CN104239293A

CN104239293A - 一种基于机器翻译的专名翻译方法

Info

Publication number: CN104239293A
Application number: CN201410406501.XA
Authority: CN
Inventors: 江潮; 张芃
Original assignee: WUHAN TRANSN INFORMATION TECHNOLOGY Co Ltd
Current assignee: Iol Wuhan Information Technology Co ltd
Priority date: 2014-08-18
Filing date: 2014-08-18
Publication date: 2014-12-24
Anticipated expiration: 2034-08-18
Also published as: CN104239293B

Abstract

一种基于机器翻译的专名翻译方法，包括：对待译文档进行分词处理，建立词语集；将所述词语集中的每个词语在专名映射表中进行匹配，将匹配成功的词语作为候选专名；确定每个所述候选专名在所述待译文档中特定段落中具有的关联项，以及每个关联项的关联系数；根据每个所述候选专名的所有关联系数进行计算；将结果满足给定条件的所述候选专名作为专名，并按照专名对应的译文进行翻译。本发明有效的提高了机器翻译对专名的翻译质量和翻译效率。

Description

一种基于机器翻译的专名翻译方法

技术领域

本发明涉及翻译技术领域，尤其是涉及一种基于机器翻译的专名翻译方法。

背景技术

专名的翻译是翻译中一个重要的方面，由于其特殊性，虽然许多专名虽然按音译翻译不是完全准确，但长期以来约定俗成是固定翻译的，所以应该以固定的翻译结果出现，否则对于译文的理解就会产生很大的偏差，比如按韦氏拼音拼写的“蒋介石”的英文名“Chiang Kai-shek”被误译成“常凯申”就是一种非常严重的误翻译。专名的翻译包括人名、地名、机构名、媒体名、文艺作品名、品牌名等各类专有名词的翻译，在文字系统相同和相似的语言间，由于书同文的便利，源语言名称往往能够以原文的书写形式被目的语直接借用，而在文字系统各不相同的语言间，由于文字兼容性不足，导致在专名翻译中音译、语义翻译、重新命名等多样化转换方式的存在，从而使得专名翻译的规范化存在困难。

发明内容

本发明的目的之一是提供一种基于机器翻译的专名翻译方法，以解决现有技术中对专名翻译的准确性低的问题。

在一些说明性实施例中，所述获取专业词汇译文的方法，包括：对待译文档进行分词处理，建立词语集；将所述词语集中的每个词语在专名映射表中进行匹配，将匹配成功的词语作为候选专名；确定每个所述候选专名在所述待译文档中特定段落中具有的关联项，以及每个关联项的关联系数；根据每个所述候选专名的所有关联系数进行计算；将结果满足给定条件的所述候选专名作为专名，并按照专名对应的译文进行翻译。

与现有技术相比，本发明的说明性实施例包括以下优点：

通过对待译文档中的具有名词性质的词语进行专名分析，确定该词语是否为专名，保证待译文档通过机器翻译中名词翻译的准确性。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是按照本发明的说明性实施例的流程图。

具体实施方式

在以下详细描述中，提出大量特定细节，以便于提供对本发明的透彻理解。但是，本领域的技术人员会理解，即使没有这些特定细节也可实施本发明。在其它情况下，没有详细描述众所周知的方法、过程、组件和电路，以免影响对本发明的理解。

为了更好的理解本发明中的说明性实施例，下面对本发明说明性实施例中的一些术语进行简单说明。

本文中所使用的方法适用于多种语种，例如英文、中文、日文、法文等，本领域技术人员应该可以了解本文所公开的方法不仅仅适用于英文、中文、日文和法文，还可以是其他具有字词结构的语种，在此不再穷举。

机器翻译引擎具有查找、索引、替换等功能，构成的自动翻译技术，是基于各种语料数据库作为基础实现。

现在参照图1，图1示出了在一些说明性实施例中翻译的流程图。

如图1所示，在一些说明性实施例中，公开了一种基于机器翻译的专名翻译方法，包括：

S11、对待译文档进行分词处理，建立词语集；

S12、将所述词语集中的每个词语在专名库中进行匹配，将匹配成功的词语作为候选专名；

S13、根据专名映射表，确定每个所述候选专名在所述待译文档中特定段落中具有的关联项，以及每个关联项的关联系数；

S14、根据每个所述候选专名的所有关联系数进行计算；

S15、将结果满足给定条件的所述候选专名作为专名，并按照专名对应的译文进行翻译。

在一些说明性实施例中，在对待译文档进行分词处理之后，还包括：

去除获取到的所有词汇中的停用词、形容词、副词、动词，保留其中的名词、成语和简称略语，并以保留的所述名词、成语和简称略语建立所述候选词汇库。

在一些说明性实施例中，所述特定段落至少为候选专名在所述待译文档中的所在的句、所在的自然段和该候选专名在待译文档中前后一定范围中之

在一些说明性实施例中，所述关联项映射表中每个专名对应至少一个关联项，每个关联项具有关联系数；

关联项映射表包括专名、关联词、关联项、关联系数，例如表1所示为包含3个关联词的关联项映射表；其中，关联项的数量是根据关联词的数量为定的，关联项的数量为即2^m-1个；其中m为关联词汇的数量。

表1

例如匹配成功的候选专名w，其在待译文档中的特定段落中包含有w₁、w₂两个关联词汇，通过表1所示在关联项映射表找到关联项w₁、关联项w₂、关联项w₁w₂，共3个关联项；

在一些说明性实施例中，在对待译文档进行分词处理之前，还包括：

构建所述专名映射表，其过程包括：

提取翻译参考文档库中包含有专名w的文本段落，建立文本集R；提取专名库中专名w的专名关联词集W＝{w₁，w₂，…，w_m}；其中，w₁，w₂，…，w_m分别为w的关联词；根据所述文本集和专名关联词集，确定关联项，并计算出每个关联项的关联系数，建立所述专名映射表。

专名库例如表2所示：

表2

在一些说明性实施例中，所述关联项包括单项关联项和多项关联项；其中，每个所述单项关联项为一个所述关联词；每个所述多项关联项为至少两个所述单项关联项构成的唯一组合。

在一些说明性实施例中，所述单项关联项的关联系数的计算过程，包括：

计算出文本集R中专名w按照专名翻译的概率P(w)；计算出关联词w_i在文本集R中的出现概率P(w_i)；计算出文本集R中专名w按照专名翻译的文本段落中关联词w_i出现的概率P(w_i|w)；

按照如下公式计算出所述单项关联项的关联系数；

P (w | w_{i}) = \frac{P (w_{i} | w) \cdot P (w)}{P (w_{i})}

其中，P(w|w_i)为单项关联项w_i的关联系数，1≤i≤m。

在一些说明性实施例中，所述多项关联项的关联系数的计算过程，包括：

按照如下公式递推出所述多项关联项的关联系数；

P (w | w_{1} . . . w_{n}) = \frac{P ({ww}_{1} . . . w_{n})}{P (w_{n} | w_{1} . . . w_{n - 1}) \times . . . \times P (w_{2} | w_{1}) \times P (w_{1})}

其中，P(w|w₁…w_n)为多项关联项w₁…w_n的关联系数，n为组成该多项关联项的单项关联项的项数，2≤n≤m。

在一些说明性实施例中，根据每个所述候选专名的所有关联系数进行计算的过程，包括：

按照如下公式计算出候选专名的专词权重P(spec)：

P(spec)＝∑_{i∈{1，2，…，n}}P_i-∑_{i，j∈{1，2，…，n}，i≠j}P_iP_j+∑_{i，j，k∈{1，2，…，n}，i≠j≠k}P_iP_jP_k-…+(-1)ⁿ⁺¹P₁P₂…P_n；

其中，P_i、P_j、P_k和P_n为关联项的关联系数；n为待译词汇关联项的项数，i、j、k为关联项的序号，1≤i、j、k≤n。

在一些说明性实施例中，所述给定条件至少包含以下之一：

1)、P(spec)＝1；

2)、P(spec)不小于预先设定的权重阈值；

3)、P(spec)分别大于所述待译词汇的一定数量的关联项的关联系数。

机器翻译引擎是通过预先设定好的条件，触发或满足预设设定的条件的情况下，通过语料库进行识别、查找、替换等操作；对于专业性质的待译词汇，机器设备无法做到识别该待译词汇必须使用专业词义；通过本发明中的说明性实施例，可以确定待译词汇所使用的场合是否是必须使用专业词义的，提高了翻译的准确性，以及机器翻译效率。

本文对于上述说明性实施例中的方法，还提供了一种优选地实施例，包括：

1、建立专名库，例如表2所示；

专名库中专名为以下之一：

专用人名、专用地名、专用机构团体名、专用出版物及商标名。

其中，每个专名具有至少一个关联词；

2、建立专名映射表

提取翻译参考库中已翻译的包含有专名w的文本段落，建立第一文本集R；统计第一文本集R中的文本段落的数量tr；

其中，文本段落可以是包含有专名w的自然句、自然段、以及专名w所在文档的前后一定范围内的词汇集合。

去除第一文本集R中专名w未按照专名进行翻译的文本段落，以剩余的文本段落建立第二文本集S；统计第二文本集S中文本段落的数量ts；

在专名库中找到专名w的专名关联词集W＝{w₁，w₂，…，w_m}；

统计专名关联词集W中每个关联词w_i在段落集R中的出现次数tr_i(1≤i≤m)，其中，关联词w_i每在R中的一个文本段落中出现一次tr_i加1，关联词w_i在一个文本段落中出现多次出现按一次计算；

统计专名关联词集W中每个关联词w_i在段落集S中的出现次数ts_i(1≤i≤m)，w_i每在S中的一个文本段落中出现一次ts_i加1，w_i在一个段落中出现多次出现按一次计算；

计算专名w在文本集R中按专名进行翻译的概率P(w)；

其中，可以通过第二文本集的文本段落数量ts除以第一文本集的文本段落数量tr获得；

计算关联词w_i在文本集R中出现的概率P(w_i)；

其中，可以通过w_i在第一文本集R中的出现次数tr_i除以R的段落数量tr获得；

计算在词汇w按专名进行翻译的情况下，候选词集中词汇w_i也同时出现的条件概率P(w_i|w)；

其中，可以通过w_i在第二文本集S中的出现次数ts_i除以S的段落数量ts获得；

根据公式计算出关联词w_i的关联系数P(w|w_i)：

P (w | w_{i}) = \frac{P (w_{i} | w) \cdot P (w)}{P (w_{i})}

确定关联项，关联项包括：单项关联项和多项关联项；

每个单项关联项为一个单独的关联词，其关联系数为该关联词的关联系数；

每个多项关联项是至少两个单项关联项的唯一组合，其关联系数可以通过如下公式递推得到：

P (w | w_{1} . . . w_{n}) = \frac{P ({ww}_{1} . . . w_{n})}{P (w_{n} | w_{1} . . . w_{n - 1}) \times . . . \times P (w_{2} | w_{1}) \times P (w_{1})}

建立专名映射表，例如表1所示。

3、获得候选专名

接收待译文档；

对待译文档进行分词处理，去除其中的停用词、形容词、副词、动词，保留名词、成语、简称略语，获得候选词语集合；

以该候选词集合在专名库中进行模式匹配，得到专名候选词集合。

4、对获得的候选专名是否按专名翻译进行判断

对每个候选专名在待译文档中前后一定范围内的词进行统计，该范围至少包括：该候选专名所在的句；该候选专名所在的段落；该候选专名前后固定数量的词。

根据专名映射表，找到候选专名在待译文档中一定范围内具有的关联词，并确定关联项，以及每个关联项的关联系数；

按照如下公式计算出该候选专名的专词权重P(spec)：

P(spec)＝∑_{i∈{1，2，…，n}}P_i-∑_{i∈{1，2，…，n}，i≠j}P_iP_j+∑_{i∈{1，2，…，n}，i≠j≠k}P_iP_jP_k-…+(-1)ⁿ⁺¹P₁P₂…P_n；

通过归纳法可以证明0≤P_i≤P(spec)≤1，(i∈{1，2，…，n})。

在计算出的专词权重满足以下之一的给定条件，则判定该候选专名为专名，按照专名库的译文翻译；

给定条件如下：

1)、P(spec)＝1；

2)、P(spec)不小于预先设定的权重阈值；

3)、P(spec)分别大于所述候选专名的一定数量的关联项的关联系数。

以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种基于机器翻译的专名翻译方法，其特征在于，包括：

对待译文档进行分词处理，建立词语集；

将所述词语集中的每个词语在专名库中进行匹配，将匹配成功的词语作为候选专名；

根据专名映射表，确定每个所述候选专名在所述待译文档中特定段落中具有的关联项，以及每个关联项的关联系数；

根据每个所述候选专名的所有关联项的关联系数进行计算；

将结果满足给定条件的所述候选专名作为专名，并按照专名对应的译文进行翻译。

2.根据权利要求1所述的专名翻译方法，其特征在于，在对待译文档进行分词处理之后，去除获取到的所有词汇中的停用词、形容词、副词、动词，保留其中的名词、成语和简称略语，并以保留的所述名词、成语和简称略语建立所述候选词汇库。

3.根据权利要求1所述的专名翻译方法，其特征在于，所述特定段落至少为候选专名在所述待译文档中的所在的句、所在的自然段和该候选专名在待译文档中前后一定范围中之一。

4.根据权利要求1所述的专名翻译方法，其特征在于，在对待译文档进行分词处理之前，还包括：

构建所述专名映射表，其过程包括：

提取翻译参考文档库中包含有专名w的文本段落，建立文本集R；

提取专名库中专名w的专名关联词集W＝{w₁，w₂，…，w_m}；其中，w₁，w₂，…，w_m分别为w的关联词；

根据所述文本集和专名关联词集，确定关联项，并计算出每个关联项的关联系数，建立所述专名映射表。

5.根据权利要求4所述的专名翻译方法，其特征在于，所述关联项包括单项关联项和多项关联项；

每个所述单项关联项为一个所述关联词；

每个所述多项关联项为至少两个所述单项关联项构成的唯一组合。

6.根据权利要求5所述的专名翻译方法，其特征在于，所述单项关联项的关联系数的计算过程，包括：

计算出第一文本集R中专名w按照专名翻译的概率P(w)；

计算出关联词w_i在第一文本集R中的出现概率P(w_i)；

计算出文本集R中专名w按照专名翻译的文本段落中关联词w_i出现的概率P(w_i|w)；

按照如下公式计算出所述单项关联项的关联系数；

P (w | w_{i}) = \frac{P (w_{i} | w) \cdot P (w)}{P (w_{i})}

其中，P(w|w_i)为单项关联项w_i的关联系数，1≤i≤m。

7.根据权利要求6所述的专名翻译方法，其特征在于，所述多项关联项的关联系数的计算过程，包括：

按照如下公式递推出所述多项关联项的关联系数；

P (w | w_{1} . . . w_{n}) = \frac{P ({ww}_{1} . . . w_{n})}{P (w_{n} | w_{1} . . . w_{n - 1}) \times . . . \times P (w_{2} | w_{1}) \times P (w_{1})}

8.根据权利要求4所述的专名翻译方法，其特征在于，根据每个所述候选专名的所有关联系数进行计算的过程，包括：

按照如下公式计算出候选专名的专词权重P(spec)：

9.根据权利要求1所述的专名翻译方法，其特征在于，所述给定条件至少包含以下之一：

1)、P(spec)＝1；

2)、P(spec)不小于预先设定的权重阈值；