·204· 智能系统学报 第8卷 器翻译中引入复述的研究还处于初级阶段，有一定 效果如改善模型训练的方法，因为要生成训练语句 的局限性，并没有实质性地改变机器翻译的框架.笔 的句级复述，通常不能使用短语级复述规则做简单 者认为具体表现在如下几个方面：1)复述抽取的质 的短语替换，如表1中的句子(2).因为对于短语级 量不高，由于错误的传播将间接影响到翻译结果的 复述规则的使用可以不受句法约束，而句级复述如 好坏：2)复述生成的多样性不充分，并没有达到利 果句法错误，则会导致语义混乱.对于短语级复述， 用复述来丰富表达形式的目的：3)现有工作还局限 将其运用生成复述句必然会引入一些语法错误、语 在已有的统计模型框架下引入复述知识，因此复述 序不畅的问题.但是在构造复述词图时，就可以使用 技术与统计机器翻译系统的整体融合还需进一步的 短语级复述，从而避免上述问题的出现.使用短语级 研究 复述构建词图，可以使词图包含更多信息，使用待译 在引入复述技术的统计机器翻译研究中，虽然 语句的词图进行翻译是依据搜索解码过程对译文的 将复述技术运用在统计机器翻译的不同阶段，但究 评判，因此对词图的解析不但可以提高容错性也可 其本质，主要是为了解决数据稀疏的问题能否很好 以提升多样性.复述模板和复述搭配都包含句法信 地提升翻译效果，笔者认为主要有2个关键问题需 息，而目前在统计机器翻译中引入复述模板和复述 要解决：1)复述的正确性：2)复述的多样性， 搭配的研究工作还较少.笔者认为复述模板和复述 2.1复述的正确性 搭配的结构可以很好地与句法翻译模型相结合.句 引入复述改善机器翻译系统的翻译质量主要取 法翻译模型的过分细化使数据稀疏问题显得尤为严 决于复述的正确性，复述的正确性又可以体现为复 重，而复述的多样性可以很好地解决这一问题，又因 述生成的准确率.如表1所示，有4句复述句，其中 为复述模板和复述搭配的结构与句法翻译模型相 句子(2)~(4)这3句是错误的，若将其全部用于机 似，所以在句法翻译模型中引入复述模板和复述搭 器翻译系统中，必定会产生负面影响.如何提高复述 配将成为未来研究的重点，这也体现了机器翻译与 生成的准确率是复述能否提升翻译效果的一个至关 复述融合的思想.可见对于不同的任务，恰当的复述 重要的问题.就目前的研究而言，还没有很好的自动 粒度选取会有效提升复述的适用性， 评测手段来判断复述生成的好坏.笔者认为复述的 复述规则有人工定义和自动获取2种方法.对 正确性与复述规则的正确性和复述规则的适用性相 于人工定义的复述规则，由于考虑到了各种语言学 关如表1所示，句子(1)是原句，句子(2)是利用 知识，规则自身都是正确的，问题只是规则的使用是 “the movies->the films”复述规则生成的复述句.可 否恰当而对于自动获取的复述规则，由于统计的误 以发现这条短语复述规则是正确的，但是生成的“即 差、语料库的覆盖度等因素，导致包含过多的噪声. to the films'”并不符合英语的习惯用法.没有考虑句 这就需要一种合适的途径过滤掉噪声，不但过滤质 中上下文、句法信息与简单地使用短语级复述规则 量较差的规则，而且还能够对规则的使用，即复述的 是造成句子(2)错误的根本原因.而表1中句子 生成作一定的限制.上下文信息及句法信息的引入 (3)、(4)使用了错误的复述规则，因此产生了语法 使复述质量得到了很好的改善.通过对比上下文相 错误 近的语句找到适用于相同语言环境的复述规则来获 表1复述句实例 取和生成复述，使得语义不变：利用句法知识分析复 Table 1 Examples of paraphrase sentence 述句，使得语法正确 复述句 序号 正误 2.2复述的多样性 Everyone often goes to the movies (1) 会 数据稀疏是导致现有统计机器翻译系统的翻译 Everyone often goes to the films. (2) 错 结果不能令人满意的主要原因，笔者认为数据稀疏 性的根源来自语言的多样性，又可体现为复述生成 Everyone goes often to the movies. (3) 错 的召回率.因为机器翻译的训练数据无法包含所有 Everybody goes to the movies often. (4) 带 的语言现象，如果能极大地提升复述的召回率，便可 Everybody often goes to the movies. (5) 对 以使翻译系统的覆盖度尽可能扩大，从而提升翻译 复述一般通过同义词典、语料库、互联网等获 效果.笔者认为语言的多样性主要表现为个体性与 取根据粒度不同，又分为复述句、复述短语、复述模 进化性。 板和复述搭配等，在统计机器翻译中引入的复述粒 1)个体性.如表2所示，当用英文表达“请给我 度一般是句级、短语级和复述模板对于统计机器翻 一杯啤酒”时，因为个人的习惯与口语的随意性，有 译中的不同阶段，不同粒度的复述选取会有不同的 多种结构完全不同的表达形式时.当训练语料库中器翻译中引入复述的研究还处于初级阶段，有一定 的局限性，并没有实质性地改变机器翻译的框架．笔 者认为具体表现在如下几个方面：１）复述抽取的质 量不高，由于错误的传播将间接影响到翻译结果的 好坏；２）复述生成的多样性不充分，并没有达到利 用复述来丰富表达形式的目的；３）现有工作还局限 在已有的统计模型框架下引入复述知识，因此复述 技术与统计机器翻译系统的整体融合还需进一步的 研究． 在引入复述技术的统计机器翻译研究中，虽然 将复述技术运用在统计机器翻译的不同阶段，但究 其本质，主要是为了解决数据稀疏的问题．能否很好 地提升翻译效果，笔者认为主要有 ２ 个关键问题需 要解决：１）复述的正确性；２）复述的多样性． ２．１ 复述的正确性 引入复述改善机器翻译系统的翻译质量主要取 决于复述的正确性，复述的正确性又可以体现为复 述生成的准确率．如表 １ 所示，有 ４ 句复述句，其中 句子（２） ～ （４）这 ３ 句是错误的，若将其全部用于机 器翻译系统中，必定会产生负面影响．如何提高复述 生成的准确率是复述能否提升翻译效果的一个至关 重要的问题．就目前的研究而言，还没有很好的自动 评测手段来判断复述生成的好坏．笔者认为复述的 正确性与复述规则的正确性和复述规则的适用性相 关．如表 １ 所示，句子（１） 是原句，句子（２） 是利用 “ｔｈｅ ｍｏｖｉｅｓ⁃＞ｔｈｅ ｆｉｌｍｓ” 复述规则生成的复述句．可 以发现这条短语复述规则是正确的，但是生成的“ｇｏ ｔｏ ｔｈｅ ｆｉｌｍｓ”并不符合英语的习惯用法．没有考虑句 中上下文、句法信息与简单地使用短语级复述规则 是造成句子（ ２） 错误的根本原因． 而表 １ 中句子 （３）、（４）使用了错误的复述规则，因此产生了语法 错误． 表 １ 复述句实例 Ｔａｂｌｅ １ Ｅｘａｍｐｌｅｓ ｏｆ ｐａｒａｐｈｒａｓｅ ｓｅｎｔｅｎｃｅ 复述句 序号 正误 Ｅｖｅｒｙｏｎｅ ｏｆｔｅｎ ｇｏｅｓ ｔｏ ｔｈｅ ｍｏｖｉｅｓ． （１） 原 Ｅｖｅｒｙｏｎｅ ｏｆｔｅｎ ｇｏｅｓ ｔｏ ｔｈｅ ｆｉｌｍｓ． （２） 错 Ｅｖｅｒｙｏｎｅ ｇｏｅｓ ｏｆｔｅｎ ｔｏ ｔｈｅ ｍｏｖｉｅｓ． （３） 错 Ｅｖｅｒｙｂｏｄｙ ｇｏｅｓ ｔｏ ｔｈｅ ｍｏｖｉｅｓ ｏｆｔｅｎ． （４） 错 Ｅｖｅｒｙｂｏｄｙ ｏｆｔｅｎ ｇｏｅｓ ｔｏ ｔｈｅ ｍｏｖｉｅｓ． （５） 对 复述一般通过同义词典、语料库、互联网等获 取．根据粒度不同，又分为复述句、复述短语、复述模 板和复述搭配等，在统计机器翻译中引入的复述粒 度一般是句级、短语级和复述模板．对于统计机器翻 译中的不同阶段，不同粒度的复述选取会有不同的 效果．如改善模型训练的方法，因为要生成训练语句 的句级复述，通常不能使用短语级复述规则做简单 的短语替换，如表 １ 中的句子（２）．因为对于短语级 复述规则的使用可以不受句法约束，而句级复述如 果句法错误，则会导致语义混乱．对于短语级复述， 将其运用生成复述句必然会引入一些语法错误、语 序不畅的问题．但是在构造复述词图时，就可以使用 短语级复述，从而避免上述问题的出现．使用短语级 复述构建词图，可以使词图包含更多信息，使用待译 语句的词图进行翻译是依据搜索解码过程对译文的 评判，因此对词图的解析不但可以提高容错性也可 以提升多样性．复述模板和复述搭配都包含句法信 息，而目前在统计机器翻译中引入复述模板和复述 搭配的研究工作还较少．笔者认为复述模板和复述 搭配的结构可以很好地与句法翻译模型相结合．句 法翻译模型的过分细化使数据稀疏问题显得尤为严 重，而复述的多样性可以很好地解决这一问题，又因 为复述模板和复述搭配的结构与句法翻译模型相 似，所以在句法翻译模型中引入复述模板和复述搭 配将成为未来研究的重点，这也体现了机器翻译与 复述融合的思想．可见对于不同的任务，恰当的复述 粒度选取会有效提升复述的适用性． 复述规则有人工定义和自动获取 ２ 种方法．对 于人工定义的复述规则，由于考虑到了各种语言学 知识，规则自身都是正确的，问题只是规则的使用是 否恰当．而对于自动获取的复述规则，由于统计的误 差、语料库的覆盖度等因素，导致包含过多的噪声． 这就需要一种合适的途径过滤掉噪声，不但过滤质 量较差的规则，而且还能够对规则的使用，即复述的 生成作一定的限制．上下文信息及句法信息的引入 使复述质量得到了很好的改善．通过对比上下文相 近的语句找到适用于相同语言环境的复述规则来获 取和生成复述，使得语义不变；利用句法知识分析复 述句，使得语法正确． ２．２ 复述的多样性 数据稀疏是导致现有统计机器翻译系统的翻译 结果不能令人满意的主要原因，笔者认为数据稀疏 性的根源来自语言的多样性，又可体现为复述生成 的召回率．因为机器翻译的训练数据无法包含所有 的语言现象，如果能极大地提升复述的召回率，便可 以使翻译系统的覆盖度尽可能扩大，从而提升翻译 效果．笔者认为语言的多样性主要表现为个体性与 进化性． １）个体性．如表 ２ 所示，当用英文表达“请给我 一杯啤酒”时，因为个人的习惯与口语的随意性，有 多种结构完全不同的表达形式时．当训练语料库中 ·２０４· 智 能 系 统 学 报 第 ８ 卷