CN1110757C

CN1110757C - 处理两种文字对照的数据库的方法与装置

Info

Publication number: CN1110757C
Application number: CN94190391A
Authority: CN
Inventors: T·F·奥唐诺休
Original assignee: Canon Research Centre Europe Ltd
Current assignee: CANONG Co Ltd
Priority date: 1993-06-18
Filing date: 1994-06-17
Publication date: 2003-06-04
Anticipated expiration: 2014-06-17
Also published as: GB9312598D0; WO1995000912A1; EP0804767A1; JPH08500691A; CN1110882A; US5867811A; EP0804767B1; GB2279164A; DE69429881T2; DE69429881D1

Abstract

生成或从外部源接收对准的语料库(206，CORPE，CORPF)。各语料库包括与另一语料库的相应部分对准的部分，它们是两种自然语言的互为译文。编制一个统计数据库(210)，估计模块(212)为从各语料库中选出一个字的字对计算相互关联评分。给定一个正文部分对(每一种语言中一个部分)，估计模块(212)组合字对相互关联评分以得出该正文部分的对准评分。这些对准评分可用于检验一个译文(230)与/或修正对准的语料库(206)以消除不可信的对准。

Description

处理两种文字对照的数据库的方法与装置

技术领域

本发明涉及处理包括对准的语料库的两种或多种文字对照的数据库的方法与装置，用这种数据库自动翻译的方法与装置。

背景技术

对准的语料库为分成对准的部分的两种(或以上)正文体，使第一种语言语料库中的各部分映射到第二种语言语料库的对应部分上。各部分通常可包括一个单句或短语，但也可包括一个字或者甚至整个段。对准的语料库可用作自动翻译系统中的一个数据库，其中给定了第一种语言中的一个字、短语或句子时，如果它与已经存在在数据库中的一个部分匹配或以某种方式相似时，便能自动地得出第二种语言中的对应译文。这一原理可扩展到使两种以上的语料库对准，以便翻译成多种语言。

在五六十年代，普遍认为在不久的将来研制通用翻译系统是可能的。但由于需要大量背景信息与“智能”，所以稍后便意识到这种系统是甚为遥远的甚至有可能是根本不能实现的。但也意识到对准的语料库可用于小型专业化领域内的自动翻译。这是因为具有许多不同意义的“问题字”在一个专业化的活动领域的范围内，会趋于具有十分有限的意义范围。

然而，在建立这种专业化翻译系统中，尤其是假定为一种活动领域生成的数据库是理想地依据大量以前翻译的文件而可能不适用于另一领域的应用时，生成高质量的对准的语料库的问题仍然是第一位的。首先，要求工作在各领域中的用户生成他们自己的数据库，而这倾向于否定这种自动化系统的使用，从而仍然依赖于人类翻译人员。例如，美国专利5,140,522描述了一种机器翻译系统，其中在使用过程中建立起一个以前翻译过的句子的数据库，但并未公开不用人类翻译人员的初始努力而得到这一数据库的任何方法。

为了论述上述问题，现在作为GB-A-2272091公布的共同未决英国专利申请描述了生成对准的语料库的一种自动化系统。在这里引入GB-A-2272091的内容。该自动化系统响应字处理装置在大多数文件中插入的格式码，诸如指明新的一章的标题或表中的新项。对于包含诸如电子装置的使用说明书等在内的各种文本，这些格式码之间的正文部分小到足以用作对准语料库中的对准部分。从而，在上述申请中所描述的系统比较简单，这在于无需判断字的意义，也无需将正文剖析成句子或更小的单元。另一方面，由于种种原因，得到的对准是不完美的，使得数据库中包含不正确的对准的形式的“噪声”。

在计算语言学会第29次年会(Berkeley，Caliqornia)会报中，诸如W A Gale与K W Church在“两种文字对照的语料库中对准句子的程序”，以及P.F.Brown等人在“在并行语料库中对准句子”中已经描述了自动化生成对准的语料库的替代方法。Brown等人提出的系统在欧洲专利申请EP A-0525470中有更全面的描述。在这些系统中，所使用的部分对应于句子，并且对准是通过比较句子的长度，或者以字数(Brown等人)或者以字符数(Gale与Chureh)来进行的。当然，用这些方法得出的对准语料库也会包含错误的对准，根据文献，至少达到百分之几的水平。

Brown等人的文献描述了在自动生成的对准语料库的一个小的抽样(一百万对句子中的一千对)上人工进行的一次随机检验。这一工作揭示存在着一定观察到的概率的错误，但是在假定人工检验整个数据库是不现实的情况下，并未提出检测与纠正任何明显的错误部分的任何可实行的方法。再者，由于“锚定点”的一次比较揭示了节之间的不匹配，已经丢弃了大量的节(大约语料库的10％)。由于Gale与Church提出的自动对准方法是基于句子长度的或然相关性的，所以这两位作者建议只需简单地略去最小可能性的对准便能消除许多错误的对准。这种取舍可能是有价值的，但数据库的质量仍然受到句子长度的相互关联是对准的唯一关键这一假设的限制。

Brown等人的翻译系统(EP-A-0525470)利用在其间进行翻译的源与目标语言的相对地复杂的统计模型，使得数据库中低程度的“噪声”是能够容忍的。然而，对于在US5,140,522及GB-A-2272091中所描述的那种较简单的基于存储器的系统，对于一个给定的句子中的各种不正确对准可以导致输出完全不正确的译文。

发明的公开

本发明采用统计技术来检测对准正文部分中可能存在的错误。可在使用前用于消除数据库中的错误对准，与/或应用一个“有噪声的”数据库或某种其它方法来排除已得出的错误译文。在特定的实施例中，本发明能够推导出一个评分来测定两种文字对照的字对的相互关联。然后可将字对的评分综合以推导出对准部分的任何提出的对的评分。这些部分可以是从外部接收的，或者是来自数据库本身的对准部分。与作为一个整体的数据库的统计数字相比，可以从数据库中消除呈现为错误的对准。

因此，本发明能以最少的人工干预及处理要求改进包含对准的语料库的数据库。特别是，即使所实现的处理是基于统计的，并且处理器对语料库的语义与语法保持不注意的情况，在实践中也发现能用相对廉价的处理设备快捷地进行高质量的对准语料库的生成。

因为不论用什么技术从前面翻译的文件生成对准语料库时都能独立地实现本技术，它便能用于改进现存的数据库，及检测出执行原始对准的装置不能提示的错误。

注意到EP-A-0499366(英国与外国圣经协会)描述了一种检验由翻译生成的两种文字对照的语料库的过程。这一过程计算字对的评分，并通过一个重复的过程，建立一个翻译“字典”。然后用它来突出某些字的翻译中的可能不符合性。

本发明还提供翻译方法与装置、经过处理的数据库之类，如从属权利要求中所提出的。

下面参照附图用实例的方法描述本发明的实施例，附图中：

图1示出体现本发明的一种翻译系统的硬件；

图2示出图1的系统的操作结构；

图3示出包括一对对准的语料库的数据库结构；

图4示出用于图3的数据库的字频表；

图5示出用于图3的数据库的配对频率表；

图6为该系统的统计分析程序的操作的示意性流程图；

图7为该系统中的一个估计模块的部分操作的流程图；

图8为该估计模块的另一部分操作的流程图；

图9为使用该估计模块的数据库的改型的流程图；

图10为使用该改型后的数据库翻译一个正文的流程图；以及

图11为一个示例数据库中的对准评分的直方图。

具有部分A至G的附录提出英文与荷兰文的对准语料库的一个实例，以及分析程序与估计模块对该实例的操作结果。

在图1的系统中，用户的人机对话是用键盘10与显示屏12进行的，处理器单元14包括全都是传统构造的一个中央处理器(CPU)、半导体存储器(RAM与ROM)与接口电路。一个磁与/或光盘存储器16为存储多种文字对照的数据库、要翻译的正文及用于控制整个系统的操作的程序的大容量存储器。设置了一个可装卸的盘存储器18用于与系统进行新的数据与程序的通信。

本实施例的一个优点是该系统的上述硬件是可以从个人计算机或工作站型计算机购买的。图2示出图1的系统的操作结构。该系统存储有包含已经存在的两种或两种以上语言的一篇或多篇参照正文的源数据。例如，图2中200所示的一篇正文REFTEXT1E为存储在202的一个法文文件REFTEXT1F的一篇英文译文。提供了一个对准模块204，它能读取这种正文对并生成对应的对准的语料库对，如图2中206所示。对准的语料库206构成一个供翻译新文件用的两种文字对照数据库的主要部分。

提供了一个为对准语料库206生成一个统计数据库210的分析程序模块208。提供了一个用统计数据库210中的信息来测定对准语料库或其它正文中的对准质量的估计模块212。提供了一个读取一个输入正文(例如通过磁盘驱动器18)来生成一个输出正文文件218的翻译模块214。对于任何模块，与一位操作人员的人机对话是可能的，例如，使翻译模块214能够咨询一位熟练的人类翻译家。

应当理解，在实践中各种结构都是可能的，例如，翻译模块及分析与估计模块204、208与212可设置在分立的装置中，而数据库信息206与/或210则生成在一个装置中并与翻译用的一个第二装置进行通信。这在实践中的用处在于可在中心生成与估计及维护对准的语料库，然后将要翻译的文件分配给想要用个人计算机之类在他们家中或小型办公室中用诸如翻译模块214远程地工作的熟练的翻译家与编辑。

如上所述，对准语料库发生器204可具有已知的设计，诸如前面的申请GB-A-2272091或者在Gale与Church或Brown等人的论文中所描述的。再者，生成原始对准语料库的方法与对本发明的理解无关，因此不再详述。图3示意性地示出在包含一对对准语料库的情况下的两种文字对照的数据库206的结构。图3的例子是小的并且只是示意性地提出的，但是一个小而全的实例将参照附录在以下描述。

在图3中，一个英文语料库CORPE包括正文的多个部分，它们是可用数字寻址的并称作“块”CORPE[I]，其中I＝1，2，3等。取决于生成对准语料库的方法，各块可大致上对应于一个原始源文件的一个句子，或正文的一个或长或短部分。两种情况中，各块CORPE[I]包括用CORPE[I][J]参照的可变数量的较小基元。在本例中，这些较小的基元为英文正文中的单字。从而，诸如块CORPE[1]包括两个字：CORPE[1][1]为“Good”而CORPE[1][2]为“day”。CORPE[3][1]为字“No”，而CORPE[6][1]为字“Yes”。字CORPE[5][2]与CORPE[4][3]在图中加上了标号供进一步示例。

在图3的另一侧为一个第二(法语)语料库CORPF，它包含相等数目的块CORPF[I]，每一个对应于英文语料库中的相同编号的块CORPE[I]。特别是，一个关系REL至少在某种名义的意义上，确定各英文块CORPE[I]为对应的法文块CORPF[I]的一种译文。虽然各块是与对方语料库中正好一块对准的，但对准的块内的字数则不必要相等。例如，法文语料库中第一块包括单字“Bonjour”但英文语料库中第一块则包括两个字“Good”与“Day”，如所示。对比文件中还描述了包括一个句子的一个部分与包含两个句子的一个部分对准的实例。

应能理解，在对准的语料库CORPE与CORPF中的块的对准仅此而已。这些对准尚未经过一位熟练的翻译人员逐条核对，并且只是对比文件中所描述的那种自动化比较的“推测”。很清楚，这种对准并不表明两个块互为译文，甚至并不开始表示对准的块中的单个字之间的任何特定关系。因此，在数据库中并不意味字“Yes”与“Oui”互为译文，只是它们两者碰巧作为第一个字出现在对准的语料库中的对应块中。

图4与5示出统计分析程序208的输出，在本实施例中它们生成下述频率表。表FREQE(图4)为英文语料库CORPE的字频表。表FREQE中一项的索引为来自英文语料库中的一个单字。而在这一字下存储的项则是该字在语料库中出现的次数。已知有若干种传统的程序设计语言提供这种所谓的“关联寻址”。这些语言中包括Lisp、POP-11、PERL、AWK。当然，在不提供关联寻址的环境中，可以由系统设计员明确地实现。

第二字频表FREQF中包含法文语料库CORPF的字频。这些表在本实施例中并不是大小写敏感的，因此“Yes”与“yes”作为同一个字对待。这里用“大括号”即波形括号{}表示关联寻址。

第三表PAIRFREQ(图5)存储对准语料库的字对频率。这是一张概念上的二维表，其各项可用一个字对关联寻址；一个字来自英文语料库CORPE而另一个字来自法文语料库CORPF。对于一个给定的字对，诸如“good”与“bonjour”，表项PAIRFREQ{good，boujour}存储这两个字出现在对准的语料库的对应块中的次数。

图5中加影线的框表示对应于图3的示例语料库中所示的少数字的项。由于这两个字出现在对准的块CORPE[1]与CORPF[1]的第一对中，因此项PAIRFREQ{good，bonjour}中包含一个至少为1的值。类似地，由于这一字对也出现在第一对对准的块中，因此PAIRFREQ{day，bonjour}中包括至少为1的一个值。

对于各语料库，存储了字的总数，它等于本例中表FREQE或FREQF的所有项的和。类似地，记录了所有字对的总数，它自然是二维对频率表PAIRFREQ中的所有项之和。

熟悉本技术的人员会理解，为了将表PAIRFREQ真正地实现为一个二维表会得出一个非常稀疏的数组。可采用更有效的实现方法，其中该表为相似于数组FREQE与FREQF的一个一维关联数组。这可以通过将一对中的字连接成一个单一的串来检索该表而容易地做到。因而，例如不将“good”与“bonjour”作为一个二维地址{good，bonjonr}的独立成分，而将整个串“good-bonjour”作为用于关联寻址表PAIRFREQ的对应项的一个单一的一维项对待。

图6示意性地示出在统计，分析程序208从对准语料库CORPE与CORPF中生成统计数据库210时的操作的流程图。在一个初始化步骤600中，为对频率表PAIRFREQ保留空间，并归零其所有项。类似地为字频表FREQE与FREQF保留空间，并且也将它们的项归零。建立一个对计数变量PAIRTOTAL并将其设置为0，同样建立和归零字计数变量ETOTAL与FTOTAL。

进程的其余部分包括一系列嵌套的循环。为每一对对准的块CORPE[1]与CORPF[1]执行一次主循环602，其中I每通过该循环一次便从1向上增加1，直到考虑了每一对对准的块为止。在主循环602内一个深层循环604为英文语料库的当前块内的各字CORPE[I][J]执行一次。在循环604内，一个更深层的循环606为法文语料库CORPF中的对应块的各字CORPF[I][K]执行一次。在这一内循环606中，将对应于对频率表PAIRFREQ中的当前字对的一个项增加1。如上面所指出的，数组PAIRFREQ是可以通过参照一个英文-法文字对关联地寻址的。还在循环606内，将计数器变量PAIRTOTAL增加1。

在循环604与606之外，但仍在主循环602之内，为英文语料库的当前块中每一个字CORPE[I][J]执行一次另一个循环608。将字频表FREQE中的一个项增加1，并同时将英文语料库的总的字计数ETOTAL增加1，完成循环608之后，为法文语料库内的每一个字CORPF[I][K]执行一次主循环602内的另一个循环610。在这一循环中，将字频表FREQF中的项增加1来记录字CORPF[I][K]的出现，并同时将法文语料库的总的字计数FTOTAL增加1。

因此，一旦为对准的语料库CORPE与CORPF中每一对对准的块执行过主循环602之后，表PAIRFREQ中包含对准的块中每一个唯一的字对的出现次数的记录，表FREQE记录了英文语料库中各唯一的字的出现次数，而表FREQF则记录了法文语料库中各唯一的字的出现次数。同时，字对的总数则记录在变量PAIRTOTAL中，英文语料库中的字的总数记录在变量ETOTAL中而法文语料库CORPF中的字的总数则记录在变量FTOTAL中。

图7与8示出图1中所示的估计模块212的操作，具体地，图7示出了各字对的相互关联测定值或“评分”的计算，而图8则示出使用包含在块中的字对的对评分，计算对准的各块对的评分。

在图7中，操作从步骤700开始，在其中接收到一对字WORDE与WORDF。在步骤702中，使用统计数据库210的表计算三个概率值。通过将记录在对频表(图5)中的一个字对频率PAIRFREQ{WORDE，WORDF}除以该表中所记录的字对的总数PAIRTOTAL为该字对计算一个对概率值PAIRPROB。从而，PAIRPROB测定所接收的字对出现在数据库的对准的语料库中任何两个对准的块中的观测到的概率。

通过将英文语料库中单独的英文字WORDE的出现频率除以英文语料库中的总字数而计算一个值EPROB。这便是，将表项FREQE{WORDE}除以值ETOTAL。从而，值EPROB测定接收的对的英文字单独出现在英文语料库中的概率。类似地通过将表项FREQF{WORDF}除以法文语料库中的字的总数FTOTAL，而为所接收的字对的法文字WORDF计算概率值FPROB。值FPROB根据法文语料库CORPF的内容测定字WORDF的出现概率。

最终，在步骤704中，通过将对概率值PAIRPROB除以各个字概率值EPROB与FPROB而为所接收字对WORDE，WORDF计算一个估计值PAIRSCORE。等于1的值PAIRSCORE表示这一字对出现在对准的块中的频率不大于根据单个的字出现在它们各自的语料库中观测概率的随机概率所期望的频率。反之，大于1的值PAIRSCORE表示这对字的出现频率大于从单个字频所期望的。从而，对评分是对中的两个字之间的相互关系的一种度量。

参见图8，统计数据库与图7的对评分方法可用于测定各包括对应的语言(诸如英文与法文)中的一个或多个字的两块正文的对准质量，图8的操作从步骤800开始，其中为模块212接收两块正文CHUNKE与CHUNKF以估计它们的对准评分。在初始化步骤802中，将评分变量S设置成1，并将计数变量N设置成0。

一旦为S与N建立了初始值，这些变量便由一对嵌套的循环804与806修改。外循环804为在步骤800中所接收的正文的英语块中的每一个字CHUNKE[J]执行一次内循环806为在步骤800中所接收的法语块中的第一个字CHUNKF[K]执行一次。因此，在嵌套的循环806与804内，将英文块中的第一个字与法文块中的每一个字一起考虑。将值S乘以各个考虑的字对的对评分PAIRSCORE(CHUNKE[J]，CHUNKF[K])。这一对评分是用图7的步骤计算的。此时，将计数变量N增加1，以维护组合在变量S中的评分的数目的计数。

考虑了两个接收块中的各字对并将其对评分组合进乘积S之后，在步骤808中通过求乘积S的N次根计算对准评分ALSCORE。用数学语言讲，对准评分ALSCORE为所接收的块中的全体字对的对评分PAIRSCORE的“几何平均”值。从而，一对正文块的对准评分ALSCORE是组合这两块中的所有可能的字对的对评分的一个“似然”测定。由于在步骤808中求出了几何平均值，便用类似于对评分的方法正规化值ALSCORE，使得为1的值ALSCORE，根据记录在统计数据库210中的字频与字对频率，表示在800中接收的两块只是从单个字概率所期望的那样可能对应。反之，大于1的对准评分提示在两块的字之间存在着平均上大于随机概率与观测到的单独字频所提示的相互关联程度。

乘积S可能达到很大的值，并且在一个自动处理装置中计算许多乘法与除法通常是烦琐的。在实践中，对于步骤808中的几何平均值的计算，用对评分的对数的算术平均值来计算可能是有利的。可用对数的加减来实现乘除。可将S的对数除以N来计算S的N次根的对数。

应当注意，虽然统计数据库210的频率表与计数值是从源语料库200与202以及表示它们之间的对准中推导出的，但在步骤700中接收的字对及在步骤800中接收的块对可以从它们本身的对准语料库，或者从正在估计其对准的任何正文对中推算出。从而，所接收的块CHUNKE可以是诸如一位翻译所接收的CHUNKF的翻译人员的成果，并用对准评分ALSCORE将其与现存的对准语料库CORPE与CORPF的统计数据库相比较。大于1的一个值表示翻译人员广泛地与现存的对准语料库相符，而一个比1小得多的评分则表示不符合，例如，由于语料库的对准中的错误，翻译人员的错误、或者只是在现存的数据库与翻译人员头脑中所考虑的主题的两种领域中的差别。存在着估计模块212的许多应用，图6、7与8的技术将作为下述实例示出。

图9示出利用估计模块212来改进或“过滤”现存的数据库，即对准的语料库206与统计数据库210的一种方法。这一进程表示一种反锁方式，并用图2中的虚线箭头230与232指示。在步骤900中，为了与对准评分值进行比较而设置一个阈值，有许多种选择该阈值的方法，如下所述。对于现在的描述，简单地将阈值设定为1便足够了，但是一般地说，最佳的阈值是取决于实际数据的，进程接着执行一个循环902，对于在法文语料库中存在着一个对准的块CORPF[I]的英文语料库中的每一个块CORPE[I]执行一次。在循环902中，步骤904读取对准的块CORPF[I]，并在步骤904中利用图8的过程为当前的块对估计对准评分ALSCORE(CORPE[I]，CORPF[I]。

在步骤908中，将这一对准评分每步骤900中设定的阈值进行比较。如果这一对准评分超过阈值，控制便进行到912，在其中为下一个I值执行循环902，即对准的语料库206中的下一对对准的块。如果在步骤908中，对准评分低于阈值，控制进行到步骤910，并从对准的语料库中删除对准的块的当前对，或者至少作上可疑的标记供以后删除。后一种选择在一种给定的实现中可能是方便的，并且在采取最后的决定之前，可允许与一位翻译人员对话。

完成步骤910之后，控制再一次进入点912，在其中将I增加1并为下一对块执行循环902。当在循环902中考虑过对准的语料库206中所有的对准块之后，控制进入步骤914，在其中计入步骤910中执行的删除(如果有的话)来更新统计数据库210。

注意，图9的方法可以在数据库上重复任意次数，逐步过滤掉存在在某些快上的不精确对准中的“噪声”。噪声源是多种多样的，但通常是实现在模块204中用来生成对准的语料库206的自动进程对它正在处理的语言缺少知识，以及在选择正文中哪些块该对准时不注意语法与语义这些事实的后果。并且，即使对于正确地对准的块，原始译文也不总是严格的译文，并且毫无疑问，即使将一个短的句子翻译成一种给定的语言，也有若干种译法。

在从诸如照相复印机与传真机等电子设备的操作手册中导出的语料库的情况中，通常存在着完全不对应的部分，这是因为不同国家中的法律要求提供不同的安全信息。另一种常见的噪声源在于各语料库的一部分是按字母表次序排列的项目的一张表时。在两种不同的语言中，这些项目的次序将不相同，即使项目的数目及其总的外观对于对准模块204可能是难区分的。

然而，假定这些问题局限于源文件的相对地小的部分，则已经发现统计数据库是仍然有用的，并且由估计模块212生成的对准评分将会成功地标识出有问题的区。

除了过滤对准的语料库之外，在利用对准的语料库翻译一个新的正文时，也能使用一对块的对准评分，如图10中所示。

在图10中步骤1000上接收到要由翻译模块214从英文译成法文的一个新的正文ETEXT(图2中216)。步骤1002中标识英文正文的第一块ECHUNK，并在步骤1004中搜索现存的英文语料库CORPE是否出现这一块。如果发现对于某一值I，英文对准的语料库中的块CORPE[I]等于接收的块ECHUNK，控制进入在步骤1006，读取法文语料库中的对应块CORPF[I]。在步骤1010中，保存该块作为所需要的法文译文(输出正文218)的一个对应的块FCHUNK。

如果在步骤1004中未找到当前块ECHUNK的等价物，则控制进入一个用户对话步骤1008。在此要求一位翻译人员提供英文块ECHUNK的译文，并在步骤1010中作为译文FCHUNK保存之。在步骤1012中，在接收的正文ETEXT中标识下一个英语块，并将控制返回到搜索步骤1004。当翻译完整个输入正文ETEXT时，便在步骤1014中将在步骤1010中保存的所有块FCHUNK连接在一起作为经过翻译的法语正文FTEXT输出。

注意，用户在步骤1008中提供的译文也可用来扩大现存的数据库，这是通过将不熟悉的英语块CHUNKE与用户提供的法文译文加入对准的语料库206中而实现的。这种性能在诸如US5,140,522中有所描述，在这一阶段还可以更新统计数据库210，同时注意，作为在执行图10的方法中的“现场”用户对话的一种替代，也可简单地在输出文件FTEXT中加入某些问题，供翻译人员以后去考虑。此外，在保存翻译后的块FCHUNK的步骤1010中可包含诸如为块ECHUNK与FCHUNK估计一个对准评分的一个步骤，以便确认这的确是一个可能的译文。如果对准评分下降到一个预定的阈值以下，可以“现场”进入用户对话或者在输出文件FTEXT中加入适当的问题。这可起到校正未被图9中的过滤进程消除的错误对准的作用。

熟悉本技术的读者能够在上述实施例上发现许多变型，以及本公开中所建议的分析与估计装置的许多其它应用。

适用于大型数据库(尤其是块中包括相对大数量的字时)的一种变型通过考虑比所有可能的字对少的字对而限制处理工作量。这可用若干方法做到，但一种简单的步骤便是限制图6的流程图中最内层循环606的范围K，例如对于某一整数d，使K从J-d变化到J+d。

然后，不是计数每一个与当前英文字CORPE[I][J]成对的法文块的字，而是只考虑与计数字CORPF[I][K]的一个有限的“窗口”。当当前的英文字下标J随每次外循环604的重复而前进时，法文字的“窗口”也随之前进。当然这一实现最适用于典型句子中的字的次序服从类似规则的一对语言。对于对准部分中的字数明显地不同的语言，可以用适当速率来安排窗口(K值的范围)的前进，使其相对于K的最大值的位置粗略地与相对于J的最大值的J值匹配。

另一种减少所考虑的对的数目的技术为省略诸如“the”、“and”等极为常用的字。低频度的字假定为携带较大量的信息。作为一个例子，英文句子：“The man killed a big dog”可缩减为“mankilled big dog”而损失很少的含义。

为了在图6的流程图中实现这一变化，在字对频率表(PAIRFREQ，步骤602、604、606)之前生或两个语料库的字频表(FREQE、FREQF步骤602、608、610)是较为方便的。然后，便能用这两个字频表来标识要在生成对频率表中省略的最常用的字。作为替代，可以利用对相同的语料库或对整个相关语言的事先存在的字频表。

如果愿意，可以将这两种(及其它)变化组合在一起。对应的技术可实现在图8的内循环806中，以减少组合字对评分去得到一对正文块的对准评分的工作量。

下面用对附录的讨论来结束本说明，在部分A至G中提出了两个相对地小的对准的语料库的一个实例，并且其估计是由上述系统执行的。附录中的语料库包括一种传真装置的操作手册的内容清单，第一是英语的，而第二则是荷兰语的。这两个语料库分别提出在附录的A与B中，行号1至30表示两个语料库中对准的块对1至30。在行30中出现一个不正确的对准，其中“sending documents”不是荷兰短语“problemen oplossen”的英文译文。通常是这样的，对准语料库中别处包含字“problemen”与“oplossen”的全部都是正确对准的，即“troubleshooting”(块对23与27)。

在附录的C中，提供了英文语料库的字频。可以看出，例如字“sending”出现7次而字“confidential”只出现一次。英文语料库中的总字数为118。因此，英文语料库中字“sending”的出现概率为7除以118或0.059322。

在附录的D中，提供了荷兰文语料库的字频表。在荷兰文语料库中总共有106个字。从而，诸如字“problemen”，具有106个字中4个的频率，即观测概率0.037736。注意，在示例系统中，统计数据库不是对大小写敏感的。这便是，在语料库的块23中的“problemen”与块6中的“problemen”之间没有差别。

在附录中E-1至E-4处，提供了对准的语料库的字对频率表，其中总共有427个唯一的字对。所有字对频率的总数为510。注意，在正常情况中采用较大词汇表的语料库中，出现的字对的数目会惊人地上升。

附录D的字对频率表示出的例子如有4对块，其中英文块中包含字“part”而对应的荷兰文块中则包含字“en”。对两个语料库(附录中的A与B)的一次快速检视发现这一对字出现在对准的块2、3、5与6中。但是注意，数据库并不表示字“part”与“en”互为译文。这两个字只是偶然同时出现在它们各自的语料库中，因此，存在着在任何一对块中的纯粹随机出现两个字的合理的概率。

在附录中F-1至F-4处，为该示例性语料库中的427个不同的字对计算与示出了测定两个字之间的相互关联的字对评分。而在附录的部分D中，字对是按对频率的次序排列的，在部分E中。它们是按对评分的降序排列的。与频率表进行比较，便可注意到对于实际上互为译文的字有十分大的趋势得到高的评分。评分从24.525490下降到0.383211。然而，并无利用来自附录的部分A的单个字对的评分来检验任何逐字翻译的精确性的可能性。

反之，在附录中的G-1至G-2处，独立地提供了对准的块以及各块的对准评分。这些块对准评分是以图8的方法通过累计各块对中的所有字对的对评分而得到的。块1具有10.071629的评分，表示与整个数据库的统计相比，看起来这两个对准的块作为互为译文是真正有用的。能够看出，所有的对准的块对，除了最后一个以外，都具有显著地超过1的评分。反之，读者已知其为错误的块对号30只有0.819339的评分。从而，即使在包含至少一个不正确对准的块对的这一非常小的数据库中，这里所提出的估计技术与装置也已提供了对不正确译文的清楚的突出指示。

图11为用图形示出该示例性语料库的30个块的对准评分的分布的直方图。垂直轴标出频率，而水平轴则为了方便而标出对准评分的对数(以2为底)。例如，对准评分的对数中的3至4的范围(水平轴)对应于对准评分本身8至16的范围。垂直虚线1100表示以对准评分的对数表示的阈值0，它对应于上面提到的对准评分本身的阈值1(log 1＝0)。在阈值线1100的右方，频率分布的主体清楚地与阈值左方的一个较小的峰值1102分开，这一峰值标示块对号30的低对准评分。

熟悉本技术的人会理解，取决于统计数据库的内容，其它的阈值可能是理想的甚至是必要的。在许多情况中，如在本实例中，有可能区分出对准语料库中的一个对准评分的分布主体及起因于错误的对准的一个次要分布。如果这两种密度明显地分离，如在本例中那样，在两者之间设置阈值便是一件简单的工作。

在其它情况中，可能有必要采用更精细的方法来设定阈值。这种方法之一为设定一个百分比的阈值，例如，通过选择最少可能性的5个百分点的对准加以拒绝。然后，相应地设定对准评分阈值，或者可以简单地蕴含在删除最坏的5个百分点的对准的操作中。

在某些情况中。甚至希望完全不设置一个硬性的阈值，而采用与一位翻译人员的对话来决定哪些对准是正确的。然后，系统通过向翻译人员提出从具有最底的对准评分的块开始的对准的块对来进行操作。通常，提出的第一对将是容易地作为错误的而加以拒绝的。然后，当提出的块的对准评分达到较高的值时，便开始向翻译人员提出虽然正确但碰巧具有相对地低的对准评分的对(例如附录中G处的例子中的对号2)。

在这一过程中继续下去，提出给用户的大多数对将是正确的，而这是系统设计员与/或操作员的一种选择，在哪一点上作出切割，并认为其余的对准是正确的。在任何情况下，利用本发明，实际上由一位翻译人员检验的数据库的比例已经减少到容易处理的一小部分，而检验整个数据库则是不现实地昂贵与费时的。

对于剩下的那些错误，使用修正后的语料库及一个更新后的统计数据库的另一次迭代可能比为少数剩下的错误而强制操作员在搜索中去检验多得多的对来消除它们更有效。此外，在消除了少数错误并更新了统计数据库之后，正确但起先评分低的对的对准评分，可在随后的迭代中改进，因为这时的统计数据库本身是一个较少噪声的数据库的产物。从而，在第二次迭代上，较少可能向翻译人员提出实际上正确地对准的对。

再者，上述实现上的许多变型是在熟悉本技术的人员的能力与想象力范围内的。例如，作为体现在图6与7中用于获得字对评分的方法的一种替代，可采用诸如EP-A-0499366所用的方法来得到类似的效果。取决于用来得到字对评分的实际方法，还可能需要适用的组合字对评分以得出对准的句子的评分的方法，例如上述涉及对数的方法。类似地，在统计学或词法知识的基础上，标识具有共同“词干”的字的预处理技术也可采用，如各种对比文献中所描述的。上述实例仅供例示之用。[附录如下]APPENDIX A THE ENGLISH CORPUS1 Part 1 Before Starting2 Part 2 Sending and Receiving Documents3 Part 3 Using the Telephone and Copying Features4 Part 4 Using the Memory and Network Features5 Part 5 Reports and User Switches6 Part 6 Maintenance and Troubleshooting7 Installing Your FAX8 A Look at the FAX-260E9 Identifying the Documents You Send10 Before Sending Documents11 Sending Documents12 Receiving Documents13 Different Ways of Dialling14 Using the Telephone with the FAX-260E15 Sending at a Preset Time16 Sending through a Relay Unit17 Sending Confidential Documents18 Polling (Requesting documents from other units)19 Printing Reports and Registration Lists20 Setting the Operating Guidelines21 Caring for Your Fax22 Error Messages and Codes23 Troubleshooting24 Specifications25 Index26 Error Messages and Codes27 Troubleshooting28 Index29 Setting the Operating Guidelines30 Sending DocumentsAPPENDIX B THE DUTCH CORPUS1 Deel 1 Voordat u begint2 Deel 2 Verzenden en ontvangen3 Deel 3 De FAX-260E gebruiken als telefoonkiezer en copier4 Deel 4 FAX-functies5 Deel 5 Rapporten en gebruikersschakelaars6 Deel 6 Onderhoud en problemen oplossen7 Installatie van uw FAX-260E8 De onderdelen van uw FAX-260E9 Identificatie van uw verzonden documenten10 Originelen11 Verzenden12 Ontvangen13 Snel en eenvoudig kiezen14 Gebruik van de FAX-260E als telefoonkiezer15 Verzenden op ingesteld tijdstip16 Verzenden via transit fax-apparaat17 Vertrouweijk verzenden18 Polling (op verzoek documenten van andere fax-apparaten ontvangen)19 Afdrukken van rapporten en lijsten20 Instellen van gebruikersschakelaars21 Onderhoud22 Foutmeldingen en codes23 Problemen oplossen24 Technische gegevens25 Trefwoordenlijst26 Foutmeldingen en codes27 Problemen oplossen28 Trefwoordenlijst29 Vastleggen van gebruikersinstellingen30 Problemen oplossenAPPENDIX C ENGLISH WORD FREQUENCIES8 and8 documents8 the (TOTAL＝118)7 sending6 part3 a3 troubleshooting3 using2 at2 before2 codes2 error2 fax2 fax-260e2 features2 guidelines2 index2 messages2 operating2 receiving2 reports2 setting2 telephone2 your1 11 21 31 41 51 61 caring1 confidential1 copying1 dialling1 different1 for1 from1 identifying1 installing1 lists1 look1 maintenance1 memory1 network1 of1 other1 polling1 preset1 printing1 registration1 relay1 requesting1 send1 specifications1 starting1 switches1 through1 time1 unit1 units1 user1 ways1 with1 youAPPENDIX D DUTCH WORD FREQUENCIES8 en8 van6 deel (TOTAL＝106)5 verzenden4 fax-260e4 oplossen4 problemen3 de3 ontvangen3 uw2 als2 codes2 documenten2 foutmeldingen2 gebruikersschakelaars2 onderhoud2 op2 rapporten2 telefoonkiezer2 trefwoordenlijst1 11 21 31 41 51 61 afdrukken1 andere1 begint1 copier1 eenvoudig1 fax-apparaat1 fax-apparaten1 fax-functies1 gebruik1 gebruiken1 gebruikersinstellingen1 gegevens1 identificatie1 ingesteld1 installatie1 instellen1 kiezen1 lijsten1 onderdelen1 originelen1 polling1 snel1 technische1 tijdstip1 transit1 u1 vastleggen1 vertrouweijk1 verzoek1 verzonden1 via1 voordatAPPENDIX E-WORD PAIR FREQUENCIES7 and en6 part deel6 the van5 and deel5 sending verzenden4 part en4 the de4 the fax-260e3 documents ontvangen3 documents verzenden3 the als3 the telefoonkiezer3 troubleshooting oplossen3 troubleshooting problemen2 a verzenden2 and codes2 and foutmeldingen2 and rapporten2 codes codes2 codes en2 codes foutmeldingen2 documents documenten2 documents van2 error codes2 error en2 error foutmeldingen2 fax-260e de2 fax-260e fax-260e2 fax-260e van2 features deel2 guidelines van2 index trefwoordenlijst2 messages codes2 messages en2 messages foutmeldingen2 operating van2 receiving ontvangen2 reports en2 reports rapporten2 setting van2 telephone als2 telephone de2 telephone fax-260e2 telephone telefoonkiezer2 the deel2 the gebruik2 the uw2 using als2 using de2 using deel2 using fax-260e2 using telefoonkiezer1 1 11 1 begint1 1 deel1 1 u1 1 voordat1 2 21 2 deel1 2 en1 2 ontvangen1 2 verzenden1 3 31 3 als1 3 copier1 3 de1 3 deel1 3 en1 3 fax-260e1 3 gebruiken1 3 telefoonkiezer1 4 41 4 deel1 4 fax-functies1 5 51 5 deel1 5 en1 5 gebruikersschakelaars1 5 rapporten1 6 61 6 deel1 6 en1 6 onderhoud1 6 oplossen1 6 problemen1 a de1 a fax-260e1 a fax-apparaat1 a ingesteld1 a onderdelen1 a op1 a tijdstip1 a transit1 a uw1 a van1 a via1 and 21 and 31 and 41 and 51 and 61 and afdrukken1 and alsi and copier1 and de1 and fax-260e1 and fax-functies1 and gebruiken1 and gebruikersschakelaars1 and lijsten1 and onderhoud1 and ontvangen1 and oplossen1 and problemen1 and telefoonkiezer1 and van1 and verzenden1 at de1 at fax-260e1 at ingesteld1 at onderdelen1 at op1 at tijdstip1 at uw1 at van1 at verzenden1 before 11 before begint1 before deel1 before originelen1 before u1 before voordat1 caring onderhoud1 confidential vertrouweijk1 confidential verzenden1 copying 31 copying als1 copying copier1 copying de1 copying deel1 copying en1 copying fax-260e1 copying gebruiken1 copying telefoonkiezer1 dialling eenvoudig1 dialling en1 dialling kiezen1 dialling snel1 different eenvoudig1 different en1 different kiezen1 different snel1 documents 21 documents andere1 documents deel1 documents en1 documents fax-apparaten1 documents identificatie1 documents op1 documents oplossen1 documents originelen1 documents polling1 documents problemen1 documents uw1 documents vertrouweijk1 documents verzoek1 documents verzonden1 fax fax-260e1 fax installatie1 fax onderhoud1 fax uw1 fax van1 fax-260e als1 fax-260e gebruik1 fax-260e onderdelen1 fax-260e telefoonkiezer1 fax-260e uw1 features 31 features 41 features als1 features copier1 features de1 features en1 features fax-260e1 features fax-functies1 features gebruiken1 features telefoonkiezer1 for onderhoud1 from andere1 from documenten1 from fax-apparaten1 from ontvangen1 from op1 from polling1 from van1 from verzoek1 guidelines gebruikersinstellingen1 guidelines gebruikersschakelaars1 guidelines instellen1 guidelines vastleggen1 identifying documenten1 identifying identificatie1 identifying uw1 identifying van1 identifying verzonden1 installing fax-260e1 installing installatie1 installing uw1 installing van1 lists afdrukken1 lists en1 lists lijsten1 lists rapporten1 lists van1 look de1 look fax-260e1 look onderdelen1 look uw1 look van1 maintenance 61 maintenance deel1 maintenance en1 maintenance onderhoud1 maintenance oplossen1 maintenance problemen1 memory 41 memory deel1 memory fax-functies1 network 41 network deel1 network fax-functies1 of eenvoudig1 of en1 of kiezen1 of snel1 operating gebruikersinstellingen1 operating gebruikersschakelaars1 operating instellen1 operating vastleggen1 other andere1 other documenten1 other fax-apparaten1 other ontvangen1 other op1 other polling1 other van1 other verzoek1 part 11 part 21 part 31 part 41 part 51 part 61 part als1 part begint1 part copier1 part de1 part fax-260e1 part fax-functies1 part gebruiken1 part gebruikersschakelaars1 part onderhoud1 part ontvangen1 part oplossen1 part problemen1 part rapporten1 part telefoonkiezer1 part u1 part verzenden1 part voordat1 polling andere1 polling documenten1 polling fax-apparaten1 polling ontvangen1 polling op1 polling polling1 polling van1 polling verzoek1 preset ingesteld1 preset op1 preset tijdstip1 preset verzenden1 printing afdrukken1 printing en1 printing lijsten1 printing rapporten1 printing van1 receiving 21 receiving deel1 receiving en1 receiving verzenden1 registration afdrukken1 registration en1 registration lijsten1 registration rapporten1 registration van1 relay fax-apparaat1 relay transit1 relay verzenden1 relay via1 reports 51 reports afdrukken1 reports deel1 reports gebruikersschakelaars1 reports lijsten1 reports van1 requesting andere1 requesting documenten1 requesting fax-apparaten1 requesting ontvangen1 requesting op1 requesting polling1 requesting van1 requesting verzoek1 send documenten1 send identificatie1 send uw1 send van1 send verzonden1 sending 21 sending deel1 sending en1 sending fax-apparaat1 sending ingesteld1 sending ontvangen1 sending op1 sending oplossen1 sending origineien1 sending problemen1 sending tijdstip1 sending transit1 sending vertrouweijk1 sending via1 setting gebruikersinstellingen1 setting gebruikersschakelaars1 setting instellen1 setting vastleggen1 specifications gegevens1 specifications technische1 starting 11 starting begint1 starting deel1 starting u1 starting voordat1 switches 51 switches deel1 switches en1 switches gebruikersschakelaars1 switches rapporten1 telephone 31 telephone copier1 telephone deel1 telephone en1 telephone gebruik1 telephone gebruiken1 telephone van1 the 31 the 41 the copier1 the documenten1 the en1 the fax-functies1 the gebruiken1 the gebruikersinstellingen1 the gebruikersschakelaars1 the identificatie1 the instellen1 the onderdelen1 the vastleggen1 the verzonden1 through fax-apparaat1 through transit1 through verzenden1 through via1 time ingesteld1 time op1 time tijdstip1 time verzenden1 troubleshooting 61 troubleshooting deel1 troubleshooting en1 troubleshooting onderhoud1 unit fax-apparaat1 unit transit1 unit verzenden1 unit via1 units andere1 units documenten1 units fax-apparaten1 units ontvangen1 units op1 units polling1 units van1 units verzoek1 user 51 user deel1 user en1 user gebruikersschakelaars1 user rapporten1 using 31 using 41 using copier1 using en1 using fax-functies1 using gebruik1 using gebruiken1 using van1 ways eenvoudig1 ways en1 ways kiezen1 ways snel1 with als1 with de1 with fax-260e1 with gebruik1 with telefoonkiezer1 with van1 you documenten1 you identificatie1 you uw1 you van1 you verzonden1 your fax-260e1 your installatie1 your onderhoud1 your uw1 your vanAPPENDIX F-WORD PAIR CORRELATION SCORES

24.525490 1 1

24.525490 1 begint

24.525490 1 u

24.525490 1 voordat

24.525490 2 2

24.525490 3 3

24.525490 3 copier

24.525490 3 gebruiken

24.525490 4 4

24.525490 4 fax-functies

24.525490 5 5

24.525490 6 6

24.525490 confidential vertrouweijk

24.525490 copying 3

24.525490 copying copier

24.525490 copying gebruiken

24.525490 dialling eenvoudig

24.525490 dialling kiezen

24.525490 dialling snel

24.525490 different eenvoudig

24.525490 different kiezen

24.525490 different snel

24.525490 from andere

24.525490 from fax-apparaten

24.525490 from polling

24.525490 from verzoek

24.525490 identifying identificatie

24.525490 identifying verzonden

24.525490 installing installatie

24.525490 lists afdrukken

24.525490 lists lijsten

24.525490 look onderdelen

24.525490 maintenance 6

24.525490 memory 4

24.525490 memory fax-functies

24.525490 network 4

24.525490 network fax-functies

24.525490 of eenvoudig

24.525490 of kiezen

24.525490 of snel

24.525490 other andere

24.525490 other fax-apparaten

24.525490 other polling

24.525490 other verzoek

24.525490 polling andere

24.525490 polling fax-apparaten

24.525490 polling polling

24.525490 polling verzoek

24.525490 preset ingesteld

24.525490 preset tijdstip

24.525490 printing afdrukken

24.525490 printing lijsten

24.525490 registration afdrukken

24.525490 registration lijsten

24.525490 relay fax-apparaat

24.525490 relay transit

24.525490 relay via

24.525490 requesting andere

24.525490 requesting fax-apparaten

24.525490 requesting polling

24.525490 requesting verzoek

24.525490 send identificatie

24.525490 send verzonden

24.525490 specifications gegevens

24.525490 specifications technische

24.525490 starting 1

24.525490 starting begint

24.525490 starting u

24.525490 starting voordat

24.525490 switches 5

24.525490 through fax-apparaat

24.525490 through transit

24.525490 through via

24.525490 time ingesteld

24.525490 time tijdstip

24.525490 unit fax-apparaat

24.525490 unit transit

24.525490 unit via

24.525490 units andere

24.525490 units fax-apparaten

24.525490 units polling

24.525490 units verzoek

24.525490 user 5

24.525490 ways eenvoudig

24.525490 ways kiezen

24.525490 ways snel

24.525490 with gebruik

24.525490 you identificatie

24.525490 you verzonden

12.262745 3 als

12.262745 3 telefoonkiezer

12.262745 5 gebruikersschakelaars

12.262745 5 rapporten

12.262745 6 onderhoud

12.262745 at ingesteld

12.262745 at onderdelen

12.262745 at tijdstip

12.262745 before 1

12.262745 before begint

12.262745 before originelen

12.262745 before u

12.262745 before voordat

12.262745 caring onderhoud

12.262745 codes codes

12.262745 codes fourmeldingen

12.262745 copying als

12.262745 copying telefoonkiezer

12.262745 error codes

12.262745 error fourmeldingen

12.262745 fax installatie

12.262745 fax-260e gebruik

12.262745 fax-260e onderdelen

12.262745 features 3

12.262745 features 4

12.262745 features copier

12.262745 features fax-functies

12.262745 features gebruiken

12.262745 for onderhoud

12.262745 from documenten

12.262745 from op

12.262745 guidelines gebruikersinstellingen

12.262745 guidelines instellen

12.262745 guidelines vastleggen

12.262745 identifying documenten

12.262745 index trefwoordenlijst

12.262745 lists rapporten

12.262745 maintenance onderhoud

12.262745 messages codes

12.262745 messages foutmeldingen

12.262745 operating gebruikersinstellingen

12.262745 operating instellen

12.262745 operating vastleggen

12.262745 other documenten

12.262745 other op

12.262745 polling documenten

12.262745 polling op

12.262745 preset op

12.262745 printing rapporten

12.262745 receiving 2

12.262745 registration rapporten

12.262745 reports 5

12.262745 reports afdrukken

12.262745 reports lijsten

12.262745 reports rapporten

12.262745 requesting documenten

12.262745 requesting op

12.262745 send documenten

12.262745 setting gebruikersinstellingen

12.262745 setting instellen

12.262745 setting vastleggen

12.262745 switches gebruikersschakelaars

12.262745 switches rapporten

12.262745 telephone 3

12.262745 telephone als

12.262745 telephone copier

12.262745 telephone gebruik

12.262745 telephone gebruiken

12.262745 telephone telefoonkiezer

12.262745 time op

12.262745 units documenten

12.262745 units op

12.262745 user gebruikersschakelaars

12.262745 user rapporten

12.262745 with als

12.262745 with telefoonkiezer

12.262745 you documenten

12.262745 your installatie

8.175163 2 ontvangen

8.175163 3 de

8.175163 a fax-apparaat

8.175163 a ingesteld

8.175163 a onderdelen

8.175163 a tijdstip

8.175163 a transit

8.175163 a via

8.175163 copying de

8.175163 fax-260e de

8.175163 from ontvangen

8.175163 identifying uw

8.175163 installing uw

8.175163 look de

8.175163 look uw

8.175163 other ontvangen

8.175163 polling ontvangen

8.175163 receiving ontvangen

8.175163 requesting ontvangen

8.175163 send uw

8.175163 telephone de

8.175163 troubleshooting 6

8.175163 units ontvangen

8.175163 using 3

8.175163 using 4

8.175163 using als

8.175163 using copier

8.175163 using fax-functies

8.175163 using gebruik

8.175163 using gebruiken

8.175163 using telefconkiezer

8.175163 with de

8.175163 you uw

6.131373 3 fax-260e

6.131373 6 oplossen

6.131373 6 problemen

6.131373 at op

6.131373 copying fax-260e

6.131373 fax onderhoud

6.131373 fax-260e als

6.131373 fax-260e fax-260e

6.131373 fax-260e telefoonkiezer

6.131373 features als

6.131373 features telefoonkiezer

6.131373 guidelines gebruikersschakelaars

6.131373 installing fax-260e

6.131373 look fax-260e

6.131373 maintenance oplossen

6.131373 maintenance problemen

6.131373 operating gebruikersschakelaars

6.131373 reports gebruikersschakelaars

6.131373 setting gebruikersschakelaars

6.131373 telephone fax-260e

6.131373 the gebruik

6.131373 troubleshooting oplossen

6.131373 troubleshooting problemen

6.131373 with fax-260e

6.131373 your onderhoud

5.450109 using de

4.905098 2 verzenden

4.905098 confidential verzenden

4.905098 preset verzenden

4.905098 relay verzenden

4.905098 through verzenden

4.905098 time verzenden

4.905098 unit verzenden

4.598529 the als

4.598529 the telefoonkiezer

4.087582 1 deel

4.087582 2 deel

4.087582 3 deel

4.087582 4 deel

4.087582 5 deel

4.087582 6 deel

4.087582 a op

4.087582 at de

4.087582 at uw

4.087582 copying deel

4.087582 fax uw

4.087582 fax-260e uw

4.087582 features de

4.087582 features deel

4.087582 maintenance deel

4.087582 memory deel

4.087582 network deel

4.087582 part 1

4.087582 part 2

4.087582 part 3

4.087582 part 4

4.087582 part 5

4.087582 part 6

4.087582 part begint

4.087582 part copier

4.087582 part deel

4.087582 part fax-functies

4.087582 part gebruiken

4.087582 part u

4.087582 part voordat

4.087582 starting deel

4.087582 switches deel

4.087582 the de

4.087582 troubleshooting onderhoud

4.087582 user deel

4.087582 using fax-260e

4.087582 your uw

3.503641 sending 2

3.503641 sending fax-apparaat

3.503641 sending ingesteld

3.503641 sending originelen

3.503641 sending tijdstip

3.503641 sending transit

3.503641 sending vertrouweijk

3.503641 sending verzenden

3.503641 sending via

3.270065 a verzenden

3.065686 2 en

3.065686 3 en

3.065686 5 en

3.065686 6 en

3.065686 and 2

3.065686 and 3

3.065686 and 4

3.065686 and 5

3.065686 and 6

3.065686 and afdrukken

3.065686 and codes

3.065686 and copier

3.065686 and fax-functies

3.065686 and foutmeldingen

3.065686 and gebruiken

3.065686 and lijsten

3.065686 and rapporten

3.065686 at fax-260e

3.065686 codes en

3.065686 copying en

3.065686 dialling en

3.065686 different en

3.065686 documents 2

3.065686 documents andere

3.065686 documents documenten

3.065686 documents fax-apparaten

3.065686 documents identificatie

3.065686 documents ontvangen

3.065686 documents originelen

3.065686 documents polling

3.065686 documents vertrouweijk

3.065686 documents verzoek

3.065686 documents verzonden

3.065686 error en

3.065686 fax fax-260e

3.065686 fax-260e van

3.065686 features fax-260e

3.065686 from van

3.065686 guidelines van

3.065686 identifying van

3.065686 installing van

3.065686 lists en

3.065686 lists van

3.065686 look van

3.065686 maintenance en

3.065686 messages en

3.065686 of en

3.065686 operating van

3.065686 other van

3.065686 polling van

3.065686 printing en

3.065686 printing van

3.065686 registration en

3.065686 registration van

3.065686 reports en

3.065686 requesting van

3.065686 send van

3.065686 setting van

3.065686 switches en

3.065686 the 3

3.065686 the 4

3.065686 the copier

3.065686 the fax-260e

3.065686 the fax-functies

3.065686 the gebruiken

3.065686 the gebruikersinstellingen

3.065686 the identificatie

3.065686 the instellen

3.065686 the onderdelen

3.065686 the vastleggen

3.065686 the verzonden

3.065686 units van

3.065686 user en

3.065686 ways en

3.065686 with van

3.065686 you van

3.065686 your fax-260e

2.725054 a de

2.725054 a uw

2.725054 using deel

2.682475 and en

2.554739 and deel

2.452549 at verzenden

2.452549 receiving verzenden

2.299265 the van

2.043791 a fax-260e

2.043791 before deel

2.043791 part als

2.043791 part en

2.043791 part gebruikersschakelaars

2.043791 part onderhoud

2.043791 part rapporten

2.043791 part telefoonkiezer

2.043791 receiving deel

2.043791 reports deel

2.043791 telephone deel

2.043791 the uw

1.839412 documents verzenden

1.751821 sending op

1.532843 and als

1.532843 and gebruikersschakelaars

1.532843 and onderhoud

1.532843 and telefoonkiezer

1.532843 at van

1.532843 documents op

1.532843 fax van

1.532843 features en

1.532843 receiving en

1.532843 reports van

1.532843 telephone en

1.532843 telephone van

1.532843 the documenten

1.532843 the gebruikersschakelaars

1.532843 your van

1.362527 part de

1.362527 part ontvangen

1.362527 troubleshooting deel

1.167880 sending ontvangen

1.021895 a van

1.021895 and de

1.021895 and ontvangen

1.021895 documents uw

1.021895 part fax-260e

1.021895 part oplossen

1.021895 part problemen

1.021895 the deel

1.021895 troubleshcoting en

1.021895 using en

1.021895 using van

0.875910 sending oplossen

0.875910 sending problemen

0.817516 part verzenden

0.766422 and fax-260e

0.766422 and oplossen

0.766422 and problemen

0.766422 documents oplossen

0.766422 documents problemen

0.766422 documents van

0.613137 and verzenden

0.583940 sending deel

0.510948 documents deel

0.437955 sending en

0.383211 and van

0.383211 documents en

0.383211 the enAPPENDIX G-1 SCORES FOR ALIGNED CHUNKSPart 1 Before StartingDeel 1 Voordat u begintscore＝10.071629Part 2 Sending and Receiving DocumentsDeel 2 Verzenden en ontvangenscore＝2.285732Part 3 Using the Telephone and Copying FeaturesDeel 3 De FAX-260E gebruiken als telefoonkiezer en copierscore＝4.727727Part 4 Using the Memory and Network FeaturesDeel 4 FAX-functiesscore＝6.443163Part 5 Reports and User SwitchesDeel 5 Rapporten en gebruikersschakelaarsscore＝5.372271Part 6 Maintenance and TroubleshootingDeel 6 Onderhoud en problemen oplossenscore＝3.598853Installing Your FAXInstallatie van uw FAX-260Escore＝4.935864A Look at the FAX-260EDe onderdelen van uw FAX-260Escore＝4.253443Identifying the Documents You SendIdentificatie van uw verzonden documentenscore＝5.746231Before Sending DocumentsOriginelenscore＝5.087975Sending DocumentsVerzendenscore＝2.538629Receiving DocumentsOntvangenscore＝5.006244Different Ways of DiallingSnel en eenvoudig kiezenscore＝14.582943Using the Telephone with the FAX-260EGebruik van de FAX-260E als telefoonkiezerscore＝5.621435Sending at a Preset TimeVerzenden op ingesteld tijdstipscore＝7.327703Sending through a Relay UnitVerzenden via transit fax-apparaatscore＝10.009936APPENDIX G-2Sending Confidential DocumentsVertrouweijk verzendenscore＝4.502135Polling(Requesting documents from other units)Polling(op verzoek documenten van andere fax-apparaten ontvangen)score＝10.322900Printing Reports and Registration ListsAfdrukken van rapporten en lijstenscore＝6.270169Setting the Operating GuidelinesInstellen van gebruikersschakelaarsscore＝4.751194Caring for Your FaxOnderhoudscore＝8.671070Error Messages and CodesFoutmeldingen en codesscore＝6.063523TroubleshootingProblemen oplossenscore＝6.131373SpecificationsTechnische gegevensscore＝24.525490IndexTrefwoordenlijstscore＝12.262745Error Messages and CodesFoutmeldingen en codesscore＝6.063523TroubleshootingProblemen oplossenscore＝6.131373IndexTrefwoordenlijstscore＝12.262745Setting the Operating GuidelinesVastleggen van gebruikersinstellingenscore＝5.986130Sending DocumentsProblemen oplossenscore＝0.819339

Claims

1.一种操作用于处理一个两种文字对照的数据库的处理装置的方法，包括下述步骤：

在该装置中存储一个包括第一与第二对准的语料库的数据库，各语料库是分成多个部分的，使得第一语料库的部分的至少一个子集是用与第二语料库的对应部分的一种对应关系标识的，各部分进一步分成一个或多个以下称为字的基元部分；以及

分析对准的语料库以得出一个统计数据库；

其特征在于：

使用该统计数据库，为选自对准的语料库的对准部分估计一个相互关联测定值；

从对准的部分的相互关联测定值中，标识未必可信的对准的事例；

以及

通过修正对准的语料库来至少消除最不可信的对准，而纠正所标识的不正确对准。

2.权利要求1中提出的一种方法，还包括按照对准的语料库的修正，更新统计数据库。

3.权利要求2中提出的一种方法，还包括用更新后的统计数据库，重复至少一次估计、标识和纠正的步骤，再一次修正经过修正的语料库。

4.权利要求1、2或3中提出的一种方法，其中的修正步骤包括与一位翻译人员的交互对话，来检验标识的未必可信的对准是不正确的。

5.权利要求1、2或3中提出的一种方法，还包括接收正文的更多的对准的部分对，并扩大对准的语料库与统计数据库，将接收的部分包括进来。

6.权利要求5中提出的一种方法，其中为各更多的部分对估计所述相互关联的测定值，并且取决于所述估计的结果，有条件地扩大对准的语料库。

7.权利要求1、2或3中提出的一种方法，其中所述估计步骤包括：

利用统计数据库，为从每一个语料库中选取一个字的一个字对推算出观测到的相互关联的一个测定值；以及

通过组合包含在该部分对中的字对的推算出的相互关联测定值，估计这两个部分的相互关联的所述测定值。

8.权利要求7中提出的一种方法，其中所述字对相互关联测定值是在不推算该对中的任一个字是另一个的真实译文的概率的情况下推算的。

9.权利要求7中提出的一种方法，其中字对的相互关联测定值的组合是不考虑一对中的字在它们各自的部分中的位置而执行的。

10.权利要求7中提出的一种方法，其中字对的相互关联测定值的组合是限制在出现在它们各自的正文部分中的大致上对应的位置上的字对的。

11.权利要求7中提出的一种方法，其中为了字对相互关联测定值的组合，标识及略去了某些常用字。

12.权利要求7中提出的一种方法，其中推算字对相互关联测定值的步骤包括：

为一对中的各字推算在其各自的语料库中找到该字的观测概率的测定值；

为各选择的字对推算在语料库的对准部分中找到该字对的观测概率的测定值；以及

用单个字的概率组合对的概率，以推算对中的字之间的相互关联的所述测定值。

13.权利要求1、2或3中提出的一种方法，其中该统计数据库包括：

用于各语料库的一张字频表；

用于作为一个整体的对准的语料库的一张字对频率表，计数一个给定的字对，即各语料库一个字，出现在语料库的对准部分中的次数。

14.权利要求13中提出的一种方法，其中所述字对频率是不考虑各部分中字的位置，而对各对正文部分的所有字对计数的。

15.权利要求13中提出的一种方法，其中的字对的计数是限制在出现在语料库的它们各自的对准部分中的大致上对应的位置上的那些字对的。

16.权利要求13中提出的一种方法，其中为了字对的计数，而标识与略去某些常用字。

17.权利要求1、2或3中提出的一种方法，其中第一和第二语料库是源语言和目标语言，并且所述方法还包括：

将源正文划分成部分；

在源语言的对准的语料库中搜索与源正文部分匹配的部分；以及

(i)对于找到匹配的源正文部分，输出目标语言语料库中的对应部分，作为供包含进一个输出正文中的译文；以及

(ii)对于找不到匹配的部分，输出一则查询报文，表示未进行翻译。

18.权利要求1中提出的一种方法，还包括用修正的语料库产生和存储一个两种文字对照的数据库。

19.权利要求1、2或3中提出的一种方法，其中第一和第二语料库是源语言和目标语言，并且所述方法还包括：

将源正文划分成部分；

得出一个候选目标语言部分形式的各源正文部分的候选译文；

为源语言部分与候选目标语言部分估计一个相互关联测定值，而检验该译文；以及

输出经过检验的候选部分，供包含进一个目标正文中。

20.权利要求19中提出的一种方法，其中的检验步骤包含将一个阈值作用在一个候选部分的相互关联测定值上。

21.权利要求19中提出的一种方法，还包括如果并未为源语言部分作出经过检验的译文，那么输出一则查询报文的步骤。

22.权利要求19中提出的一种方法，其中翻译部分与任何查询报文是作为一个单一的输出正文的一部分连接和一起输出的，以供其它装置定稿。

23.一种操作用于处理一个两种文字对照的数据库的处理装置的方法，包括下述步骤：

在该装置中存储一个包括第一与第二对准的语料库的数据库，各语料库是分成部分的，使得第一语料库的部分的至少一个子集被与第二语料库的对应部分的一种对应关系所标识，各部分进一步分成一个或多个以下称为字的基元部分；

分析对准的语料库以得到一个统计数据库；以及

利用该统计数据库，为从各语料库中选出一个字的一个字对，推算观测的相互关联的一个测定值，

其特征在于该方法还包括通过组合包含在各部分对中的字对的推算出的相互关系测定值，为一个给定的正文部分对，即两种自然语言中每种一个部分，估计部分的相互关联的一个测定值。

24.权利要求23中提出的一种方法，其中所述字对相互关联测定值是在不推算一对中的任一字真实地是另一个字的译文的概率的情况中推算的。

25.权利要求23或24中提出的一种方法，其中的字对相互关联测定值的组合是在不考虑一对中的字在它们各自的部分中的位置的情况中执行的。

26.权利要求23或24中提出的一种方法，其中的字对相互关联测定值的组合是限制在出现在它们各自的正文部分中大致上对应的位置上的那些字对的。

27.权利要求23或24中提出的一种方法，其中为了组合字对相互关联的测定值，标识与略去了某些常用字。

28.权利要求23或24中提出的一种方法，其中的推算字对相互关联测定值的步骤包括：

为一对中的各字推算在其各自语料库中找到该字的观测到的概率的一个测定值；

为各选择的字对，推算在语料库的对准部分中找到该字对的观测到的概率的一个测定值；以及

29.权利要求23或24中提出的一种方法，其中的统计数据库包括：

各语料库的一张字频表；

作为一个整体的对准语料库的一张字对频率表，计数一个给定的字对，即每一个语料库一个字，出现在语料库的对准部分中的次数。

30.权利要求29中提出的一种方法，其中所述字对频率是在不考虑各部分内的字的位置的情况中，为各正文部分对的所有字对计数的。

31.权利要求29中提出的一种方法，其中的字对计数是限制在出现在它们各自的语料库的对准部分中大致上对应的位置上的字对的。

32.权利要求29中提出的一种方法，其中为了字对的计数，标识与略去了某些常用字。

33.一种用于处理一个两种文字对照的数据库的处理装置，包括：

存储装置，用于存储一个包括第一与第二对准的语料库的数据库，各语料库是分成多个部分的，使得第一语料库的部分的至少一个子集是用与第二语料库的对应部分的一种对应关系标识的，各部分进一步分成一个或多个以下称为字的基元部分；以及

分析装置，用于分析对准的语料库以得出一个统计数据库；

其特征在于：

估计装置，用于使用该统计数据库，为选自对准的语料库的对准部分估计一个相互关联测定值；

标识装置，用于从对准的部分的相互关联测定值中，标识未必可信的对准的事例；

以及

纠正装置，用于通过修正对准的语料库来至少消除最不可信的对准，而纠正所标识的不正确对准。

34.权利要求33中提出的一种装置，还包括更新装置，用于按照对准的语料库的修正，更新统计数据库。

35.权利要求33中提出的一种装置，其中所述估计装置包括：

推算装置，用于利用统计数据库，为从每一个语料库中选取一个字的一个字对推算出观测到的相互关联的一个测定值；以及

确定装置，用于通过组合包含在该部分对中的字对的推算出的相互关联测定值，确定这两个部分的相互关联的所述测定值。

36.权利要求35中提出的一种装置，其中推算装置在不推算该对中的任一个字是另一个的真实译文的概率的情况下推算所述字对相互关联测定值。

37.权利要求35中提出的一种装置，其中推算装置不考虑一对中的字在它们各自的部分中的位置而执行字对的相互关联测定值的组合。

38.权利要求35中提出的一种装置，其中确定装置在字对出现在它们各自的正文部分中的大致上对应的位置上，限制字对的相互关联测定值的组合。

39.权利要求35中提出的一种装置，其中为了字对相互关联测定值的组合，确定装置标识及略去了某些常用字。

40.权利要求35中提出的一种装置，其中推算装置用于：

41.权利要求33中提出的一种装置，其中该统计数据库包括：

用于各语料库的一张字频表；

用于作为一个整体的对准的语料库的一张字对频率表，表示一个给定的字对，即各语料库一个字，出现在语料库的对准部分中的次数。

42.权利要求41中提出的一种装置，其中所述字对频率是不考虑各部分中字的位置，而对各对正文部分的所有字对表示的。

43.权利要求41中提出的一种装置，其中字对频率是限制在出现在语料库的它们各自的对准部分中的大致上对应的位置上的那些字对的。

44.权利要求41中提出的一种装置，其中在字对频率中标识与略去某些常用字。

45.权利要求33中提出的一种装置，其中第一和第二语料库是源语言和目标语言，并且所述装置还包括：

划分装置，用于将源正文划分成部分；

搜索装置，用于在源语言的对准的语料库中搜索与源正文部分匹配的部分；以及

输出装置，用于对于找到匹配的源正文部分，输出目标语言语料库中的对应部分，作为供包含进一个输出正文中的译文，和对于找不到匹配的部分，输出一则查询报文，表示源正文部分未进行翻译。

46.权利要求33中提出的一种装置，其中第一和第二语料库是源语言和目标语言，并且所述装置还包括：

划分装置，用于将源正文划分成部分；

获得装置，用于得出一个候选目标语言部分形式的各源正文部分的候选译文；

检验装置，用于为源语言部分与候选目标语言部分估计一个相互关联测定值，而检验该译文；以及

输出装置，用于输出经过检验的候选部分，供包含进一个目标正文中。

47.权利要求46中提出的一种装置，其中检验装置将一个阈值作用在一个候选部分的相互关联测定值上。

48.权利要求46中提出的一种装置，其中如果并未为源语言部分作出经过检验的译文，那么输出装置输出一则查询报文。

49.权利要求48中提出的一种装置，其中输出装置将翻译部分与任何查询报文连接并一起输出，作为一个单一的输出正文的一部分，以供其它装置定稿。

50.一种用于处理一个两种文字对照的数据库的处理装置，包括：

存储装置，用于在该装置中存储一个包括第一与第二对准的语料库的数据库，各语料库是分成部分的，使得第一语料库的部分的至少一个子集被与第二语料库的对应部分的一种对应关系所标识，各部分进一步分成一个或多个以下称为字的基元部分；

分析装置，用于分析对准的语料库以得到一个统计数据库；以及

推算装置，用于利用该统计数据库，为从各语料库中选出一个字的一个字对，推算观测的相互关联的一个测定值，

其特征在于该装置还包括估计装置，用于通过组合包含在各部分对中的字对的推算出的相互关系测定值，为一个给定的正文部分对，即两种自然语言中每种一个部分，估计部分的相互关联的一个测定值。

51.权利要求50中提出的一种装置，其中推算装置在不推算该对中的任一个字是另一个的真实译文的概率的情况下推算所述字对相互关联测定值。

52.权利要求50中提出的一种装置，其中估计装置不考虑一对中的字在它们各自的部分中的位置而执行字对的相互关联测定值的组合。

53.权利要求50中提出的一种装置，其中估计装置在字对出现在它们各自的正文部分中的大致上对应的位置上，限制字对的相互关联测定值的组合。

54.权利要求50中提出的一种装置，其中估计装置在字对相互关联测定值的组合中，标识及略去了某些常用字。

55.权利要求50中提出的一种装置，其中推算装置用于：

56.权利要求50中提出的一种装置，其中该统计数据库包括：

用于各语料库的一张字频表；

57.一种自动化翻译系统，包括处理一个两种文字对照的数据库的装置，该装置包括：

分析装置，用于分析对准的语料库以得出一个统计数据库；

其特征在于：

以及

58.权利要求57中提出的一种自动化翻译系统，其中存储装置存储包括修正的语料库的数据库。