曾妍

摘 要： 針對傳統(tǒng)最優(yōu)解選擇過程中使用的多目標(biāo)粒子群選擇方法，具有極大的局限性，最優(yōu)解選擇貼合性較低問題，提出針對機(jī)器英語翻譯中的模糊語義最優(yōu)解選取方法。建立機(jī)器英語翻譯的語義模型，對機(jī)器英語翻譯自然語言實(shí)現(xiàn)連接處理，使用模型對連接處理后的語義本體進(jìn)行映射分析，翻譯選定過程使用英語翻譯的語義相似度計(jì)算提升語義連貫性。實(shí)驗(yàn)結(jié)果表明，改進(jìn)選取方法選定翻譯英語詞匯特征匹配度較高，并且貼合性強(qiáng)，更適用于機(jī)器英語翻譯中最優(yōu)解選擇。

關(guān)鍵詞： 機(jī)器英語翻譯； 模糊語義； 語義模型； 語義相似度計(jì)算； 最優(yōu)解選取

中圖分類號(hào)： TN911?34； TP311 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）02?0156?03

Abstract： As the method of multi?objective particle swarm selection is used in the process of the traditional optimal solution selection， which has great limitations and low fitness to the optimal solution， an optimal solution selection method for fuzzy semantic in English machine translation is puts forward. A semantic model of English machine translation is built. The connection processing for natural language in machine translation of English was achieved. The model is used for mapping analysis of the semantic ontology after the connection treatment. The semantic similarity computation is adopted for English translation in translation selection process to enhance semantic coherence. The experimental results show that the improved selection method has high feature matching rate for the translation of English words and high fitness， and is more suitable for the optimal solution selection in English machine translation.

Keywords： English machine translation； fuzzy semantics； semantic model； semantic similarity computation； optimal solution selection

伴隨著識(shí)別技術(shù)的不斷更新，使用機(jī)器代替人工進(jìn)行英語翻譯已經(jīng)逐漸走進(jìn)人們的視野當(dāng)中，并且翻譯的精準(zhǔn)度不斷的提高。使用機(jī)器進(jìn)行英語翻譯時(shí)，首先需要對單詞語義進(jìn)行翻譯。使用機(jī)械智能識(shí)別對語義中的連貫用語以及關(guān)鍵性用語進(jìn)行選定，通過構(gòu)建一定的語言模型進(jìn)行英語語境的構(gòu)建以及語義連接，結(jié)合翻譯的模糊語義通過甄別比對最終選定最優(yōu)的翻譯解[1?2]。傳統(tǒng)對模糊語義最優(yōu)解選擇過程中使用的方法存在一定的局現(xiàn)性，最優(yōu)解的選擇沒有通過語義建立，也沒有通過關(guān)鍵詞進(jìn)行語境刻畫，造成模糊語義在一定的影響下發(fā)生偏移，可能翻譯出的語境缺少貼合性。

針對上述問題，本文提出在機(jī)器英語翻譯中的模糊語義最優(yōu)解選取方法。本文建立機(jī)器英語翻譯的語義模型，為保證提出方法的有效性，模擬了應(yīng)用環(huán)境進(jìn)行對比實(shí)驗(yàn)，通過實(shí)驗(yàn)數(shù)據(jù)的分析驗(yàn)證了實(shí)驗(yàn)的有效性。

1 構(gòu)建英語翻譯的語義模型

1.1 英語翻譯的自然語言處理設(shè)計(jì)

在構(gòu)建英語翻譯的語義模型之前，首先需要對英語翻譯過程中的詞性轉(zhuǎn)換以及詞語變形進(jìn)行分析[3]。在機(jī)器英語翻譯中的自然語言處理過程中，以英語單詞“image”為例，單詞的實(shí)際翻譯可以表示一張圖片，它的近義詞還包括“print”以及"picture”，這樣這三個(gè)詞語具有一定的語義模糊性[4]，英語翻譯過程中同義詞與語義信息相關(guān)的可能的語義映射關(guān)系描述為：

式中：為英語單詞近似語義；為英語單詞對應(yīng)語言映射；本文翻譯語言為英語翻譯，映射浮動(dòng)范圍在之內(nèi)[5]。通過建立英語語義之間映射關(guān)系來解決模糊語義定向。

定義1 設(shè)雙向語義為Mountain節(jié)點(diǎn)高階替換表達(dá)限令值[6]為，S為機(jī)器進(jìn)行英語翻譯過程中的概念語義在通過概念進(jìn)行匹配后實(shí)詞解析集[7]。其中為語義信息的解析判斷集合，通過上述定義本文英語語句解析知識(shí)點(diǎn)可以通過函數(shù)進(jìn)行表示：

使用英語翻譯的自然語言進(jìn)行語義二次定義，公式表示為：

式中：為自然語言中的改換表達(dá)系數(shù)；為英語的識(shí)別改換信息碼；round為翻譯過程中的英語信息取整算子。

1.2 語義本體映射模型建立

假設(shè)和為兩個(gè)多元英語語義，用機(jī)械進(jìn)行語義翻譯過程中，可在翻譯過程中把翻譯語句中定語翻譯到主句中去[8]，在對英語從句進(jìn)行翻譯選擇時(shí)，得一個(gè)關(guān)于多元英語語義語法本體映射模型，過程為：

1） 在英語語義翻譯過程中，如果，那么≤；

2） 如果，那么就有=，則=；>，則<；<，則>。endprint

2 模糊語義最優(yōu)解選取實(shí)現(xiàn)

本文設(shè)計(jì)的英語翻譯相似度的比量判斷過程通過一定的基礎(chǔ)參數(shù)的比對進(jìn)行選定，本文通過對語義、語境、語法三者進(jìn)行關(guān)系搭配完成相似度的判斷，（本文用符號(hào)“”表示邏輯上的非；符號(hào)“”表示邏輯上的與；符號(hào)“”表示邏輯上的等價(jià)[9]。在不發(fā)生矛盾的情況下，“”可以省略）如下：

式中：為翻譯語義相似度較高的翻譯；為翻譯語境相似度較高的翻譯；為翻譯語法相同的翻譯；為翻譯語義的總集合；為隸屬關(guān)系中最優(yōu)選集[10]；為不同解的搭配集合。本文通過英語翻譯的語義相似度計(jì)算對翻譯過程中的非語境翻譯進(jìn)行剝離，提升翻譯的質(zhì)量，最優(yōu)解的選定以此為根據(jù)，最后通過認(rèn)定最終選擇解。

3 仿真實(shí)驗(yàn)分析

3.1 參數(shù)設(shè)定

為了保證本文設(shè)計(jì)模糊語義最優(yōu)解選取方法的有效性，對參數(shù)進(jìn)行設(shè)定，本文設(shè)定實(shí)驗(yàn)研究對象分別是不同長度不同語境的短文，使用本文設(shè)計(jì)的模糊語義最優(yōu)解選取方法與傳統(tǒng)模糊語義最優(yōu)解選取方法進(jìn)行比較。首先介紹了實(shí)驗(yàn)翻譯過程的基本參數(shù)，如表1所示。

3.2 翻譯基本代碼調(diào)節(jié)

為了保證本文設(shè)計(jì)的模糊語義最優(yōu)解選取方法的有效性，需要對實(shí)驗(yàn)翻譯過程進(jìn)行一定的代碼調(diào)節(jié)，代碼替換調(diào)節(jié)過程如表2所示。

3.3 結(jié)果對比分析

傳統(tǒng)的模糊語義最優(yōu)解選取方法在翻譯過程容易造成詞語翻譯貼合性較差，分別測試兩種方法對短句翻譯過后的Competeness參數(shù)，實(shí)驗(yàn)數(shù)據(jù)如表3所示。

從表3中的數(shù)據(jù)分析能夠看出，本文設(shè)計(jì)的模糊語義最優(yōu)解選取方法比傳統(tǒng)模糊語義最優(yōu)解選取方法Competeness參數(shù)要高出1倍以上（Competeness參數(shù)即翻譯完備性，完備性是衡量翻譯結(jié)果準(zhǔn)確度及語義表達(dá)程度參數(shù)）。將翻譯過后的語義與本文使用人工翻譯過后的語義進(jìn)行對比，并使用For duplicates查重軟件進(jìn)行重復(fù)率查詢，圖1為使用查重軟件結(jié)果。

從圖1的對比曲線可以看出，本文糊語義最優(yōu)解選取方法與人工翻譯結(jié)果更加貼合，傳統(tǒng)方法在翻譯結(jié)果上重復(fù)率較低且幅度較大。

衡量糊語義最優(yōu)解選取方法最好的標(biāo)準(zhǔn)是對短文的翻譯結(jié)果，短文在翻譯過程中需要與語義、語境進(jìn)行結(jié)合，翻譯過程中同樣使用了人工翻譯作為標(biāo)準(zhǔn)樣本。針對兩種方法翻譯效果，本文方法中使用的語義本體模型能夠?qū)φZ境進(jìn)行識(shí)別概括，傳統(tǒng)方法中無使用相關(guān)語境映射模型。對短語進(jìn)行翻譯過程結(jié)果如圖2所示。

從圖2能夠分析出，本文設(shè)計(jì)的模糊語義最優(yōu)解選取方法在貼合度所占比例上比傳統(tǒng)模糊語義最優(yōu)解選取方法要高出將近1倍。

通過與標(biāo)準(zhǔn)語境進(jìn)行對比發(fā)現(xiàn)，本文設(shè)計(jì)模糊語義最優(yōu)解選取方法在語境的刻畫程度上明顯要好于傳統(tǒng)模糊語義最優(yōu)解選取方法。

4 結(jié) 語

本文針對機(jī)器英語翻譯中的模糊語義最優(yōu)解選取方法，建立機(jī)器英語翻譯的語義模型，能夠?qū)C(jī)器英語翻譯的自然語言實(shí)現(xiàn)連接處理，使用模型對連接處理后的語義本體進(jìn)行映射分析，翻譯選定過程使用英語翻譯的語義相似度計(jì)算提升語義連貫性，通過模糊語義最優(yōu)解選取計(jì)算完成英語語義翻譯。

參考文獻(xiàn)

[1] 吳良剛，文麗.基于二維二元語義和模糊AHP?TODIM的低碳供應(yīng)商選擇方法[J].運(yùn)籌與管理，2017，26（3）：7?16.

WU Lianggang， WEN Li. Low carbon supplier selection method based on 2?dimension 2?tuple linguistic information and fuzzy AHP?TODIM [J]. Operations research and management science， 2017， 26（3）： 7?16.

[2] 姜芳，李國和，岳翔.基于語義的文檔關(guān)鍵詞提取方法[J].計(jì)算機(jī)應(yīng)用研究，2015，32（1）：142?145.

JIANG Fang， LI Guohe， YUE Xiang. Semantic?based keyword extraction method for document [J]. Application research of computers， 2015， 32（1）： 142?145.

[3] YANG Wanchun， ZHANG Chenxi， MU Bin. Optimal QoS?aware service selection approach considering semantics and transactional properties [J]. Journal of computer applications， 2016， 36（8）： 2207?2212.

[4] 孫霞，沈韓.機(jī)器英語翻譯中的模糊語義最優(yōu)解選取方法[J].現(xiàn)代電子技術(shù)，2017，40（12）：31?33.

SUN Xia， SHEN Han. Method of selecting optimal solution of fuzzy semantics in English machine translation [J]. Modern electronics technique， 2017， 40（12）： 31?33.

[5] WU Qun， WU Peng， ZHOU Ligang. Interval 2?tuple linguistic fuzzy multiple attributes group decision?making based on connection variables [J]. Journal of Chongqing technology and business （Natural sciences edition）， 2016， 33（1）： 1?8.endprint

[6] 粟千.弱化語法規(guī)則下英文機(jī)器翻譯的優(yōu)化仿真[J].計(jì)算機(jī)仿真，2016，33（11）：414?417.

SU Qian. Weakening grammar rules under the improvement and optimization of simulation of machine translation in English [J]. Computer simulation， 2016， 33（11）： 414?417.

[7] SONG Rou， GE Shili. English?Chinese translation unit and translation model for discourse?based machine translation [J]. Journal of Chinese information processing， 2015， 29（5）： 125?135.

[8] ZHU Yun， JIN Yaohong. On morphological transformations of complex predicates in Chinese?English patent machine translation [J]. Applied Linguistics， 2015（1）： 127?135.

[9] ZHANG Zhenzhong， SUN Le， HAN Xianpei. A translation model based method for query session detection [J]. Journal of Chinese information processing， 2015， 29（4）： 95?102.

[10] WANG Shaoshuang. Research on translators′ information literacy in the era of professionalism： demand analysis， conceptual interpretation and model construction [J]. Foreign media， 2017（1）： 55?63.endprint