典库 里面不仅收进了 源语言和 目标语言的等值词语 而且包含着原 文分析与译文合成过程中需要用到的语法和语 义信息 词典库里首先是两部分别容纳单字条 目和多字条目的双语词典 从这两部词典里又 派生出以下几部词典 由介词 连词 不规则动词词形 习语中 的头两个词等成分组成的高频词典 把习语和复合名词作为词 汇单位处理 的 有限语义词典 处理语义相容性与配价的 条件有限语 义词典 分成词根和 词尾英语例外两部分的 主词典 的翻译过程可分为个阶段 即原文输入 主 词典查阅 句法分析 转 换 和译文合成 输入程序负责装入原文 并在高频词典中 查找其中的每一个词 在第二个阶段 主词 典查阅阶段 机器对高频词典 中未查到的词按 字母顺序排序 在主词典的词根部分继续进行 查找 查到的词 回过头来再按原文的词序排列 好 如果原文是用俄语或法语等形态变化丰富 的语言写成的 那么在进入正式的句法分析阶 段以前还要进行形态分析 原文的句法分析由个 工作循环 组成 通过检查相邻词的语法范畴区分同形 异义词为英语确定 了种不同的同形异义词 通过查找有 限语义词典 找出复合词 如 高炉 通过查找段落标记 连词 关系代词等 亦即基本的短语结构分析 找出词组和短语 以自右向左扫描的方式 粗线条地分辨 句法关系 如形容词与动词的一致 名词对动词 的支配 名词与名词的同位排列等 找出 由相连 的形容词或名词构成的短 语中的并列结构 利用语义标记确定可以接受 的连接关系 例如在英语短语 中 可以接受 的连接关系是 与 一 而不是与 通过首先搜寻限定动词 再搜寻 限定动 词前尚未被标记为 宾语 或 修饰成分 的名词 的方式 找出主语和谓语 通过首先 自右向左搜寻介词 再 自左 向 右搜寻与其相关的名词 短语的方式 分辨介词 结构 转换程序包括个部分 参考有限语义词典 搜寻在某些情况下 有习语译法 的词语 例如英语的在用被 动语态时译成法语的 而在其他情况 下则被译成 己 根据支配介词以及受介词支配的词所 带的语义信息翻译介词 解决余下的歧义间题 一般来说 这要 通过特殊词语词典中所载明的测验来进行 在翻译 的最后一个阶段 的译 文合成程序查出原文词语的目标语等值成分 对动词词形和形容词词尾做必要的修正 并重 新安排词序 如把英语中形容词在前 名词在后 的词序变换成法语的名词在前 形容词在后的 词序 从而产生译文 最初只是设在美国加州拉霍亚 的公司首领即前述的于年 代末年代初为美 国空军开发的一个俄英机 器翻译系统 由于它所具有的开放性结构特点 以及一系列的后续开发工作 现已成为欧美使 用最广泛的一个大型机译系统 自年以 来 陆续被美国空军国外技术部 美 国国家宇航 局 欧洲原子能联营 德国的原子核研 究中心 加拿大通用汽车公司 美 国施乐公司 欧洲共同 体等机构所采用 可译语言对包括俄英 英俄 英法 法英 英 德 德英 英意 英西 英葡等 据 每年用它翻译万多页情报资料的美国空军 国外技术部报道 大部分用于情报浏览的译文 不作译后编辑即可使用 只有左右的译文 在交付使用前 略作加工 译文准确率达一 用户相当满意 年 欧共体翻译局购买了英法 版的 并与公司达成协议 由欧共 体组织自己的技术力量开发用于欧共体成员国 所用语言间翻译的系统 这样便开始了 历史上 一个 实质性的后续开发 阶段 欧共体委员会委托英国的 剑桥语言研究小组 编写 了 一个程序 使得欧共体的技术人 员可以方便地 修改的程序 到年 为止 欧 共体共投人了将近万欧洲货币单位约合 万美元 的资金 由平均名专业人 员语 言学家和数据处理专家组成的班子专职开发 达年之久 对 刊 系统做了一系列的 改进工作 其中最重要 的一项便是大幅度扩展 了语义标 识 符的使用和语义的分 类 原有几个用于不 同主题范围的 过 程类型 标识符 如 农业 分析 航空 生 物学 创造的 电的 等 给机器词典内的 具体词 项加注何种标识符 主要取决于主观判 断 改进后的语义标识符是通用型的 可以更 加客观和统一地标记词项的语义性质 第二项革新是在系统中加进了一个处理机 器词典中所没有的词的例行程序 在一般的情 形下 这样 的词 系统不 加 翻译 原 样留在译文 里 但是开发人员觉得 对于词尾规则的词似 乎可以做点处理 他们设计的程序不但可以给 出这类词可能的语义标识符例如 以 一 结尾的法语词被标记为 装置 以 一 或 一 结尾的法语词被标记为 学科 而且 还提供目标语的标准译法 这样法语的 铭就会被译成英语的 此外 该 程序还可以根据英语的表达习惯把法语和意大 利语文本的会议纪要欧共体内数量极大的一 类文件 中习用的现在时态自动地改成过去时 态 并相应地把其中基于现在时态的时间副词 如法语的改成英语中基于过去时态的 等 对所做的第三项改进是在句 法方 面 例如 为了防止把 这句 英语句子 误 译成法语的 君 若若若 若 滚 在机器词典中给 形容词加上了语义编码 使它同被标记 为 装置 的名词连系在一起 年 有关专家就 可理解性 准确性与 错误类型这三 项指标将英法系统 的译文与人工译文进行比较 对其做了评估 经过译后编辑的译文的可理解性得分为 几乎等于经过修改的 人工译文得分一 而 原文 的 可理解 性得分为一 未经译后编辑的译文准确性得分为 译 后编辑中所修改的词语的比例为 其中约 有一半的词语被替换 错译主要起因于机器词 典的不完善当时系统的词典内只有 个 词条 随着词典功能的增强 错译率已经 下 降 以下是年所译的一段会 议纪要 英语原文 少 吕 法语译文 乙 尸 护 芭百 卯 若龙 咨若 灭 百 户 石 若 如果过去有人不相信机器翻译可行的话 那么在面前 谁也不能够再怀疑它 已是一个成功的现实 前面说过结构的主要部分是 一部庞大的机器词典 的成功在于 此 而它的局限也在于此 由于大量的语法和 语义信息被放在词典部分里 语法规则的设计 对词典的依赖性就很大 整个系统存在着混淆 句法程序和词汇程序的危 险 随着系统 的改 进 词典的容量愈来愈大 结构也愈来愈复杂 针对某一个具体问题的改进便因可能影响系统 另一部分的效能而变得愈益困难 最终使整个 系统的改制达到极限 俄英系统 似 乎就已达到 了这个 极限 结构上这 一内在 的局限使得 它虽可 引 入新的语言对 但却难以发展成为一个真正的 多语种翻译系统 因此 年代 中期欧共体在 确定对作后续开发 这一短期目标的同时 又制定了研制大规模多 语种 通用型机译系统的长期 计 戈 并于年开始实施 到年时 已有 名左右的专职研究人 员投身到 的研制工作中 他们主要来 自于欧洲的大学如 丹麦的哥本哈根大学 比利时的卢万天主教大 学 荷兰 的乌得勒支应用语言学学院 德国的萨 尔大学 法 国的格雷诺布尔大学 意大利的图灵 大学 米兰大学和比萨大学等 分别代表欧共 体当时 的个成员国 年月 成为共 同体的专项基金项目 得到 万欧洲货币约合 万美元 的项目基金支 持 研制班子总部设在卢森堡 在欧共体科技 情报文献委员会的领导下工作 项目负责人是 曾在欧洲原子能联营主持过一个多语种机译系 统 研制工作的 谢 尔盖 佩施克 在技术方面的细节公开披露 的还很少 这里只讨论一下它在总体结构设计 方面的个特点 多种语言对多种语言的翻译 这是长 期以来欧 共体孜 孜以求的一个目标 早在 年 欧共体翻译局就发起过一个名为 莱 布尼茨计划 的项目 联合法国 德国 意大利 英国和加拿大的研究队伍进行国际合作 研究 欧洲语言间的多语种机器翻译 在许多方面 该项目都算得上是的先驱 是一个以语言学和计算技术方面的最 新成就为依托的多语种翻译系统 要求能以共 同体成员国所用语言中的任何一种输入原文 而以所有其他的语种同时输出译文 以满足共 同体内文件翻译的需要 整个系统的设计从一 开始就是以多种语言对多种语言的翻译为宗旨 的 所以它要求所有的成员国都参加研制工作 丹麦语 荷兰语 英语 法语 德语 希腊语 意大 利语 西班牙语和葡萄牙语等具体语言的分析 转换与合成程序的开发是由各成员国的技术队 伍同时展开的 为了实现多语种输出 向转换 程序与合成程序输入的信息必须十分明确肯 定 为此 分析程序就要解决单个语言中的所有 歧义问题 为了减少双语词典和语法部分潜在 的复杂性 转换模块也必须尽可能地缩小 可扩展 性 在某 种意 义上 并不是一个实验性的项目 它并不去探索 新技术本身 而是企 图把现有各种机译系统中 的优点集中到一起 并且做到今后也能够不断 地吸收语言学 计 算技术与人工智能研究方面 的新成就 为了使系统的扩 展 尽可能 的方便 必须能够灵活地向其中纳入新的语法和 词典 能够简便地修改语法规则 和词典 中的词项 而 不会牵一发动全身 产生难以预料的后果 总 之 系统必须有适应新的语言学方法和计算方 法的潜在能力 实用性 欧共体委员会对 的要求之一 是它应该尽早成为一个实用的操 作系统 实用性要求系统有程序运行出错后仍 能往下运行 一 的机制 以确保万一分 析程序没有能产生转换程序所要求的语义表达 信息时 系统仍能生成合理的译文 为此 最好 在所有 的分析层面上包括形态信息 词汇特 征 句法关系和语义相容性等都保留源语言的 结构特征 是欧美迄今为止最为雄心勃 勃的一个机器翻译研究计划 它集中了规模前 所未有的人力 物力 财 力资源 利用了如此多 的国家在语言学与计算技术方面的专业成就 向实现多种语言对多种语言全 自动翻译这一艰 巨的目标迈出了实实在在的步伐 在整个机器 翻译发展史上 它将成为一个重要 的里程碑 以上介绍的类机译系统大都是为大型计 算机开发的 因为在很长一段时间里 机器翻译 一直是跨国公司 政府部门 国际组织等大型用 户的保留地 但是到年时 这种情况有了 改变 在这一年里 华纳通讯公司首次开办了 对社会的服务 并且设计了能在个人计算 机上运行的软件 从而把这个系统 放到 了小型翻译机构 甚至自由职业译者可望 企及的范围之内 在现代化 电讯手段普及的今 天 利用机器进行翻译并不意味着身边一定要 有机译系统 只要有电话线和调制解调器 机 器翻译可以在世界 上任何地方 的计算机 上进 行 和美国斯马特 公司 的系统在全球许多地方都 设有网络服务分站 为 自己没有系统 的公司或个人提供翻译服务 的服 务分站设在 欧洲的卢森堡等地 可以直接或间 接地通过用电话线或有线电视电缆将信息从计 算机网络送往用户终端的视传系统 连通使用 法国家庭 中普遍 使用的 就是这样的一个视传系统 除此以外 一些机 器翻译的大型用户也为小型用户和自由职业译 者提供分站服务 所有这些都使机器翻译成了 欧美翻译工作者可望也可及的一件事情 值得注意的是 近年来欧美市场上 出现 了 儿种为个人计算机 开发的机 器 翻译软 件 如 等 它们大多价格 适中 以软件 包的形式发售 为普通译者 乃至任何需要外文 译文的人提供了实实在在的方便 以下仅对后 两种软件略述一二 翻译软件 该软件有批处理和人机交互式两种工作方 式 采用批处理工作方式时 先输入全文 再 由 机器一次性翻译完毕 原文文本可以用文字处 理软件写成 也可以用 扫描等方式输入机器 采用人机交互式工作方式时 译者边从键盘输 入原文 机器边 同时产生译文 翻译时以句子 为基本单位 译文符合习惯用法 软件所带的机器词典中收有大量的单词和 词组 并完全可以根据用户的需要改制 如果充 分利用这一特性 译文的准确性 据称 可达到 因而只需要很少的译后加工 如果所要求 的译文只是草稿的话 甚至可以省去译后加工 该软件采用选项单式操作 其翻译速度可达每 小时万词 比人工翻译快得多 分 专 业版 和普通 版 两个高低不 同的版本 专业版 可进行英 法 英德 英西三个 语言对之间的互译普通版 可在上述三个语言对中任选一对进行互译 翻译软件 该软件由懂计算机的语言学家们开发而 成 由英国牛津麦 克 米兰出版有 限公司 发行 它可以在 和两种 操 作系统下运行 可与 和 等主要西文文字处理软件一同使用 进行对上 下文敏感 一 的翻译 并可由 用户自定义词典 以方便专业文献的翻译 该软件有专业版和双语版两个版本 专业 版可 进 行 英 法 德 西 意 荷 种语言