田大雕 阮心如 王可豪

（西南民族大學(xué) 四川 成都 610225）

引言

民族語(yǔ)言翻譯工作是促進(jìn)民族事業(yè)發(fā)展的重要內(nèi)容之一，是促進(jìn)民族地區(qū)經(jīng)濟(jì)、文化和社會(huì)建設(shè)尤其是國(guó)家安全的客觀需要[1]。

Android平臺(tái)作為現(xiàn)今最新、應(yīng)用最為廣泛的移動(dòng)操作系統(tǒng)，因具有能支持強(qiáng)大的硬件配置和多種無(wú)線通信方式等優(yōu)勢(shì)功能，被運(yùn)用于各種移動(dòng)終端設(shè)備中[2]。本系統(tǒng)基于Android平臺(tái)開發(fā)，同時(shí)，我們收集了近50000條彝語(yǔ)和漢語(yǔ)的對(duì)應(yīng)的平行語(yǔ)料庫(kù)，并結(jié)合Tensorflow框架構(gòu)建神經(jīng)網(wǎng)絡(luò)作為訓(xùn)練框架來(lái)實(shí)現(xiàn)翻譯功能。

1 系統(tǒng)構(gòu)架

本翻譯系統(tǒng)的總構(gòu)架包塊客戶端設(shè)備、無(wú)線訪問點(diǎn)、交換機(jī)以及服務(wù)器和數(shù)據(jù)庫(kù)。用戶端是用戶可直觀使用的設(shè)備，無(wú)線訪問點(diǎn)和交換機(jī)用于數(shù)據(jù)通道的傳輸，服務(wù)器負(fù)責(zé)和客戶機(jī)連接以及Tensorflow算法程序的封裝，語(yǔ)料庫(kù)負(fù)責(zé)存儲(chǔ)和管理彝漢雙語(yǔ)平行語(yǔ)料庫(kù)。

在該結(jié)構(gòu)系統(tǒng)中，客戶端使用Android 4.0版本以上的設(shè)備，連接服務(wù)器的方式可以采用ADSL有線連接或WIFI無(wú)線連接的方式訪問服務(wù)器。當(dāng)用戶在手機(jī)端輸入需要翻譯的文字后，發(fā)送HTTP請(qǐng)求給服務(wù)器進(jìn)行翻譯，服務(wù)器接受請(qǐng)求響應(yīng)后，向語(yǔ)料庫(kù)查詢匹配語(yǔ)料數(shù)據(jù)，并將數(shù)據(jù)通過模型訓(xùn)練，以得到翻譯的結(jié)果，最后服務(wù)器將翻譯結(jié)果反饋給用戶端，從而實(shí)現(xiàn)翻譯的功能。

2 C/S結(jié)構(gòu)介紹

由于在線翻譯需要運(yùn)行大量框架程序，內(nèi)存空間需求大，所以本文在軟件系統(tǒng)設(shè)計(jì)中采用C/S結(jié)構(gòu)并將程序封裝在服務(wù)器端[3]?？蛻魴C(jī)通過局域網(wǎng)與服務(wù)器相連，當(dāng)接受到用戶的請(qǐng)求數(shù)據(jù)后，會(huì)通過網(wǎng)絡(luò)向服務(wù)器提出請(qǐng)求。當(dāng)服務(wù)器接受到客戶機(jī)的請(qǐng)求后，會(huì)調(diào)取語(yǔ)料庫(kù)的數(shù)據(jù)，并進(jìn)行模型訓(xùn)練得出結(jié)果，最后將翻譯結(jié)果提交給客戶機(jī)，客戶機(jī)再將數(shù)據(jù)結(jié)果直接呈現(xiàn)給用戶，這樣便完成了翻譯的全部流程。

使用這種結(jié)構(gòu)可以提高系統(tǒng)的通信速度，并結(jié)合Android的操作機(jī)制，大大減輕了前端界面的操作壓力；同時(shí)，這種結(jié)構(gòu)還可以合理有效的分配客戶機(jī)和服務(wù)器端的任務(wù)，充分利用系統(tǒng)硬件配置[3]，從而減少了系統(tǒng)的通信開銷[4]。

3 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

3.1 深度可分離卷積神經(jīng)網(wǎng)絡(luò)

深度可分離卷積是引入深度可分離卷積的Inception，通常稱之為“Xception”。它將傳統(tǒng)卷積分解成一個(gè)深度卷積和一個(gè)1*1的卷積。

深度卷積通過在每個(gè)獨(dú)立的輸入通道上執(zhí)行空間卷積，在比傳統(tǒng)卷積減少參數(shù)數(shù)量的同時(shí)，也對(duì)每個(gè)通道進(jìn)行了學(xué)習(xí)。通過采用1*1的窗口逐點(diǎn)卷，從而把深度卷積的輸出映射到一個(gè)新的通道空間[5]。具體過程如圖1所示：

3.2 LSTM神經(jīng)網(wǎng)絡(luò)

長(zhǎng)短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)（LSTM）是一種循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）[6]，內(nèi)部有四個(gè)網(wǎng)絡(luò)層。它能夠?qū)W習(xí)利用以前的信息來(lái)對(duì)當(dāng)前任務(wù)進(jìn)行相應(yīng)的操作。與傳統(tǒng)的RNN網(wǎng)絡(luò)相比，它是為了解決訓(xùn)練過程中的梯度消失和長(zhǎng)依賴問題，因此提出了一種“記憶機(jī)制”，即對(duì)狀態(tài)進(jìn)行選擇與處理。

LSTM網(wǎng)絡(luò)結(jié)構(gòu)可以分成輸入門、輸出門、遺忘門和輸入輸出神經(jīng)網(wǎng)絡(luò)這幾個(gè)部分。而這種特殊的門結(jié)構(gòu)可以選擇讓哪些信息通過，通過丟棄、添加、更新細(xì)胞狀態(tài)等來(lái)達(dá)到使用目的[7]。其作用公式如下：

其中，i(t)表示輸入門輸出、o(t)代表輸出門輸出、f(t)表示遺忘門輸出、c(t)表示細(xì)胞狀態(tài)、h(t)表示t時(shí)刻隱藏層的輸出數(shù)據(jù)、a表示激活函數(shù)。

4 實(shí)驗(yàn)過程及結(jié)果分析

4.1 神經(jīng)網(wǎng)絡(luò)處理結(jié)果

4.1.1 實(shí)驗(yàn)思路

神經(jīng)機(jī)器翻譯（NMT）是機(jī)器翻譯的重要方向。由循環(huán)神經(jīng)網(wǎng)絡(luò)演化而來(lái)的神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯模型可以綜合語(yǔ)言的語(yǔ)法、語(yǔ)義以及連貫性等方面進(jìn)行機(jī)器翻譯、語(yǔ)義提取、文本摘要等任務(wù)［7］。

彝語(yǔ)屬于資源稀缺型的語(yǔ)言，其語(yǔ)料收集困難，地方種類繁雜，使得數(shù)據(jù)稀疏問題嚴(yán)重。本工作首先將彝語(yǔ)切分為詞、音節(jié)、字符、字詞4種不同的粒度。通過采用雙向長(zhǎng)短時(shí)記憶(LSTM)神經(jīng)網(wǎng)絡(luò)形成詞語(yǔ)表示，將深度卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于源語(yǔ)言，對(duì)不同的粒度序列進(jìn)行卷機(jī)運(yùn)算，使編碼器完整地捕獲源語(yǔ)言句子語(yǔ)義信息。

4.1.2 實(shí)驗(yàn)設(shè)置

本實(shí)驗(yàn)中訓(xùn)練的彝漢雙語(yǔ)語(yǔ)料規(guī)模為5萬(wàn)句對(duì)。隨機(jī)劃分測(cè)試集和訓(xùn)練集，訓(xùn)練之前對(duì)語(yǔ)料進(jìn)行了人工校對(duì)。實(shí)驗(yàn)分為漢語(yǔ)——彝語(yǔ)和彝語(yǔ)——漢語(yǔ)兩個(gè)翻譯方向。卷積神經(jīng)網(wǎng)絡(luò)CNN由五層編碼器和九層解碼器構(gòu)成，batch_size的大小為128。深度可分離卷積翻譯模型卷積核為3*3，每層核的寬度為3。實(shí)驗(yàn)使用雙語(yǔ)互譯評(píng)估（BLEU）值作為模型效果的指標(biāo)。

4.1.3 結(jié)果展示

本模型得到的BLEU值在20%左右，效果較好。漢彝的翻譯效果較彝漢好，平均高出0.805個(gè)百分點(diǎn)。其原因可能是漢語(yǔ)組詞復(fù)雜，訓(xùn)練過程中涉及到的詞數(shù)量有限，造成BLEU值偏低。此外，實(shí)驗(yàn)中子詞粒度的效果最優(yōu)，這是因?yàn)樽釉~粒度可以由低頻詞切分成高頻詞片段，緩解數(shù)據(jù)稀疏的問題。而字符粒度的BLEU較低的原因是彝語(yǔ)切分為字符后，雖然緩解了數(shù)據(jù)稀疏問題，但是增加了句子長(zhǎng)度，使得長(zhǎng)距離依賴學(xué)習(xí)的更加困難[8]。

4.2 Android端翻譯測(cè)試

本文根據(jù)已經(jīng)構(gòu)建好的Android端軟件和服務(wù)器端，進(jìn)行翻譯測(cè)試實(shí)驗(yàn)。在界面中通過輸入文本（用戶可以根據(jù)需要選擇翻譯類型），然后數(shù)據(jù)將傳輸?shù)椒?wù)器端，并使用LSTM算法返回翻譯結(jié)果。結(jié)果在翻譯界面中可以實(shí)時(shí)查看。

在軟件上對(duì)中文和彝文進(jìn)行幾次翻譯后，就可以實(shí)現(xiàn)從中文到彝文，從彝文到中文的雙向翻譯，本文通過給能夠識(shí)別彝漢雙語(yǔ)的人識(shí)別，結(jié)果顯示許多測(cè)試翻譯結(jié)果大致一樣。但是由于系統(tǒng)和模型的內(nèi)在缺陷存在，本系統(tǒng)的準(zhǔn)確性和文學(xué)性與陳述的實(shí)際條目和含義之間存在一定偏差，但不會(huì)影響整體閱讀。

綜上所述，經(jīng)反復(fù)測(cè)試，采用深度可分離網(wǎng)絡(luò)、LSTM等算法的翻譯結(jié)果測(cè)試集準(zhǔn)確度達(dá)到86%，并且系統(tǒng)在Android方面也顯示了翻譯的完整性和可行性。

5 結(jié)語(yǔ)

本文中設(shè)計(jì)的翻譯系統(tǒng)，可以實(shí)現(xiàn)彝語(yǔ)和漢語(yǔ)之間的互譯功能。在技術(shù)上，主要基于Android平臺(tái)開發(fā)、數(shù)據(jù)庫(kù)開發(fā)和當(dāng)前流行的機(jī)器翻譯框架，并利用Flask框架搭建了數(shù)據(jù)交互的橋梁；從翻譯的結(jié)果來(lái)看，該系統(tǒng)有較準(zhǔn)確的翻譯結(jié)果。

此外，本項(xiàng)目在后期開發(fā)時(shí)，可以根據(jù)現(xiàn)有框架，并結(jié)合各種語(yǔ)言的特有語(yǔ)法結(jié)構(gòu)進(jìn)行分析，優(yōu)化翻譯模型；以便加入更多的民族語(yǔ)言，比如藏語(yǔ)、維吾爾語(yǔ)、回文等；當(dāng)系統(tǒng)達(dá)到一定規(guī)模后，這將在促進(jìn)民族地區(qū)交流溝通的同時(shí)，還可以極大的保護(hù)我國(guó)少數(shù)民族語(yǔ)言的多樣性。