李佳鈺

摘要：在機器學習和自然語言處理技術支撐下，機器翻譯取得了飛速發(fā)展。但機器翻譯依然面臨語義分析這一難題，本文旨在通過分析機器翻譯的錯誤譯文，總結語義分析難題在日譯漢翻譯中的體現(xiàn)。

關鍵詞：機器翻譯;難題;語義分析;日譯漢

一、引言

基于計算機技術、自然語言處理技術和機器學習算法的不斷發(fā)展，機器翻譯不斷革新，取得了巨大的成果。[1]隨著跨語言、跨文化交流的擴大和深化，機器翻譯正逐漸成為實現(xiàn)溝通交流、跨越語言障礙的重要手段，有效降低了溝通成本，在教育、社交、商業(yè)貿(mào)易、文化交流等領域內(nèi)都有廣闊的應用空間。

當前的機器翻譯方法無論是基于規(guī)則的機器翻譯方法、基于統(tǒng)計模型的機器翻譯方法、還是基于神經(jīng)網(wǎng)絡的機器翻譯方法，依然面臨語義分析這一繞不開的難題，本文以心境小說《在城崎》的原文和百度翻譯的錯誤譯文為例，分析語義分析難題在日譯漢翻譯中的具體體現(xiàn)。

二、機器翻譯方法和語義分析難題

當前的機器翻譯方法，大致有基于規(guī)則的機器翻譯方法、基于統(tǒng)計模型的機器翻譯方法、基于神經(jīng)網(wǎng)絡的機器翻譯方法?；谝?guī)則的機器翻譯方法著重語言學知識，通過深層次語言學分析得出翻譯規(guī)則，是較傳統(tǒng)的翻譯方法;基于統(tǒng)計模型的機器翻譯方法將平行語料作為翻譯知識的來源，通過大量分析平行語料庫的內(nèi)容，類比得出新內(nèi)容最合適的翻譯方式;人工神經(jīng)網(wǎng)絡本質(zhì)上是受到大腦神經(jīng)網(wǎng)絡的啟發(fā)而建立的數(shù)學模型。[2]2013年以后，基于人工神經(jīng)網(wǎng)絡的機器翻譯逐漸興起，在谷歌翻譯開發(fā)并使用了Google神經(jīng)機器翻譯系統(tǒng)后，神經(jīng)網(wǎng)絡機器翻譯正式進入運用階段[3]。

自然語言具有的歧義特征使機器翻譯面臨語義分析這一大難題。歧義是自然語言中普遍存在的現(xiàn)象，實質(zhì)是同一語言形式可能具有不同的意義。自然語言在詞匯、句法、語義、語用等各個層面都充滿歧義。在詞匯層面上出現(xiàn)一詞多義;句法層面上一個句子可以表示多個意思，即句子本身是歧義的。[4]機器翻譯集成了自然語言處理學科中各個分支的諸多難題，由于詞形、詞性、句法、語義都存在著不同程度的歧義，使得機器翻譯面臨重大難題。[5]

現(xiàn)有研究顯示，基于規(guī)則的機器翻譯方法通過構建自然語言之間的轉換規(guī)律進行翻譯，難以解決語義分析難題?；诮y(tǒng)計模型的機器翻譯方法依靠大量語料，通過數(shù)學模型描述自然語言的轉換過程，將傳統(tǒng)基于規(guī)則的機器翻譯難以解答的“語義問題”交由數(shù)據(jù)和統(tǒng)計解決?；谏窠?jīng)網(wǎng)絡的機器翻譯方法使用深度學習神經(jīng)網(wǎng)絡獲取自然語言之間的映射關系，繞開了“語義問題”并使“語義理解”的過程成為“黑箱”。[6]當前的機器翻譯從產(chǎn)出效果上來講已經(jīng)取得了很大的進步，但無論是基于統(tǒng)計模型的機器翻譯方法還是基于神經(jīng)網(wǎng)絡的機器翻譯方法，都只是盡力實現(xiàn)得出正確譯文的概率最大化，語義分析依舊是不能也無法繞開的難題[7]。

三、語義分析難題在日譯漢翻譯中的體現(xiàn)

機器翻譯面臨的語義分析難題在日譯漢翻譯中有多種體現(xiàn)。下文通過日本作家志賀直哉的心境小說《在城崎》中的原文與目前國內(nèi)知名度較高的在線翻譯平臺百度翻譯的譯文為例，分析語義分析難題在日譯漢翻譯中的體現(xiàn)。

（一）多義詞、多義句型翻譯。

多義性是自然語言的特點之一。多義詞和多義句型的翻譯需要在語義分析的基礎上選取適當?shù)牧x項。

（1）原文：子供が二三人、四十位の車夫が一人、それへ石を投げる。なかなか當らない。

百度翻譯：有兩三個孩子，一個四十多歲的車夫向他扔石頭。很難猜中。

正確翻譯：兩三個孩子和一位四十多歲的車夫向它扔著石頭?？偸谴虿恢?。

「當たる」有“猜中;擊中;中獎”等多個義項，文中的意思應為“（石頭）擊中，打中”。

（2）原文：寂しい秋の山峽を小さい清い流れについて行く時考える事は矢張り沈んだ事が多かった。

百度翻譯：在寂寞的秋天的山峽里，隨著小清澈的河流前進的時候，思考的事情還是很多的。

正確翻譯：沿著小溪行走在寂靜的秋季峽谷中，此時此刻想的也多是令人心情沉郁的事。

「について」在本句中是“沿著”的意思。

（二）代名詞翻譯。

在譯文中正確將代名詞指代的內(nèi)容表達出來，需要對原文進行語義分析。

原文：自分は自身で病院をきめた。それへ行く方法を指定した。

百度翻譯：我自己決定去醫(yī)院。我指定了去那個的方法。

正確翻譯：我自己決定了去哪個醫(yī)院，并指定了去醫(yī)院的方法。

代名詞「それ」在文中指的是“醫(yī)院”。

（三）劃分句子層次。

當某些假名漢字組合在一起，能夠通過不同的層次劃分方式判斷成不同的句型時，需要在語義分析的基礎上正確劃分句子層次，進而判斷句子應用的句型。

原文：或所迄來ると橋だの岸だのに人が立って何か川の中の物を見ながら騒いでいた。

百度翻譯：到了某個地方，明明是橋或岸邊卻站著人，一邊看著河里的東西一邊吵鬧著。

正確翻譯：走到某個地方，只見橋上和岸邊擠滿了人，一邊看著河里的東西一邊喧鬧著。

原句中出現(xiàn)的句型是「……だの……だの」，表示列舉，“又是……又是……”，「に」表示所處的位置。原句的意思是“人們站在橋上和岸邊”，百度翻譯將句型識別為「のに」“明明，卻”，導致整句譯文偏離原意。

（四）補譯。

在語義分析的基礎上，才能做到恰當且正確地補譯。

（1）原文：鼠はどうかして助かろうとしている。顔の表情は人間にわからなかったが動作の表情に、それが一生懸命である事がよくわかった。

百度翻譯：雖然人類不知道臉上的表情，但是從動作的表情中，我明白了那是非常拼命的。

正確翻譯：雖然人類無法理解老鼠臉上的表情，但是從老鼠的動作上，我明白它在拼命掙扎。

「顔の表情」、「動作の表情」的主語都是“老鼠”，補譯后句意表達完整，便于讀者理解。

（2）原文：それは見ていて、如何にも靜かな感じを與えた。淋しかった。

百度翻譯：那個看著，給人一種安靜的感覺。我很寂寞。

正確翻譯：它看起來有一種極其安靜和寂寞之感。

「淋しかった」的主語不是“我”，而是文中的「それ」（蜜蜂的尸體），百度翻譯補譯錯誤。

（五）譯文語意是否符合邏輯。

若要使譯文符合語境，邏輯通順，必須在語義分析的基礎上進行翻譯。

（1）原文：祖父や母の死骸が傍にある。それももうお互いに何の交渉もなく、――こんな事が想い浮ぶ。

百度翻譯：祖父和母親的尸體在旁邊。而且雙方都已經(jīng)沒有任何談判了——這樣的事情讓人浮想聯(lián)翩。

正確翻譯：旁邊是祖父和母親的遺骸，但我們相互之間再沒有任何聯(lián)系?！夷X海中浮現(xiàn)出這樣的景象。

此句作者在議論生死，語氣嚴肅，將「想い浮ぶ」譯為“浮想聯(lián)翩”與前后文邏輯不合。

（2）原文：若し醫(yī)者が留守で、行って直ぐに手術の用意が出來ないと困ると思って電話を先にかけて貰う事などを頼んだ。

百度翻譯：如果醫(yī)生不在家，去了之后不能馬上準備手術的話就麻煩了，所以拜托他先打電話。

正確翻譯：若是醫(yī)生不在，不能在自己到達后馬上準備手術的話就糟了，所以還托人先打了電話。

句中「留守」指醫(yī)生不在醫(yī)院的情況，譯為“不在家”不符合句子邏輯。

四、結語

日譯漢機器翻譯的譯文中由語義分析難題帶來的誤譯十分常見。當前人機結合翻譯模式是解決這一問題的一種方法，即機器翻譯與譯后修改編輯相結合[8]，機器翻譯快速翻譯大量原稿，人工翻譯在此基礎上進行修改補充、譯文潤色。機器翻譯減輕了譯者在初步搭建譯文句型方面的壓力[9]，專業(yè)譯者人工介入進行譯后編輯，彌補機器翻譯在消除語言歧義性方面的缺點[10]，修改機器翻譯譯文中由語義分析難題帶來的誤譯。

科技與人文的融合是未來翻譯技術發(fā)展的必然方向[11]。機器翻譯與人工翻譯形成互補互助的關系，呈現(xiàn)出人機共存、人機互補的發(fā)展趨勢。

參考文獻

[1]王鈺.自然語言處理及其在機器翻譯中的應用[J]. 現(xiàn)代語文，2019（5）

[2]馮志偉.神經(jīng)網(wǎng)絡、深度學習與自然語言處理[J].上海師范大學學報（哲學社會科學版），2021，50

[3]席敬，董一恒.跨文化交際視角下的機器翻譯謬誤分析[J].北京印刷學院學報，2019，27（10）

[4]張政.機器翻譯難點所在[J].外語研究，2005（05）

[5]史樹敏.機器翻譯方法的研究現(xiàn)狀[J].內(nèi)蒙古師范大學學報（自然科學漢文版），2004，33（2）

[6]李晗佶，陳海慶.機器翻譯技術困境的哲學反思[J].大連理工大學學報（社會科學版），2020，41（06）

[7]王革，華南.語義分析對機器翻譯的影響——以新聞語言為例[J].江蘇經(jīng)貿(mào)職業(yè)技術學院學報，2013.

[8]張英杰，余美琪，李文博，等.人機結合翻譯現(xiàn)狀與發(fā)展[J]. 山西青年，2019（24）

[9]潘雨晴.“機器翻譯+譯后編輯”模式在聯(lián)合國文件翻譯中的應用[D].上海外國語大學，2021.

[10]胡亞琴.機器翻譯的詞義消歧難點及應對策略[D].上海外國語大學，2021.

[11]祝朝偉.機器翻譯要取代作為人的譯者了嗎？--兼談翻譯人才培養(yǎng)中科技與人文的關系[J].外國語文，2018，（3）.

（西北大學 ?陜西 ?西安 ?710127）