机器翻译词典中语言信息的形式表示方法

上传者：杜海莲
|
上传时间：2015-05-05
|
密次下载

机器翻译词典中语言信息的形式表示方法

1
载《语文研究》2006 年，第3 期（总第100 期）
机器翻译词典中语言信息的形式表示方法
1

Formal Representation of Linguistic Information in Machine Translation Dictionaries
冯志伟
（教育部语言文字应用研究所）
摘要：机器翻译词典必须是计算机可读的，这样的词典应当使用形式化的方法表示出来。文本根据 MMT
模型中的复杂特征理论，分别研究了在机器翻译的分析词典、转换词典和生成词典中语言信息的形式化表
示方法，如“宏表示法”“特征组合”“条件过程”“赋值过程”等。这些形式化表示法都是建立在复杂特征
的基础之上的。
关键词：机器翻译，词典，形式表示，MMT 模型，复杂特征。
我曾经设计过若干个机器翻译系统，例如，汉-法/英/日/俄/德多语言机器翻译系统
FAJRA，英-汉机器翻译系统ECMT，法-汉机器翻译系统FCAT，德-汉机器翻译系统GCAT，
日-汉机器翻译系统JCMT ，英-日机器翻译系统E-to-J 等。在研制这些机器翻译系统的过程
中，我提出了“多叉多标记树形图模型”（Multi-branch and Multi-label Tree Model，简称MMT
模型），MMT 模型采用“多标记”（也就是“复杂特征”）来表示语言信息。在本文中，我
们将根据 MMT 模型中的复杂特征理论，采用复杂特征这种适合于计算机处理的形式来描述
语言信息，把机器翻译词典中的语言信息形式化地表示出来。
词典是机器翻译系统中规模最大的组成部分，也是机器翻译系统最重要的语言知识资
源。机器翻译词典开发的工作量很大，需要大量的人力和时间。机器翻译系统的性能，在很
大的程度上依赖于词典的质量。使用低质量词典的机器翻译有如做无米之炊，这样的翻译系
统的性能肯定是十分低劣的。
有一些机器翻译系统的词典向用户开放，用户可以根据自己的需要增删词典的内容，所
以，一般用户也有必要了解机器翻译词典的知识。
机器翻译词典有三种：分析词典、转换词典、生成词典。有的机器翻译系统同时具有这
三种词典，分别用来做分析、转换和生成。有的机器翻译系统把分析词典和转换词典合并，
另有一部生成词典用来做形态生成，这些机器翻译系统只有两部词典。有的机器翻译系统把
分析词典和转换词典合并成一部词典，形态生成通过机器翻译系统的规则来实现，这样，这
些机器翻译就只有一部词典了。为了叙述上的方便，我们这里仍然分别来讨论分析词典、转
换词典和生成词典。
1 分析词典中语言信息的形式表示方法
机器翻译的分析词典是在源语言自动分析中使用的词典。分析词典中词汇单元所包含的
特征应该是多方面的。尽管由于机器翻译系统的目的不尽相同，不同的机器翻译系统对于词
汇的描述各具特色，但是，各个系统几乎都要具体地描述词的词类特征、词的次类特征、词
的性、数、人称、时态、体、语气、语态等等。如果要作较为深入的自动剖析，还需要描述
单词的语义特征；在许多有屈折变化的语言中，除了描述单词形态的规则的屈折变化之外，
还需要描述单词形态的不规则屈折变化。一般来说，这些特征都可以使用复杂特征（complex
feat ures）来描述。
分析词典的词汇中所包含的纯句法信息主要有三种类型：
(1)词类特征：例如，某词为动词，某词为名词等；
(2)词与词之间的结合特征：例如，某词的主语是什么，某词的补语是什么等；
(3)与句法有关的词的其他特征：例如，名词的性、数等。

1
本文得到国家社会科学基金资助，项目号03BYY019