英語翻譯軟件視角下的翻譯改正算法研究

　　摘要目的：使得英語語言文學翻譯錯語率降低。方法：塑造與實施漢英依存樹串實例機器翻譯系統，首先對知網運算輸入需要翻譯的句子同實例庫內源語言中的詞匯語義相似度進行分析;接著對機器翻譯中相似實例檢索模塊與翻譯文誕生模塊形成過程進行論述;再采用數據翻譯模型對英語語言的準確翻譯進行更進一步校對;最后對三種不同機器翻譯系統進行相關實驗比較分析。結果：表明本文所采用英語依存樹串實例機器翻譯系統翻譯的方法，其譯文具有較高準確性與穩定性。結論：該英語機器翻譯的錯誤大大降低。

　　關鍵詞英語翻譯;機器翻譯;漢英依存樹串實例機器翻譯系統;語義語言機器翻譯系統

　　英語教育論文英漢語法銜接手段翻譯方法

　　摘要：本文從照應、替代、省略、連接四種語法銜接手段探討了英漢語銜接手段的差異以及調整英譯漢語法銜接手段的常用翻譯方法。英漢語法機制差異突出體現在形合與意合的問題上，兩種語言間的差異經常成為翻譯的障礙。語法銜接機制發生沖突時，為了維持語篇的連貫性，有必要根據譯入語的銜接原則調整銜接模式。

　　機器翻譯是屬于自然語言翻譯范疇的核心部分，通常具有較高的社會應用價值。機器翻譯也是屬于一種英語語言文學翻譯方法，不過該方法還是憑經驗進行譯文，它不需要對句子的語法與語義進行更深入了解與分析，就能提升英翻譯的效率[1]。但是由于該翻譯措施對實例庫要求比較嚴格，而傳統的機器翻譯一般是運用管道形式逐次運作對最初語料采取詞性標識與句子語法分析，從而形成英語句子與語法結構，使得英語翻譯過程中出現錯迭代傳遞增多與結構化實例發生錯誤的情景大大提高，最終使得英語語言文學翻譯的錯誤率也隨之提升。為了解決這方面難題，因此本文從英語翻譯軟件視角下對翻譯改正算法進行詳細探討，最終目的就使英語語言文學翻譯的準確率得到提高[2]。

　　1依存樹到串模型與相關計算

　　1.1依存樹到串模型分析

　　三元組屬于依存樹到串模型，當中是一個翻譯對。在此模型中，D的含意為源語言的依存樹，S的含意為源語言的目標詞語串，A的含意主要用來對D和S兩者之間的詞對齊關系的描述，根據依存樹到串雙語對齊模型的實例[3]。上端是源語言的依存樹D，D的每個節點主要包括詞性與詞語兩個屬性，各詞語下的英文代表各單詞相應的詞語性質。例如動詞、名詞、形容詞通常分別用VV、NN、以及JJ所表示。(此文的詞性標注標準來源于StanfordParser詞性標注集)。單詞中還采用黑色線段一般是用來對詞語相互之間的關系進行描述。下端時是中文句子所對應的英文字符串序S,上端與下端的虛線的作用主要對漢語單詞節點與英語單詞兩者之間的對應關系進行描述[3]。

　　1.2知網的詞匯語義相近程度

　　近似度的取值范圍一般為[0，1]，W1與W2兩個不一樣的詞語之間的含意的近似度為：(,)(,)sinsemanticW1W2maxi1,2,n,j1,2,,ms1is2isim===(1)在(1)式中s1i(i=1,2,,n)與s2i(i=1,2,,m)主要用來對對Wi與W2兩個詞語中所存在n個與M個概念進行闡述，兩個詞語中所表達的含意近似度是兩個詞語的概念近似最大值。詞語定義的近似度可以使用定義的義原相近的程度進行表述，使用如下(2)式的運算義原p1與p2的近似度。αα+=dSim(P,P)12(2)在(2)式中，α代表能夠調控的參數，d代表兩個義原在義原樹中的路徑距離，它的數值通常為0或者正數。

　　1.3對數線性模型

　　對于該模運用多特點的思考識別模型。依據一個假設的句子：ffffIjJJI=,，形成設文eeIejeJJI=,,，最大的熵的翻譯模型如下：(,)1eheeJIJmIMmmJI∑==λ(3)對數線性模型可拓展性比較強，能夠依據不同的目標要求對對應特點進行設定，還能夠把數種不同的語言學措施應用到機器翻譯中來。機器翻譯系統的主要表現方式為正向譯文概率、反向譯文概率、以及譯文語言模型等特征函數。立足于翻譯系統的實際要求自動設置特點函數與相應的特權權重，再參照上式(3)就能夠得到對形成譯文得分最高為最佳譯文[4]。

　　1.4機器翻譯系統分析

　　運用Sato&Nagao措施分析依存機構，將依存樹到串對齊實例的源語言依存樹進行它的表現方式進行論述，再經配套論述的方式對實例庫內的實例片段進行測試，從而獲得所需要錄入的句子，相近的實例測試得到完成。配套體現的表達方式通常為三種形分別為增加、過濾、以及替換。在未有目標語詞串中，該目標語詞串主要指依存樹架構關系層，它相對應的翻譯出來的語句表現形式也將發生改變[5]。

　　源語言的依存樹到串實例D3與實例D5在實例庫的結構。源語言的依存樹到串實例D3與實例D5在實例庫的結構展現在實際庫例中，比如類似于e21、e51的標識，一般是采用單詞的順序對其實施標號，S(目標詞語串)的標號是在前面標識了“e”。比如將中文“她買了一本英語書”，再與源語言實例D3與D5相互融合，通過測試而取得[c21,[r,c23[c51]]]是屬于它當中一個相對應的表現形式，經過此目標配套表現形式獲得錄入語句的目標語譯文是Ibuyapoliticsbook。

　　根據該文對數性模型，采用特征函數具體表現如下：(1)正向譯文概率與反向譯文概率，倘若單詞量一樣時，兩種句子(即譯句與被譯句)之間具有較多一樣的單詞量，如果使用特征函數就更加容易形成比較正確的翻譯。(2)語言模型。倘若要形成高質量的譯文，通常是就要使用這種函數來進行考核，提升譯文句子流利、順暢程度。此文以目標語言的語言模型，得出目標語言中所包含的譯文片斷的概率。

　　2相關試驗

　　2.1試驗設定

　　試驗語料使用是CWMT2015官方測評用的漢英新聞語料，由于受到實驗系統限止，從中挑選出42萬句語料，當然此語料也是屬于英語與漢語的平行語料，把這些挑選出來的語料看成為英漢雙語實際應用庫例中的初始語料[6]。把CWMT2015國家測試集看成檢測集，語言欄是指檢測的句子語種為英語與漢語兩種語言，開發集欄主要是指CWMT2015官方評測用的測試集中挑選出來漢英新聞語料數量作為初始語料，檢測集欄中是指實驗被測試的語句數量。

　　2.2試驗結果與剖析

　　為了對此文的依存樹串實例機器英語翻譯系統的有效果性進行測試，本試驗的語料庫作為基礎，然后對本文系統進行對比分析，三個機器翻譯系統譯文結果，就是指屬于等待評價譯文與參考譯文的n-單位片段實現的比較分析。該列表當中的數值，也叫BLEU值，倘若計算結果匹配值越大，那么等待評價的譯文質量就越佳。第三列表中數值，也叫NTST值。該數值衡量譯文質量的標準參考值，該列表數值越高，說明其等待評價譯文的質量就越佳。

　　通過數據比較能夠知道，第二列與第三列表中此文依存樹串實例機器英語翻譯系統數值比其它兩款機器翻譯系統的數值均要高，這就體現依存樹串實例機器英語翻譯系統的性能更佳，是屬于一種譯文質量較好的翻譯系統。本試驗是通過上文所論述的三種不一樣的翻譯系統將中文翻譯成為英文結果，從中整理某一部分的譯文進行分析。所檢驗的中文語句是“信息產業展現快速發展的趨勢”，通過三種不同的譯文系統進行翻譯，而所得到譯成英文的情況。

　　三種翻譯系統的譯文差異進行分析，發現主要在于對“快速發展”這詞，語義語言機器翻譯系統的譯文為“Keepingthemomengtumgoing”,與開源統計機器翻譯系統的譯文“fastchange”的原詞具有很高差異，這與英語的語議與語法均不相符。而依存樹串實例機器英語翻譯系統對此詞的譯文結果，盡管與相關參考譯文相比較，還存在一些不足，比如語序沒有統一，但是能與語義要求相符，因此其準確性高[7]。兩種系統對實驗語料庫中的語句進行英文翻譯成漢語與漢語翻譯成英文的結果。兩個表中第一列是兩種系統對每個句子平均翻譯結果，語義語言機器翻譯系系數大于此文依存樹串實例機器英語翻譯系統的平均數，這就體現了此文依存樹串實例機器英語翻譯系統的翻譯的結果錯誤較少。

　　再對兩表中的準確翻譯召回率進行比較，就能比較清楚地看出此依存樹串實例機器英語翻譯系統比語義語言機器翻譯系統要高;對結果中首位準確翻譯率與結果中前兩位準確翻譯率進行比較，發現此文依存樹串實例機器英語翻譯系統較語義語言機器翻譯系統均要高。通過以上比較分析可知，此文依存樹串實例機器英語翻譯系統能夠使得翻譯準確率得到提升，具有較強的英語語言文學翻譯功能[8]。

　　3結論

　　本文通過塑造依存樹串實例機器英語翻譯系統，并采取相關實驗，通過從譯文中各句的翻譯結果(平均數)、譯文結果中準確翻譯的召回率、譯文結果準確翻譯率(第一位)、譯文結果中準確翻譯率(前兩位)等方面進行比較分析，最后實驗結果表明，依存樹串實例機器英語翻譯系統較語義語言機器翻譯系統翻譯譯文準確率更高，由此更加體現了該系統具有較強的英語語言文學翻譯功能。

　　參考文獻

　　[1]汪昆,宗成慶,蘇克毅.統計機器翻譯與翻譯記憶的動態融合方法三[J].中文信息學報,2015,29(02):87-89.

　　[2]季春元,熊澤金,侯艷芳,陳明.基于人機交互的網絡化智能翻譯系統設計[J].自動化與儀器儀表,2019,08(25):25-28.

　　[3]王丹丹.基于實例的漢英依存樹到串機器翻譯方法研究[D].北京：北京交通大學,2016.

轉載請注明來自發表學術論文網：http://www.zpfmc.com/jylw/22036.html