一种小型汉英翻译软件的设计原理及实现

１． 自动分词 所谓自动分词是指把没有明显分界标志的字串自动切分为 词串。包括点符号、数字、数学符号、各种标记、人名、地名、机构 名等未登录词的识别。如：输入汉语言为：＂他们正在读书＂，采用 切分模块将汉语句切分为：＂他们／ 正在／ 读书＂。 这里说明上面 一句话是由 ３ 个词构成的。在切分模块有两个比较难解决的问 题：一个是切分所需词典中词汇量要全面，另一个是切分歧义的 准确处理。在前一个问题上，已经出现了如知网、语料库等形式 方法，可以比较好的解决这个问题。而在切分消歧方面，若要使 切分准确率很高，不仅需要大量切分歧义规则，还需要相应语言 学专家的大量参与，这是一个比较长远的工作。 在这一模块中的分词算法通常分为有词典分词和无词典分 词。有词典分词是主流分词方法。根据使用的知识资源不同又分 为基于规则的方法和基于统计的方法，以及两者结合的方法。本 软件采用的是基于规则的正向最大分词算法。算法描述如下： 设 ＭａｘＬｅｎ 表示最大词长，Ｄ 为分词词典 （１） 从待切分语料中按正向取长度为 ＭａｘＬｅｎ 的字串 ｓｔｒ，令 Ｌｅｎ＝ＭａｘＬｅｎ； （２） 把 ｓｔｒ 与 Ｄ 中的词相匹配； （３） 若匹配成功，则认为该字串为词，指向待切分语料的指 针向前移 Ｌｅｎ 个汉字，返回到（１）； （４） 若不成功：如果 Ｌｅｎ＞１，则将 Ｌｅｎ 减 ２，从待切分语料中 取长度为 Ｌｅｎ 的字串 ｓｔｒ，返回到（２）。否则，得到长度为 １ 的单字 词，指向待切分语料的指针想前前移 １ 个汉字，返回（１）。 ２． 词性标注 在汉语中，常常一个词在不同情况下会取不同的词性。比如 汉语句＂他是总编辑＂中编
【关键词】： 自然语言理解 机器翻译 汉译英
自然语言理解［１，２，３］是人工智能极其活跃的研究领域，也是新 一代计算机必须研究的课题。通常应具备以下四条之一：①能成 功地回答输入语料中的有关问题；②在接受一批语料之后，有就 此给出摘要的能力；③能用不同的词语复述所输入的语料；④有 从一种语言转译成另一种语言的能力。其中第 ４ 项在机器翻译 中有着广泛的应用。目前机器翻译（也叫自动翻译）已经不仅仅 停留在实验阶段，已经有了市场化的软件，如：Ｌｉｇｈｔ 英汉机器翻 译系统、ＴｒａｎｓＥａｓｙ 汉英机器翻译系统、译星 ２００２ 等。
则。本系统是一个小型的软件，针对的是一类简单句进行汉英翻
译，所需要的转换规则主要有 Ｒｕｌｅ１：动词－ 谓语－ 译文选择规 则；Ｒｕｌｅ２：名词－ 主语－ 译文选择规则；Ｒｕｌｅ３：位置译文选择规 则；Ｒｕｌｅ４：助词－ 删除与否规则等。所有规则设置原理为模拟使 用格语法进语义分析时的算法，具体描述如下：
（２） 如果动词紧挨在＂在＂，＂正在＂这种状语之后，取 ｖ３－ 进行 式；
（３） 否则取 ｖ１－ 原形 ４． ＶＣ＋＋实现
本汉英机器翻译软件的实现其核心体现在一个翻译类
ＣＴｒａｎｓｌａｔｅ 的编写。ＣＴｒａｎｓｌａｔｅ 类头文件中的部分代码如下：
ｃｌａｓｓ ＣＴｒａｎｓｌａｔｅ ： ｐｕｂｌｉｃ ＣＯｂｊｅｃｔ ｛
３． 句法分析 句法分析实际就是从单词串到句法结构的过程，这里的句 法结构通常是一棵树。对句子做句法分析通常要选择合适的语 法理论，这里选择了上下文无关文法。 如有一套句法规则和分词词典如图 １， 则汉语＂小王和小李 的妹妹结婚了＂ 经过句法分析后得到它的句法树如图 ２．
图 １ 语法规则及词典
图 ２ 句法树
１５２
福建电脑
２００７ 年第 ３ 期
一种小型汉英翻译软件的设计原理及实现
李霞
（ 广东外语外贸大学 信息学院 广东 广州 ５１０４２０ ）
【摘 要】： 本文介绍了自然语言理解在机器翻译中的应用，采用基于规则的方法，实现了翻译一类语句的汉译英机器 翻译软件，并完整介绍了系统实现的算法原理和编程实现步骤。
ｃｌａｓｓ ＣＷｏｒｄ ： ｐｕｂｌｉｃ ＣＯｂｊｅｃｔ ｛ 。。。 。。。 ／／数据成员 ＣＳｔｒｉｎｇ ｍ＿ｓＹｙ；／／原语言 ＣＳｔｒｉｎｇ ｍ＿ｓＤｙ；／／目标语言 。。。 。。。 ｝；
这 里 通 过 ｔｙｐｅｄｅｆ ＣＴｙｐｅｄＰｔｒＬｉｓｔ ＜ＣＯｂＬｉｓｔ，ＣＷｏｒｄ＊ ＞ ＣＷｏｒｄＬｉｓｔ，定义了 ＣＷｏｒｄ 指针链表，翻译模块中各语法分析处 理后的词汇都存储在该链表中，转换规则部分则除了能够使得
（２）组成目标语模块 该模块是将经过一系列切分、标注、消歧、句法分析后的词汇序
列组合成一个整句。其部分代码如下：
ＣＳｔｒｉｎｇ ＣＴｒａｎｓｌａｔｅ：：ＺｈＹｗ（） ｛／／对处理好以后的词汇序列进行译文组合成整句
ＣＳｔｒｉｎｇ ｒｅｓｕｌｔ； ＰＯＳＩＴＩＯＮ ｐｏｓ＝ｍ＿ｌｉｓｔ．ＧｅｔＨｅａｄＰｏｓｉｔｉｏｎ（）； ｗｈｉｌｅ（ｐｏｓ） ｛
辑一词取名词词性，而在汉语句＂ 他正在编辑文档＂ 中编辑一词 则取动词词性。在汉语言中同一个词取不同词性其翻译的目标 语言也会不同，如前者翻译为 ｅｄｉｔｅｒ，后者翻译为 ｅｄｉｔｉｎｇ。词性标 注即是判定给定句子中每个词的语法范畴，确定其词性并加以 标注。如＂他正在编辑这本书＂经过分词和词性标注后结果为：＂ 他／ ｎ 正在／ｚ 编辑／ ｖ 文档／ｎ＂，这里的 ｎ 表名词、ｚ 表状语、ｖ 表动 词、ｎ 表名词。
块、组合成目标语模块。这里再仔细介绍一下语句翻译的两个模
块。
（１） 翻译转换模块 该模块实际就是实现对汉语言进行语法分析、然后运用转
换规则对词汇序列进行处理、
最后是将处理后的词汇序列进行译文组合成整句进行输
出。其部分代码如下：
ＣＳｔｒｉｎｇ ＣＴｒａｎｓｌａｔｅ：：Ｔｒａｎｓｌａｔｅ（ＣＳｔｒｉｎｇ＆ ｓｏｕｒｃｅ） ｛／／对汉语言进行翻译，出口为翻译好的整句英文。
ｖｏｉｄ Ｒｕｌｅ２（）；／／名词－ 主语－ 译文选择规则 ｖｏｉｄ Ｒｕｌｅ３（）；／／时间－ 位置译文选择规则 ｖｏｉｄ Ｒｕｌｅ４（）；／／助词－ 删除与否规则 。。。 。。。 ｝；
该类总的来说包括三个模块：语法分析模块，如切分处理、
标注处理；转换规则模块，如动词－ 谓语－ 译文选择规则、名词－ 主 语－ 译文选择规则、时间－ 位置译文选择规则、助词－ 删除与否规 则等。另一个模块就是语句翻译的整个过程，包括：翻译转换模
ｏｂｊｅｃｔｉｖｅ： ｗｉｎｄｏｗ
ｉｎｓｔｒｕｍｅｎｔａｌ： ｈａｍｍｅｒ
ｌｏｃａｔｉｖｅ： ｒｏｏｍ
［ＭＯＤＡＬＳ：
ｔｉｍｅ： ｐａｓｔ ］
本系统并没有进行语义分析，而是把工夫花在了词典语句
的存储和译词选择的规则设置上。
２． 机器词典
本软件中的机器词典采用了数据库作为存储方式，每一条
记录存储一个单词，单词的存储规则设置部分如下：
在机器翻译软件中，传统的机器翻译多数采用了基于规则 的直接机器翻译方法。随着字典学和语料库的发展，机器翻译中 也采用了很多新的技术、新的方法，如：转换方法、中间语言方 法；在所采取的策略上有：传统的基于规则的方法、基于翻译记 忆的机器翻译方法、基于摸板的机器翻译方法、基于统计的机器 翻译方法、多引擎机器翻译方法等。
／／语法分析 ＭＭ（ｓｏｕｒｃｅ）； ／／先对原语言进行切分，标注 。。。 。。。 ／／转换规则－ － － 用各规则作用于处理后的词汇序列 Ｒｕｌｅ１（）； Ｒｕｌｅ２（）； Ｒｕｌｅ３（）； Ｒｕｌｅ４（）； 。。。 。。。 ／／对处理好以后的词汇序列进行译文组合成整句 ｒｅｔｕｒｎ ＺｈＹｗ（）；／／组合译文 ｝
自然语言理解中的典型的知识内容，如语法分析、语义分析中的
格语法等，策略全部采用了传统的基于规则的方法。整个系统可
以实现一类汉语简单句的汉英翻译工作，既可以（下转第 １６９ 页）
２００７ 年第 ３ 期
福建电脑
（１） 判断待分析词序列中主要动词，并在动词词典中找出该 动词的格框架。
（２） 对格内容进行相应的填充。 （３） 根据句子中出现的标志判断句子的情态 Ｍｏｄａｌ． 以 Ｒｕｌｅ１：动词－ 谓语－ 译文选择规则为例，其基本步骤如 下：
（１） 首先找到唯一一个动词，如果动词紧挨在＂了＂之前，取 ｖ２－ 过去式；
＃Ｄ： 名词，单数形式
＃Ｆ： 名词，复数形式
Ｇ１： 主格
２００７ 年第 ３ 期
福建电脑
１５３
Ｇ２： 宾格 Ｖ１： 动词，原形 Ｖ２： 动词，过去式 Ｖ３： 动词，现在分词 Ｖ４： 动词，过去分词 。。。 。。。
根据该规则机器词典的部分内容如下：
我 ：＃ＮＤ，Ｇ１－ Ｉ，Ｇ２－ ｍｅ／ 今天 ：Ｔ－ ｔｏｄａｙ／ 买 ：Ｖ１－ ｂｕｙ，Ｖ２－ ｂｏｕｇｈｔ，Ｖ３－ ｂｕｙｉｎｇ／ 了 ：表完成／ 书 ：ｂｏｏｋ／ 他 ：＃ＮＤ，Ｇ１－ Ｈｅ，Ｇ２－ ｈｉｍ／ 昨天 ：Ｔ－ ｙｅｓｔｅｒｄａｙ／ 打破 ：Ｖ１－ ｂｒｅａｋ，Ｖ２－ ｂｒｏｋｅ，Ｖ３－ ｂｒｅａｋｉｎｇ，Ｖ４－ ｂｒｏｋｅｎ／ 窗户 ：ｗｉｎｄｏｗ／ 妈妈 ：＃ＮＤ，Ｇ１－ ｍｏｔｈｅｒ，Ｇ２－ ｍｏａｔｈｅｒ／ 裙子 ：ｓｋｉｒｔ／ 在 ：表正在进行／ 正在 ：表正在进行／ 他们 ：＃ＮＦ，Ｇ１－ ｔｈｅｙ，Ｇ２－ ｔｈｅｍ／ 。。。 。。。
该链表中各 ＣＷｏｒｄ 指针得到相应的英文翻译，还根据各转换规 则将部分单词的顺序做了相应的调整，最后形成了最终的词汇
链表。有了词汇链表，循环遍历该链表中的每一个对象，并取出
该对象所指向的目标语言串，拼接后就是一个完整的目标语言
串了。
５． 结束语 本系统是为自然语言理解课程教学而编写的小型软件。该
软件实现的是自然语言理解在机器自动翻译中的应用，采用了
本文采用的是传统的基于规则的直接翻译方法，给出的是 一类语句的汉英翻译系统，该类语句为含主语、谓语、宾语的简 单句。下面具体介绍该系统实现的设计原理和实现步骤。 １． 语法分析
机器翻译中无论是汉译英或英译汉事先都需要对源语句进 行语法分析，大体包括自动分词、词性标注及词义消歧、句法分 析、语义分析，下面针对本系统依次给予介绍。
软件翻译质量全面与否在于本机器词典中单词内容的增
加，因而软件中还设置了添加词典内容的项目。翻译系统的整个
语法分析阶段都将用到机器词典，因此本词典的存储及规则的
设置都是相当重要的。
３． 转换规则 在准备好机器词典并对汉语句进行语法分析后，就可以设
置转换规则了。所谓转换规则就是为了将语法分析后的词汇序
列翻译得到合适的目标语言（这里是英语）而设置的一系列规
以上进行的是语法分析。有些翻译系统在语法分析模块还
会对源语言进行语义分析，且大多采用了格语法，机器词典则多
采用义素法来存储语义。如英文句子 Ｉｎ ｔｈｅ ｒｏｏｍ，ｈｅ ｂｒｏｋｅ ａ
ｗｉｎｄｏｗ ｗｉｔｈ ａ ｈａｍｍｅｒ，其对应的格框架结构为：
［ＢＲＥＡＫ
［ｃａｓｅ－ ｆｒａｍｅ
ａｇｅｎｔｉｖｅ： ห้องสมุดไป่ตู้ｅ
该模块中的算法采用基于规则的方法，其原理为利用事先 制定好的规则对具有多个词性 的词进行消歧，最后保留一个正确的词性。具体步骤如下：
（１）对词性歧义建立单独的标注规则库； （２）标注时，查词典，如果某个词具有多个词性，则查找规 则库，对具有相同模式的歧义进行排歧，否则保留； （３）程序和规则库是独立的两个部分。
ＣＷｏｒｄ＊ ｐｗ＝ｍ＿ｌｉｓｔ．ＧｅｔＮｅｘｔ（ｐｏｓ）； ｒｅｓｕｌｔ＝ｒｅｓｕｌｔ＋ｐｗ－ ＞ｍ＿ｓＤｙ＋＂ ＂；
｝ ｒｅｔｕｒｎ ｒｅｓｕｌｔ； ｝
这里的 ＣＷｏｒｄ 是一个事先写好的单词类，该类有两个数据 成员，源语言串 ＣＳｔｒｉｎｇ ｍ＿ｓＹｙ，目标语言串 ＣＳｔｒｉｎｇ ｍ＿ｓＤｙ。另一 个 ｍ＿ｌｉｓｔ 是词汇链表对象 ＣＷｏｒｄＬｉｓｔ ｍ＿ｌｉｓｔ．
。。。 。。。 ｐｕｂｌｉｃ：
／／切分处理部分 ＣＳｔｒｉｎｇ Ｍａｔｃｈ（ＣＳｔｒｉｎｇ＆）； ／／字符串匹配函数 ｖｏｉｄ ＭＭ（ＣＳｔｒｉｎｇ ＆ｓｏｕｒｃｅ）；／／切分函数－ － 正向最大匹配法 。。。 。。。 ／／翻译并选择译文部分 ＣＳｔｒｉｎｇ Ｔｒａｎｓｌａｔｅ（ＣＳｔｒｉｎｇ＆ ｓｏｕｒｃｅ）；／／对语法分析后的单词列进行翻译，出口 为英语 ＣＳｔｒｉｎｇ ＺｈＹｗ（）；／／对处理好以后的词汇序列进行译文组合成整句 。。。 。。。 ／／转换规则部分 ｖｏｉｄ Ｒｕｌｅ１（）；／／动词－ 谓语－ 译文选择规则