1、計算機輔助翻譯系統漫談 陳群秀清華大學計算機科學與技術系智能技術與系統國家實驗室 北京 摘要 本文首先簡單介紹機器翻譯研究發展簡史和研究動向。然后本文闡述機器翻譯系統的分類及特點：機器翻譯系統從系統研制的方法分為基于規則的機器翻譯系統和基于語料庫的機器翻譯系統，后者又分為基于統計的機器翻譯系統、基于實例的機器翻譯系統和翻譯記憶系統；從自動化程度分為全自動機器翻譯系統、人助機譯系統和機助人譯系統，后兩種合稱為計算機輔助翻譯系統；從翻譯轉換方式分為直譯式系統、基于轉換方式的翻譯系統和基于中間語言（樞軸式）的翻譯系統；從翻譯用戶的需求分為為瀏覽者研制、為修訂者研制、為翻譯者研制和為寫作者研制的系統等

2、四種類型。進而本文提出機器輔助翻譯系統最好同時包含基于翻譯記憶技術和基于實例模式翻譯這兩種翻譯功能并且這兩種翻譯方法和翻譯過程最好分階段進行。最后本文對基于翻譯記憶技術的輔助翻譯有關技術和基于實例模式翻譯的有關技術進行了討論。 關鍵詞 計算機輔助翻譯系統；機器翻譯系統的分類及特點；基于翻譯記憶技術的輔助翻譯有關技術；基于實例模式翻譯的有關技 機器翻譯研究發展簡史和研究動向 隨著因特網的日益普及應用和全球一體化日益進展，不同語種間人們交流的語言障礙日益顯得更為突出。為解決這一難題而進行的機器翻譯研究是一個涉及語言學、計算機科學、認知科學等多學科的綜合性研究領域。目前，機器翻譯研究是國際上激烈競爭

3、的高科技研究領域之一，也是信息處理的實用學科。機器翻譯研究是1946年計算機產生后的第一個應用。機器翻譯研究自1947年美國洛克菲勒基金會自然科學部主任華倫韋弗提出用現代電子計算機進行語言翻譯的設想至今，已有五十多年近六十年的歷史，它的發展歷史波波折折、起起復復。它經歷過最初近二十年的初創期和第一個興旺期，但由于當時人們對機器翻譯的期望值過高，而機器翻譯當時的研究水平和技術的歷史局限，也因為當時的大學科人工智能研究沒抓住本質而又頭腦發熱盲目樂觀，致使人工智能和機器翻譯的研究進入了低谷期，即機器翻譯自1966年美國發表了ALPAC報告（黑皮書）后經歷了1966年1976年長達十年的蕭條低迷期。到

4、二十世紀七十年代中期機器翻譯研究才開始逐漸復蘇并進入了第二個興旺期。特別是八十年代以來，機器翻譯研究得到了長足的發展，進入了發展的黃金時代。這個時代有四個顯著特點： (1) 機器翻譯研究走出實驗室開始進入實用階段。 這個階段相繼出現了一些實用型的機器翻譯系統，例如美國的SYSTRAN系統（1975年）、加拿大蒙特利爾大學的TAUMMETEO系統（1976年）、日本富士通公司的ATLAS系統、法國紡織研究所的TITUSIV系統（翻譯編織專業文摘）等。機器翻譯研究面向應用、走向應用、邁向商品化，同時又以應用推動更高層次的研究，是這一時代最主要的特點。 (2) 電子和軟件產業部門直接卷入機器翻譯研究

5、是這個時代的第二個特點。產業部門的直接卷入對機器翻譯研究發展產生深遠的影響。 (3) 國際間的交流與合作十分活躍是這個時代的又一特點。 國家政府間的合作、民間組織間的合作形式都有。國家間的合作主要有歐洲共同體EUROTRA計劃和亞洲由日本政府支持的ODA計劃。EUROTRA計劃開始于1978年，主要目的在于開發一個能處理歐洲共同體成員國語言的機器翻譯系統，當時就投入4000萬美元，參加的國家有法國、德國、比利時、丹麥、荷蘭、希臘、愛爾蘭、意大利、盧森保和美國，大約有100多名的研究人員。ODA計劃是由日本通產省發起和資助、由日本國際情報協力中心CICC組織、有中國、泰國、馬來西亞和印度尼西亞參

6、加的機譯合作計劃，開始于1987年，預定1992年完成（實際1993年結束），政府投資60億日元，翻譯策略為中間語言表示和概念詞典。 (4) 加速吸收和采用新理論和新技術是這個時代的第四個特點。 機器翻譯研究雖然進入了全面發展的黃金時代，但仍然面臨著重重的困難，困難歸困難，但因機器翻譯的市場是巨大的，前景也是遠大的，因此各個國家對機器翻譯研究的興趣正在持續增長，特別是日本，熱情有增無減。全世界從事機器翻譯的研究人員有幾千人，其中日本就將近占了一半。機器翻譯面臨一些嚴峻問題，例如，機器翻譯系統的譯準率長期徘徊在70%左右（大規模真實語料文本下更低），譯文的可讀性、系統對語言現象的覆蓋面、系統的魯

7、棒性尤其是開放性都不盡人意。社會迫切需要對真實文本（尤其是網上海量文本）進行大規模的處理，而機器翻譯系統同當今社會對大規模真實文本處理的期望相差甚遠。機器翻譯系統的譯準率和譯文可讀性（可理解度，可懂度）之所以不盡人意是因為在翻譯過程中存在著下列問題：源文句子分析時語法結構和語義結構存在歧義；多義詞在不同語境中存在譯詞選擇問題；譯文生成時存在介詞、助詞的多義選擇問題；譯文生成時還存在性、數、格一致性問題、時態、語態、語氣、尊稱選擇問題和符合母語語言習慣、語序選擇問題；代詞指代問題、相關詞照應問題、省略成分復原問題，等等。 目前，機器翻譯研究領域有幾個研究動向值得注意： (1) 為解決機器翻譯系統

8、面臨的重重困難，采用多種翻譯分析策略、多種翻譯方法的結合是當前機器翻譯研究的動向和前沿性研究； 現有基于規則的翻譯技術和基于語料統計的翻譯技術各有其不足之處，考慮到語言的規律性和重復性，一些研究者又提出了一種基于翻譯記憶技術的機器翻譯方法，即利用先驗的或者人機交互過程中生成的翻譯記憶，實現對輸入文本的翻譯，例如歐共體（德國TRADOS公司）開發的“Trados Translators workbench”系統、美國的CMU大學研究開發的Pangloss系統等，并已取得了很好的效果。不過由于它們是基于例子的完全匹配，有下面三方面的問題：一方面這種例子庫無法包容所有的現實自然語言句子；另一方面由于

9、例子的適應性不強，如要使這種例子庫具有一定的語言現象覆蓋面的話，勢必會使例子庫非常龐大，并且細微差別不能夠有效泛化，冗余度很大；第三方面是例子庫的譯文構造基本局限在模式匹配的語言處理層次上，譯文近似構造能力很低。但是基于實例模式庫的基于實例的翻譯方法則能克服以上問題，是對基于簡單翻譯記憶方法的改造和完善。實際上現在很多機器翻譯系統或研究基本上都是采用基于規則翻譯方法和基于語料庫翻譯方法相結合，形成一種研究的潮流和動向。 (2) 在機器翻譯系統中實現參數化，這也是現在機器翻譯系統的一個發展方向和新動向。 為了提高機器翻譯的譯文質量，有效的方法是將通用的機器翻譯系統進行專一領域化（可在很大程度上提

10、高機器翻譯系統的翻譯質量），而專一領域化又必須對每一個領域構造不同的專業領域詞典加上通用詞典，這就必須花費巨大的人力、物力和時間。為了既能對機器翻譯系統實現專一領域化而又不必對每一個領域構造不同的專業領域詞典，對機器翻譯系統實現參數化是一種解決辦法。參數化的機器翻譯系統有一個翻譯核心，而且只有一套詞典和一套語法規則，但在模型的建立中設置了很多的參數。對于不同領域的需求，參數化的機器翻譯系統采用自動學習的方法來調整參數的設置，以達到符合這個領域的要求。臺灣清華大學的蘇克毅教授與英群公司研制的英漢機器翻譯系統ARCHTRAN（采用ATN、RULE、統計方法三結合），1989年5月完成，一直為IBM

11、、HP、SUN等公司翻譯手冊。蘇克毅教授的英漢機器翻譯系統中實現了參數化。 國內翻譯軟件市場上的商業軟件主要有詞典類軟件和翻譯類軟件兩種。前者包括金山詞霸、東方快車、華建詞海等產品，后者包括華建網上通系列、銘泰公司的東方快譯系列、金山公司的金山快譯、IBM的翻譯家和中軟公司的譯星系列等全文翻譯軟件。華建機器翻譯有限公司的IAT系統（單板版和局域網絡版）、德國TRADOS公司的TRADOS系統（在英語類國家中市場占有明顯領先地位，有60多個國家）、北京雅信誠軟件公司的雅信CAT系統（按設定的匹配率給出參考譯文）則是輔助翻譯類的產品代表。 2. 機器翻譯系統的分類及特點 從機器翻譯系統研制的方法來

12、分，機器翻譯系統可以分為如下類型： (1) 基于規則的機器翻譯系統（Rule-Based MT system，簡稱RBMTS）：它是根據專家的知識歸納的語言的規則設計的機器翻譯系統。基于規則翻譯方法在機器翻譯界一直占有主導地位，直到今天仍發揮著重要作用，現在有影響的MTS都是基于規則的。 (2) 基于語料庫的機器翻譯系統（Corpus-Based MT system，簡稱CBMTS）：它是根據從語料庫中獲取的統計數據或者語言實例來設計的機器翻譯系統。基于語料庫方法的MTS通常稱為第三代MTS。基于語料庫的機器翻譯系統還可以進一步再分類，分為如下三種類型： a基于統計的機器翻譯系統（Statis

13、tic-Based MT system，簡稱SBMTS）：它是根據從語料庫中獲取的統計數據來設計的機器翻譯系統。統計機器翻譯的數學模型是由IBM公司的Brown等人提出的（1990，1993），它包括語言模型和復雜程度遞增的5種翻譯模型（數學模型），簡稱IBM Model 15。IBM公司的英法機譯系統Candide在統計機器翻譯方法上做出了有益嘗試。 b基于實例的機器翻譯系統（Example-Based MT system，簡稱EBMTS）：它是根據從語料庫中獲取的語言實例來設計的機器翻譯系統。基于實例翻譯方法最早是由日本著名的機器翻譯專家長尾真1984年提出的，其基本設想是不通過深層的分析

14、，僅僅利用已有的翻譯經驗知識，通過類比原理進行翻譯。日本京都大學的英日實驗系統MBT2在基于實例翻譯方法上做出了有益嘗試。 c翻譯記憶系統（Translation Memory MT system，簡稱TMMTS）：它是能夠保存和重復使用翻譯工作者已經翻譯好的譯文的翻譯系統。翻譯記憶軟件在內容修訂和更新的全過程中能保存和重復使用譯文。如果有新的資料需要翻譯，可以使用原來存儲在翻譯記憶中的譯文，重復使用原來的譯文。關于翻譯記憶機制的設想，最早提出這一想法的是Peter Arthern（1978）。他指出：如果能在線檢索已有的、相似文檔的譯文，翻譯人員就能從中獲得很大的幫助。他還主張開發一個程序，

15、讓系統記住已經翻譯過的文本，新文本輸入后系統檢查“記憶庫”，找到相似的文本并輸出其譯文。翻譯記憶技術系統產品包括Transit（STAR）、Translation Manager（IBM）、Optimizer（Eurolang）、Translators Workbench（Trados）、TransPro（TranPro）、WorldLingo等。 從機器翻譯系統的自動化程度來分，機器翻譯系統可以分為如下類型： (1) 全自動機器翻譯系統（Full Automatic MT system, 簡稱FAMTS）：它是由計算機全部自動地進行翻譯的機器翻譯系統。 (2) 人助機譯機器翻譯系統（Huma

16、n-Assisted MT system，簡稱HAMTS）：它是由人來輔助計算機進行翻譯的機器翻譯系統。可以通過譯前編輯對于要翻譯的原文進行加工，使之適合機器翻譯系統的要求，或者通過譯后編輯對于翻譯好的譯文進行修改，使之滿足用戶的需要。 (3) 機助人譯機器翻譯系統（Machine-Assisted MT system，簡稱MAMTS）：它是由計算機輔助人來進行翻譯的機器翻譯系統。例如，人可以使用計算機來查詢詞典，修改譯文錯誤等。 這后兩種翻譯系統合稱計算機輔助翻譯系統。 從翻譯轉換方式和翻譯過程來分，機器翻譯系統又可以分為以下三種類型： (1) 直譯方式和直譯式系統（Driect Trans

17、lation MTS，簡稱DTMTS）：它是以直接翻譯方法為基礎的第一代機器翻譯系統。直譯法的基本原則是把原語的詞或句子替換成相應的譯語的詞或句子，必要時對譯文詞序進行適當的調整。早期的MTS主要采用直譯式的翻譯模式。 (2) 基于轉換翻譯方式和基于轉換方式的機器翻譯系統（Transfer Based MTS，簡稱TBMTS）：它包括源語言分析、源語言到目標語言的轉換和目標語言生成三個階段。轉換方法保留了較多的源語句型信息和源語到目標語的結構轉換信息，同時也較依賴雙語詞典來提供轉換時所需的源語到目標語的結構轉換信息。轉換可以在詞法、句法或語義等不同的層次上進行，即一類系統僅有句法轉換，另一類則

18、超越了表層結構加入了語義分析。基于轉換翻譯方式其中的許多方法和技術相對比較成熟，直到今天仍被沿用。有些基于轉換策略的MTS采用了在源語和譯語之間能表現句法關系并在一定程度上表現語義關系的中間表達式（例如句法結構樹、語義網絡等）。在翻譯過程中先把源語句子分析結果轉化為中間表達式，再由中間表達式轉換生成譯文。第二代MTS以基于轉換的方法為代表，普遍采用以句法分析為主、語義分析為輔的基于規則方法、采用由抽象的轉換表示的分層次實現策略。比如著名的有加拿大蒙特利爾大學的TAUM-METEO系統，法國Grenoble大學的英法機器翻譯系統GETA系統和TITUS系統，美國Texas大學的德英機器翻譯系統M

19、ETAL系統和LOGOS系統、德國Saar大學的德俄英法多語機器翻譯系統SUSY系統和日本FUJITSU公司的日英機器翻譯系統ATLAS-I、ATLAS-II。 (3) 基于中間語言（中介語）方式和基于中間語言（樞軸式）的機器翻譯系統（Interlingua-Based MTS，簡稱IBMTS）：它將語義表達推至極限，試圖創造一個獨立于各種自然語言同時又能表達各種自然語言的無歧義人工語言作為中間語言。中間語言方法的基本論點是：雖然各種語言的表層結構（句法結構）差異比較大，但卻有相同的深層結構表達式，這些表達式可以看作通用的語義表達式。源語經過各個層次的分析由表層結構到達深層結構，而目標語的生成

20、也是從深層結構經過各個層次最后到達表層結構。其特點是對多語翻譯系統非常經濟合算，將n(n-1)個雙語有向系統變為2n個語言分析模塊和生成模塊。法國Grenoble大學的俄法系統CETA和美國Texas大學的德英機器翻譯系統METAL在基于中間語言翻譯方法上都做出了有益嘗試。歐共體的EUROTRA計劃包括多種語言互譯，向多種語言間全自動翻譯這一艱巨目標邁出實實在在的步伐。由日本政府（日本國際情報化合作中心CICC）資助的ODA計劃從1987年至1992年（實際上是1993年）有日本、中國、泰國、馬來西亞、印度尼西亞等五個亞洲國家參加，投資六十億日元，對中間語言翻譯方法進行了探索。 從機器翻譯用戶

21、的需求來分，機器翻譯系統可以分為如下四種類型： (1) 為瀏覽者研制的機器翻譯（MT for the Watcher，簡稱MT-W，或MT for the Browser，簡稱MT-B）：其目的是幫助瀏覽者查閱外文資料，對于譯文質量要求不高，瀏覽者可以接受粗糙的譯文。 (2) 為修訂者研制的機器翻譯（MT for the Reviser，簡稱MT-R）：其目的是幫助用戶修訂粗糙的譯文，粗糙的譯文經過修訂之后，質量應該比為瀏覽者研制的機器翻譯的譯文有所提高。 (3) 為翻譯者研制的機器翻譯（MT for the Translator，簡稱MT-T）：其目的是幫助用戶進行在線機器翻譯，用戶在翻譯時

22、可以使用在線機器詞典、翻譯實例庫等，因此，對于譯文質量的要求比較高。 (4) 為寫作者研制的機器翻譯（MT for the Author，簡稱MT-A）：其目的在于幫助用戶進行翻譯或寫作，要盡量避免翻譯中的歧義，因此，對于譯文質量要求更高。 3. 機器輔助翻譯系統 前面已經講過，機器翻譯系統（全自動翻譯）的譯準率長期徘徊在70%左右，譯文的可讀性、系統對語言現象的覆蓋面、系統的魯棒性尤其是開放性都不盡人意。社會迫切需要對真實文本（尤其是網上海量文本）進行大規模的處理，而機器翻譯系統同當今社會對大規模真實文本處理的期望相差甚遠。機器輔助翻譯（Computer Aided Translation，

23、簡稱CAT）的思想就是在這樣的背景下產生的。與全自動機器翻譯系統相比較，機器輔助翻譯系統是一種人機交互式系統。在這種翻譯模式中，計算機負責輔助翻譯人員的任務，不僅給翻譯人員提供一些詞匯、術語、短語、慣用語翻譯的知識，而且從已翻譯過文本中查找相同或相似語句的譯文，使翻譯人員避免不必要的重復勞動，進行高效率的翻譯工作。計算機輔助翻譯的重要思想（包括基于翻譯記憶技術和基于實例模式的翻譯技術）是在翻譯記憶庫（雙語對齊庫）和實例模式庫中搜索相同或相似的句子或短語，給出參考譯文。翻譯人員充分利用已有的翻譯資源，盡量避免重復勞動。這種輔助翻譯機制特別適合于科技專著、科技文獻、產品說明書、用戶手冊、產品的幫助

24、文件、聯合國文件等這種篇幅長、重復語言現象較多的文本類型的翻譯，能幫助翻譯人員消除重復的翻譯勞動，只需專注于新內容的翻譯。 機器輔助翻譯系統有不同層次的系統，最早最低級的是各種雙語電子詞典，第二層是單純的翻譯記憶系統（如德國Trados公司的Translators Workbench），第三層是同時含有翻譯記憶功能、基于實例模式翻譯功能、甚至包括規則翻譯功能的系統，例如國內的華建公司的基于多策略的交互式智能輔助翻譯平臺華建智能輔助翻譯系統HJ-IAT。智能化的機器輔助翻譯系統至少應該包括譯前編輯、譯后編輯、翻譯記憶和檢索、基于實例模式翻譯、項目工程管理等功能。在基于實例模式翻譯和基于翻譯記憶技

25、術翻譯的翻譯流程設計上，有幾種做法： (1) 第一種做法是僅僅包含基于翻譯記憶技術功能或僅僅包含基于實例模式翻譯功能； (2) 第二種做法是同時包含基于翻譯記憶技術功能和基于實例模式翻譯功能，但兩種翻譯方法和兩種翻譯過程混合在一起； (3) 第三種做法是同時包含基于翻譯記憶技術功能和基于實例模式翻譯功能，而且兩種翻譯方法和翻譯過程分階段進行。 這第一種做法的兩種都不夠全面，功能也不全，一般不應取這種做法。第二種做法能比第一種做法功能要強要全面，但是兩種方法和兩種過程混合在一起，技術難度要大，過程也不好控制。我自己的機器翻譯系統研究經驗和體會是第三種做法總體上最好，兩種方法和兩種過程的各自目標清

26、晰明確，兩種方法可以將自己的優勢發揮到極致，過程也好控制。4. 基于翻譯記憶技術的輔助翻譯的有關技術 前面提到關于翻譯記憶機制的設想是Peter Arthern（1978）最早提出的。1980年前后一些研究人員紛紛開始收集和保存翻譯樣例，希望能將已有的翻譯資源重新利用并資源共享。但當時計算機硬件限制（儲存空間有限），建設雙語語料庫的費用高，雙語語料對齊的算法不成熟，因此翻譯記憶技術一直處于探索階段。到1990年左右才有實際上的翻譯記憶系統在市場上出現，如Sadler & Vendelman（1990）的“Bilingual Knowledge Bank”。之后支持翻譯記憶的翻譯工作站首次上市，

27、產品包括Transit（STAR）、Translation Manager（IBM）、Optimizer（Eurolang）、Translators Workbench（Trados）、TransPro（TransPro）、WorldLingo等。而且隨著計算機存儲空間擴大、處理速度加快、大量文本數據數字化又相當容易，翻譯記憶系統越來越得到翻譯人員的關注和重視（John Hutchins，1998）。目前翻譯記憶機制不僅是絕大多數機器輔助翻譯系統的核心甚至已經成為機器輔助翻譯的代名詞，而且已經成為一些多種翻譯策略的機器翻譯系統的組成部分，成為基于規則翻譯方法和基于統計方法的輔助手段和提高翻譯效

28、率的手段。 近幾年各種機器輔助翻譯軟件在國內外不斷面世，它們的應用在國外翻譯界較為普遍，如歐盟、德國大眾、西門子、聯合國、Microsoft、Cisco、Intel、HP等企業和國際組織使用“塔多思專業輔助翻譯軟件（Trados Translators Workbench）”來進行大量科技文獻的翻譯。“Translators Workbench”是由德國Trados公司開發的面向企業及個人的互動式翻譯系統，該系統直接和微軟的Word集成，界面友好，此外還有強大的網絡共享、術語管理、翻譯項目管理，為專業翻譯領域提供了一整套的解決方案。塔多思基本壟斷了國際大型翻譯和本地化公司以及全球四萬多企業和國

29、際組織，市場占有率達70%以上。中國對外翻譯出版公司使用英國著名的翻譯系統SDLX進行大量的專業文本的翻譯。中國國內主要產品有雅信CAT和華建智能輔助翻譯系統HJ-IAT，這兩個系統都支持漢英、英漢雙向翻譯。 基于翻譯記憶技術的輔助翻譯的研制牽涉到雙語語料庫的庫構造、語料管理和語料對齊技術、輔助翻譯平臺的翻譯句對檢索算法、項目工程管理有關技術，其中最重要的是雙語語料庫的規模、語料加工深度、加工質量、對齊描述的對齊信息描述內容和對齊技術以及對齊工具的開發。雙語對齊可在篇章級、段落級、句子級、子句級、短語級、詞匯級多種級別進行。目前比較實用的、技術比較成熟的是句子級的對齊。句子對齊現有方法基本上有

30、三種：基于長度的方法：依據的是兩種語言譯文的長度滿足一定比例關系。基于雙語詞典的方法：根據雙語單詞對譯的分布信息和詞典翻譯模型進行句子對齊。基于雙語詞典和基于長度的混合方法：基于長度的對齊方法模型簡單，獨立于語言知識和其他外部資源，對齊效率高，但容易造成錯誤蔓延。基于雙語詞典對齊方法相對可靠精確，但計算相當復雜并且詞典譯文覆蓋率先對較低。將這兩種方法結合起來進行句子對齊，有互補優勢，可提高對齊的召回率和正確率。句子對齊模式可能存在多種模式，例如1：1，1：n，n：1，m：n，甚至0：1或1：0模式。 同句子對齊相比，短語對齊或詞匯對齊可以提供更細粒度的對譯信息，能有效地提高譯文準確度和可讀性，因此對它的研究具有重要意義。就詞匯級對齊技術而言，目前有基于統計的和基于詞典的兩類主要方法。統計方法的主要思想是通過對大規模雙語語料的統計訓練