曾妍

摘 要： 針對(duì)傳統(tǒng)最優(yōu)解選擇過(guò)程中使用的多目標(biāo)粒子群選擇方法，具有極大的局限性，最優(yōu)解選擇貼合性較低問(wèn)題，提出針對(duì)機(jī)器英語(yǔ)翻譯中的模糊語(yǔ)義最優(yōu)解選取方法。建立機(jī)器英語(yǔ)翻譯的語(yǔ)義模型，對(duì)機(jī)器英語(yǔ)翻譯自然語(yǔ)言實(shí)現(xiàn)連接處理，使用模型對(duì)連接處理后的語(yǔ)義本體進(jìn)行映射分析，翻譯選定過(guò)程使用英語(yǔ)翻譯的語(yǔ)義相似度計(jì)算提升語(yǔ)義連貫性。實(shí)驗(yàn)結(jié)果表明，改進(jìn)選取方法選定翻譯英語(yǔ)詞匯特征匹配度較高，并且貼合性強(qiáng)，更適用于機(jī)器英語(yǔ)翻譯中最優(yōu)解選擇。

關(guān)鍵詞： 機(jī)器英語(yǔ)翻譯； 模糊語(yǔ)義； 語(yǔ)義模型； 語(yǔ)義相似度計(jì)算； 最優(yōu)解選取

中圖分類號(hào)： TN911?34； TP311 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）02?0156?03

Abstract： As the method of multi?objective particle swarm selection is used in the process of the traditional optimal solution selection， which has great limitations and low fitness to the optimal solution， an optimal solution selection method for fuzzy semantic in English machine translation is puts forward. A semantic model of English machine translation is built. The connection processing for natural language in machine translation of English was achieved. The model is used for mapping analysis of the semantic ontology after the connection treatment. The semantic similarity computation is adopted for English translation in translation selection process to enhance semantic coherence. The experimental results show that the improved selection method has high feature matching rate for the translation of English words and high fitness， and is more suitable for the optimal solution selection in English machine translation.

Keywords： English machine translation； fuzzy semantics； semantic model； semantic similarity computation； optimal solution selection

伴隨著識(shí)別技術(shù)的不斷更新，使用機(jī)器代替人工進(jìn)行英語(yǔ)翻譯已經(jīng)逐漸走進(jìn)人們的視野當(dāng)中，并且翻譯的精準(zhǔn)度不斷的提高。使用機(jī)器進(jìn)行英語(yǔ)翻譯時(shí)，首先需要對(duì)單詞語(yǔ)義進(jìn)行翻譯。使用機(jī)械智能識(shí)別對(duì)語(yǔ)義中的連貫用語(yǔ)以及關(guān)鍵性用語(yǔ)進(jìn)行選定，通過(guò)構(gòu)建一定的語(yǔ)言模型進(jìn)行英語(yǔ)語(yǔ)境的構(gòu)建以及語(yǔ)義連接，結(jié)合翻譯的模糊語(yǔ)義通過(guò)甄別比對(duì)最終選定最優(yōu)的翻譯解[1?2]。傳統(tǒng)對(duì)模糊語(yǔ)義最優(yōu)解選擇過(guò)程中使用的方法存在一定的局現(xiàn)性，最優(yōu)解的選擇沒(méi)有通過(guò)語(yǔ)義建立，也沒(méi)有通過(guò)關(guān)鍵詞進(jìn)行語(yǔ)境刻畫，造成模糊語(yǔ)義在一定的影響下發(fā)生偏移，可能翻譯出的語(yǔ)境缺少貼合性。

針對(duì)上述問(wèn)題，本文提出在機(jī)器英語(yǔ)翻譯中的模糊語(yǔ)義最優(yōu)解選取方法。本文建立機(jī)器英語(yǔ)翻譯的語(yǔ)義模型，為保證提出方法的有效性，模擬了應(yīng)用環(huán)境進(jìn)行對(duì)比實(shí)驗(yàn)，通過(guò)實(shí)驗(yàn)數(shù)據(jù)的分析驗(yàn)證了實(shí)驗(yàn)的有效性。

1 構(gòu)建英語(yǔ)翻譯的語(yǔ)義模型

1.1 英語(yǔ)翻譯的自然語(yǔ)言處理設(shè)計(jì)

在構(gòu)建英語(yǔ)翻譯的語(yǔ)義模型之前，首先需要對(duì)英語(yǔ)翻譯過(guò)程中的詞性轉(zhuǎn)換以及詞語(yǔ)變形進(jìn)行分析[3]。在機(jī)器英語(yǔ)翻譯中的自然語(yǔ)言處理過(guò)程中，以英語(yǔ)單詞“image”為例，單詞的實(shí)際翻譯可以表示一張圖片，它的近義詞還包括“print”以及"picture”，這樣這三個(gè)詞語(yǔ)具有一定的語(yǔ)義模糊性[4]，英語(yǔ)翻譯過(guò)程中同義詞與語(yǔ)義信息相關(guān)的可能的語(yǔ)義映射關(guān)系描述為：

式中：為英語(yǔ)單詞近似語(yǔ)義；為英語(yǔ)單詞對(duì)應(yīng)語(yǔ)言映射；本文翻譯語(yǔ)言為英語(yǔ)翻譯，映射浮動(dòng)范圍在之內(nèi)[5]。通過(guò)建立英語(yǔ)語(yǔ)義之間映射關(guān)系來(lái)解決模糊語(yǔ)義定向。

定義1 設(shè)雙向語(yǔ)義為Mountain節(jié)點(diǎn)高階替換表達(dá)限令值[6]為，S為機(jī)器進(jìn)行英語(yǔ)翻譯過(guò)程中的概念語(yǔ)義在通過(guò)概念進(jìn)行匹配后實(shí)詞解析集[7]。其中為語(yǔ)義信息的解析判斷集合，通過(guò)上述定義本文英語(yǔ)語(yǔ)句解析知識(shí)點(diǎn)可以通過(guò)函數(shù)進(jìn)行表示：

使用英語(yǔ)翻譯的自然語(yǔ)言進(jìn)行語(yǔ)義二次定義，公式表示為：

式中：為自然語(yǔ)言中的改換表達(dá)系數(shù)；為英語(yǔ)的識(shí)別改換信息碼；round為翻譯過(guò)程中的英語(yǔ)信息取整算子。

1.2 語(yǔ)義本體映射模型建立

假設(shè)和為兩個(gè)多元英語(yǔ)語(yǔ)義，用機(jī)械進(jìn)行語(yǔ)義翻譯過(guò)程中，可在翻譯過(guò)程中把翻譯語(yǔ)句中定語(yǔ)翻譯到主句中去[8]，在對(duì)英語(yǔ)從句進(jìn)行翻譯選擇時(shí)，得一個(gè)關(guān)于多元英語(yǔ)語(yǔ)義語(yǔ)法本體映射模型，過(guò)程為：

1） 在英語(yǔ)語(yǔ)義翻譯過(guò)程中，如果，那么≤；

2） 如果，那么就有=，則=；>，則<；<，則>。endprint

2 模糊語(yǔ)義最優(yōu)解選取實(shí)現(xiàn)

本文設(shè)計(jì)的英語(yǔ)翻譯相似度的比量判斷過(guò)程通過(guò)一定的基礎(chǔ)參數(shù)的比對(duì)進(jìn)行選定，本文通過(guò)對(duì)語(yǔ)義、語(yǔ)境、語(yǔ)法三者進(jìn)行關(guān)系搭配完成相似度的判斷，（本文用符號(hào)“”表示邏輯上的非；符號(hào)“”表示邏輯上的與；符號(hào)“”表示邏輯上的等價(jià)[9]。在不發(fā)生矛盾的情況下，“”可以省略）如下：

式中：為翻譯語(yǔ)義相似度較高的翻譯；為翻譯語(yǔ)境相似度較高的翻譯；為翻譯語(yǔ)法相同的翻譯；為翻譯語(yǔ)義的總集合；為隸屬關(guān)系中最優(yōu)選集[10]；為不同解的搭配集合。本文通過(guò)英語(yǔ)翻譯的語(yǔ)義相似度計(jì)算對(duì)翻譯過(guò)程中的非語(yǔ)境翻譯進(jìn)行剝離，提升翻譯的質(zhì)量，最優(yōu)解的選定以此為根據(jù)，最后通過(guò)認(rèn)定最終選擇解。

3 仿真實(shí)驗(yàn)分析

3.1 參數(shù)設(shè)定

為了保證本文設(shè)計(jì)模糊語(yǔ)義最優(yōu)解選取方法的有效性，對(duì)參數(shù)進(jìn)行設(shè)定，本文設(shè)定實(shí)驗(yàn)研究對(duì)象分別是不同長(zhǎng)度不同語(yǔ)境的短文，使用本文設(shè)計(jì)的模糊語(yǔ)義最優(yōu)解選取方法與傳統(tǒng)模糊語(yǔ)義最優(yōu)解選取方法進(jìn)行比較。首先介紹了實(shí)驗(yàn)翻譯過(guò)程的基本參數(shù)，如表1所示。

3.2 翻譯基本代碼調(diào)節(jié)

為了保證本文設(shè)計(jì)的模糊語(yǔ)義最優(yōu)解選取方法的有效性，需要對(duì)實(shí)驗(yàn)翻譯過(guò)程進(jìn)行一定的代碼調(diào)節(jié)，代碼替換調(diào)節(jié)過(guò)程如表2所示。

3.3 結(jié)果對(duì)比分析

傳統(tǒng)的模糊語(yǔ)義最優(yōu)解選取方法在翻譯過(guò)程容易造成詞語(yǔ)翻譯貼合性較差，分別測(cè)試兩種方法對(duì)短句翻譯過(guò)后的Competeness參數(shù)，實(shí)驗(yàn)數(shù)據(jù)如表3所示。

從表3中的數(shù)據(jù)分析能夠看出，本文設(shè)計(jì)的模糊語(yǔ)義最優(yōu)解選取方法比傳統(tǒng)模糊語(yǔ)義最優(yōu)解選取方法Competeness參數(shù)要高出1倍以上（Competeness參數(shù)即翻譯完備性，完備性是衡量翻譯結(jié)果準(zhǔn)確度及語(yǔ)義表達(dá)程度參數(shù)）。將翻譯過(guò)后的語(yǔ)義與本文使用人工翻譯過(guò)后的語(yǔ)義進(jìn)行對(duì)比，并使用For duplicates查重軟件進(jìn)行重復(fù)率查詢，圖1為使用查重軟件結(jié)果。

從圖1的對(duì)比曲線可以看出，本文糊語(yǔ)義最優(yōu)解選取方法與人工翻譯結(jié)果更加貼合，傳統(tǒng)方法在翻譯結(jié)果上重復(fù)率較低且幅度較大。

衡量糊語(yǔ)義最優(yōu)解選取方法最好的標(biāo)準(zhǔn)是對(duì)短文的翻譯結(jié)果，短文在翻譯過(guò)程中需要與語(yǔ)義、語(yǔ)境進(jìn)行結(jié)合，翻譯過(guò)程中同樣使用了人工翻譯作為標(biāo)準(zhǔn)樣本。針對(duì)兩種方法翻譯效果，本文方法中使用的語(yǔ)義本體模型能夠?qū)φZ(yǔ)境進(jìn)行識(shí)別概括，傳統(tǒng)方法中無(wú)使用相關(guān)語(yǔ)境映射模型。對(duì)短語(yǔ)進(jìn)行翻譯過(guò)程結(jié)果如圖2所示。

從圖2能夠分析出，本文設(shè)計(jì)的模糊語(yǔ)義最優(yōu)解選取方法在貼合度所占比例上比傳統(tǒng)模糊語(yǔ)義最優(yōu)解選取方法要高出將近1倍。

通過(guò)與標(biāo)準(zhǔn)語(yǔ)境進(jìn)行對(duì)比發(fā)現(xiàn)，本文設(shè)計(jì)模糊語(yǔ)義最優(yōu)解選取方法在語(yǔ)境的刻畫程度上明顯要好于傳統(tǒng)模糊語(yǔ)義最優(yōu)解選取方法。

4 結(jié) 語(yǔ)

本文針對(duì)機(jī)器英語(yǔ)翻譯中的模糊語(yǔ)義最優(yōu)解選取方法，建立機(jī)器英語(yǔ)翻譯的語(yǔ)義模型，能夠?qū)C(jī)器英語(yǔ)翻譯的自然語(yǔ)言實(shí)現(xiàn)連接處理，使用模型對(duì)連接處理后的語(yǔ)義本體進(jìn)行映射分析，翻譯選定過(guò)程使用英語(yǔ)翻譯的語(yǔ)義相似度計(jì)算提升語(yǔ)義連貫性，通過(guò)模糊語(yǔ)義最優(yōu)解選取計(jì)算完成英語(yǔ)語(yǔ)義翻譯。

參考文獻(xiàn)

[1] 吳良剛，文麗.基于二維二元語(yǔ)義和模糊AHP?TODIM的低碳供應(yīng)商選擇方法[J].運(yùn)籌與管理，2017，26（3）：7?16.

WU Lianggang， WEN Li. Low carbon supplier selection method based on 2?dimension 2?tuple linguistic information and fuzzy AHP?TODIM [J]. Operations research and management science， 2017， 26（3）： 7?16.

[2] 姜芳，李國(guó)和，岳翔.基于語(yǔ)義的文檔關(guān)鍵詞提取方法[J].計(jì)算機(jī)應(yīng)用研究，2015，32（1）：142?145.

JIANG Fang， LI Guohe， YUE Xiang. Semantic?based keyword extraction method for document [J]. Application research of computers， 2015， 32（1）： 142?145.

[3] YANG Wanchun， ZHANG Chenxi， MU Bin. Optimal QoS?aware service selection approach considering semantics and transactional properties [J]. Journal of computer applications， 2016， 36（8）： 2207?2212.

[4] 孫霞，沈韓.機(jī)器英語(yǔ)翻譯中的模糊語(yǔ)義最優(yōu)解選取方法[J].現(xiàn)代電子技術(shù)，2017，40（12）：31?33.

SUN Xia， SHEN Han. Method of selecting optimal solution of fuzzy semantics in English machine translation [J]. Modern electronics technique， 2017， 40（12）： 31?33.

[5] WU Qun， WU Peng， ZHOU Ligang. Interval 2?tuple linguistic fuzzy multiple attributes group decision?making based on connection variables [J]. Journal of Chongqing technology and business （Natural sciences edition）， 2016， 33（1）： 1?8.endprint

[6] 粟千.弱化語(yǔ)法規(guī)則下英文機(jī)器翻譯的優(yōu)化仿真[J].計(jì)算機(jī)仿真，2016，33（11）：414?417.

SU Qian. Weakening grammar rules under the improvement and optimization of simulation of machine translation in English [J]. Computer simulation， 2016， 33（11）： 414?417.

[7] SONG Rou， GE Shili. English?Chinese translation unit and translation model for discourse?based machine translation [J]. Journal of Chinese information processing， 2015， 29（5）： 125?135.

[8] ZHU Yun， JIN Yaohong. On morphological transformations of complex predicates in Chinese?English patent machine translation [J]. Applied Linguistics， 2015（1）： 127?135.

[9] ZHANG Zhenzhong， SUN Le， HAN Xianpei. A translation model based method for query session detection [J]. Journal of Chinese information processing， 2015， 29（4）： 95?102.

[10] WANG Shaoshuang. Research on translators′ information literacy in the era of professionalism： demand analysis， conceptual interpretation and model construction [J]. Foreign media， 2017（1）： 55?63.endprint