陳 雷，李 淼，張 健，曾偉輝

（中國(guó)科學(xué)院 合肥智能機(jī)械研究所，安徽 合肥230031）

1 引言

在統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)中，互譯語(yǔ)言之間的語(yǔ)序差異往往較為顯著。為了提升最終的譯文質(zhì)量，調(diào)序模型在消除互譯語(yǔ)言之間的語(yǔ)序差異方面起到至關(guān)重要的作用。

通常來(lái)說(shuō)調(diào)序模型分為兩大類(lèi)：一類(lèi)是將調(diào)序知識(shí)作為特征函數(shù)，融入對(duì)數(shù)線(xiàn)性模型［1－2]。該模型在尋找所需要的特征時(shí)往往存在一些困難。同時(shí)，將特征融入訓(xùn)練與解碼過(guò)程會(huì)導(dǎo)致調(diào)序模型更加復(fù)雜，也更加耗時(shí)。另一類(lèi)調(diào)序模型是在前處理過(guò)程中將源語(yǔ)言的語(yǔ)序盡可能地調(diào)整為與目標(biāo)語(yǔ)言一致。Visweswariah等提出了一個(gè)基于句法的調(diào)序方法［3]，該方法從源語(yǔ)言的解析樹(shù)上自動(dòng)抽取重排序規(guī)則，并自動(dòng)生成詞對(duì)齊。Khalilov和Sima'an提出了一個(gè)類(lèi)似的依據(jù)源端解析樹(shù)的特征來(lái)決定重排序的源端重排序系統(tǒng)［4]。國(guó)內(nèi)在漢蒙統(tǒng)計(jì)機(jī)器翻譯調(diào)序方法的研究上，王斯日古楞［5]、Liang［6]、Chen［7]等均提出了一些基于規(guī)則的方法。這一類(lèi)調(diào)序模型的效果取決于重排序規(guī)則及其應(yīng)用方式，同時(shí)還需要依賴(lài)高精度的句法分析器。上述兩類(lèi)調(diào)序模型不是相互排斥的，一些調(diào)序模型既可以作為源端重排序的前處理過(guò)程，又可以作為特征函數(shù)融入到解碼器中［8]。

由以上國(guó)內(nèi)外相關(guān)研究現(xiàn)狀可知，現(xiàn)有的調(diào)序方法面向大規(guī)模平行語(yǔ)料行之有效。然而，無(wú)論是基于短語(yǔ)還是基于句法，都對(duì)平行語(yǔ)料的規(guī)模具有較高的要求，且存在一定的局限性：首先，基于語(yǔ)法樹(shù)的重排序依賴(lài)于句法分析，或利用短語(yǔ)結(jié)構(gòu)樹(shù)分析出句子由哪些短語(yǔ)類(lèi)型（例如，動(dòng)詞短語(yǔ)、名詞短語(yǔ)等）組成，或利用依存結(jié)構(gòu)樹(shù)分析出句子的語(yǔ)法成分（例如，主語(yǔ)、賓語(yǔ)等），根據(jù)這些句法分析所得信息，采用基于規(guī)則的方法實(shí)現(xiàn)相應(yīng)樹(shù)上的操作，例如，交換左右子樹(shù)等，從而完成對(duì)源語(yǔ)言語(yǔ)序的調(diào)整。然而一方面目前的句法分析準(zhǔn)確度不高；另一方面當(dāng)重排序規(guī)則較為復(fù)雜時(shí)，容易產(chǎn)生規(guī)則的嵌套而影響調(diào)序效果。其次，基于詞性標(biāo)注的重排序方法能夠在保證較細(xì)粒度的前提下盡可能多地利用語(yǔ)言的語(yǔ)法信息進(jìn)行調(diào)序。然而目前自動(dòng)化詞性標(biāo)注的研究工作尚有不足，獲取精準(zhǔn)的詞性標(biāo)注仍然需要大量且繁瑣的人工校對(duì)工作，對(duì)語(yǔ)言學(xué)專(zhuān)家的依賴(lài)性很強(qiáng)。

與漢、英、日、法、德等語(yǔ)言百萬(wàn)句級(jí)規(guī)模的語(yǔ)料相比，我國(guó)少數(shù)民族語(yǔ)言的語(yǔ)料資源差距巨大，尤其是漢民平行語(yǔ)料規(guī)模還遠(yuǎn)遠(yuǎn)不能滿(mǎn)足需求，且短時(shí)間內(nèi)難以實(shí)現(xiàn)大規(guī)模增長(zhǎng)。從目前漢蒙統(tǒng)計(jì)機(jī)器翻譯研究現(xiàn)狀來(lái)看，公開(kāi)且可用于機(jī)器翻譯研究與測(cè)評(píng)的漢蒙雙語(yǔ)平行語(yǔ)料仍沒(méi)有超過(guò)10萬(wàn)句對(duì)。同時(shí)，語(yǔ)言學(xué)專(zhuān)家數(shù)量不能滿(mǎn)足大規(guī)模語(yǔ)料的分析與處理，蒙文語(yǔ)言學(xué)知識(shí)相對(duì)不足且句法分析準(zhǔn)確率較低，導(dǎo)致現(xiàn)有的調(diào)序方法在漢蒙統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)中難以取得理想的譯文質(zhì)量。

針對(duì)上述問(wèn)題，本文提出了一種有限語(yǔ)料條件下漢蒙統(tǒng)計(jì)機(jī)器翻譯的調(diào)序方法。如上所述，在漢蒙統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)中，第一類(lèi)調(diào)序模型的特征難以獲取，因此本文采用第二類(lèi)調(diào)序模型，即源端重排序。首先，借助于語(yǔ)言學(xué)知識(shí)，在語(yǔ)料與譯文兩個(gè)層面上進(jìn)行分析，獲取對(duì)譯文語(yǔ)序影響顯著的短語(yǔ)類(lèi)型，研究這些短語(yǔ)類(lèi)型的調(diào)序規(guī)則，包括人工撰寫(xiě)規(guī)則與自動(dòng)抽取規(guī)則，然后基于規(guī)則進(jìn)行源端重排序。與傳統(tǒng)的基于規(guī)則的方法不同，本文僅關(guān)注對(duì)譯文語(yǔ)序影響顯著的短語(yǔ)類(lèi)型，借助于已有的語(yǔ)言學(xué)知識(shí)即可獲得，在對(duì)大規(guī)模平行語(yǔ)料以及語(yǔ)言學(xué)知識(shí)的需求方面尋找一個(gè)平衡點(diǎn)，力求滿(mǎn)足現(xiàn)有的實(shí)際情況。實(shí)驗(yàn)表明本文的方法行之有效，在有限語(yǔ)料條件下能夠取得譯文質(zhì)量的顯著改善。

2 漢蒙統(tǒng)計(jì)機(jī)器翻譯的相關(guān)工作

漢蒙統(tǒng)計(jì)機(jī)器翻譯一直是我國(guó)自然語(yǔ)言處理研究領(lǐng)域的重要課題，經(jīng)歷了基于規(guī)則、基于實(shí)例與基于統(tǒng)計(jì)的多個(gè)發(fā)展過(guò)程。2007年，侯宏旭等給出了用于漢蒙EBMT機(jī)器翻譯的實(shí)例搜索以及短語(yǔ)片段劃分、匹配、組合的方法［9]，該方法基于詞語(yǔ)對(duì)齊，利用詞語(yǔ)對(duì)齊進(jìn)行詞語(yǔ)的匹配，并根據(jù)匹配詞數(shù)和長(zhǎng)度計(jì)算相似度，選取最好的實(shí)例；同時(shí)考慮到語(yǔ)料規(guī)模的限制，雙語(yǔ)詞典的詞匯覆蓋面往往不夠，采用雙語(yǔ)詞典進(jìn)行詞語(yǔ)對(duì)齊有召回率不高的缺點(diǎn)，還需通過(guò)人工對(duì)齊工具進(jìn)行校對(duì)。由于漢蒙平行語(yǔ)料的稀缺，直到2009年，隨著漢蒙統(tǒng)計(jì)機(jī)器翻譯評(píng)測(cè)的出現(xiàn)，其相關(guān)研究才逐步發(fā)展起來(lái)。楊攀等考慮到漢蒙語(yǔ)言形態(tài)信息的差異性以及當(dāng)前由于缺乏大規(guī)模漢蒙平行語(yǔ)料所造成的數(shù)據(jù)稀疏問(wèn)題，將形態(tài)學(xué)方法引入到漢蒙統(tǒng)計(jì)機(jī)器翻譯的研究中［10]，在一定程度上解決了譯文的詞形選擇及語(yǔ)序混亂問(wèn)題。駱凱等提出了類(lèi)似的方法，將源語(yǔ)言句法信息和目標(biāo)語(yǔ)言形態(tài)信息引入到漢蒙統(tǒng)計(jì)機(jī)器翻譯的模型構(gòu)造中，以降低譯文的詞形錯(cuò)誤率，并部分解決了譯文的長(zhǎng)距離調(diào)序的問(wèn)題，從而提高譯文的忠實(shí)度［11]。朱海等在漢蒙平行語(yǔ)料的基礎(chǔ)上，借助漢蒙對(duì)齊詞典來(lái)構(gòu)造統(tǒng)計(jì)模型，并嘗試以混淆網(wǎng)絡(luò)的形式進(jìn)行詞級(jí)別的系統(tǒng)融合，在第五屆全國(guó)機(jī)器翻譯研討會(huì)的漢蒙日常用語(yǔ)評(píng)測(cè)項(xiàng)目中取得了良好的成績(jī)［12]。2010年，Li等將蒙古語(yǔ)詞素（詞干、詞綴）作為中間語(yǔ)言，構(gòu)造了多級(jí)的鏈?zhǔn)綑C(jī)器翻譯系統(tǒng)［13]：首先利用統(tǒng)計(jì)的方法將蒙古語(yǔ)切分為詞素，再構(gòu)造漢語(yǔ)與蒙古語(yǔ)詞素的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)將漢語(yǔ)翻譯為蒙古語(yǔ)詞素，然后構(gòu)造蒙古語(yǔ)詞素與蒙古語(yǔ)的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)將蒙古語(yǔ)詞素翻譯為蒙古語(yǔ)。該方法通過(guò)構(gòu)造鏈?zhǔn)綑C(jī)器翻譯系統(tǒng)，在第一個(gè)統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)中將蒙古語(yǔ)詞素作為普通單詞對(duì)待，其本質(zhì)上是削減了蒙古語(yǔ)的形態(tài)信息，在第二個(gè)統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)中利用了蒙古語(yǔ)詞素中所包含的語(yǔ)言信息以及蒙古語(yǔ)詞素與其表面詞形的內(nèi)在聯(lián)系，從而提高了最終的譯文質(zhì)量。2011年，王斯日古楞等針對(duì)漢蒙統(tǒng)計(jì)機(jī)器翻譯提出了一種基于人工撰寫(xiě)規(guī)則的重排序方案［5]，依據(jù)漢蒙語(yǔ)言學(xué)知識(shí)，給出12條調(diào)序規(guī)則，其中動(dòng)詞短語(yǔ)7條，介詞短語(yǔ)3條，主謂短語(yǔ)3條，這些規(guī)則較好地反映了漢蒙之間的語(yǔ)序差異，在統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)中取得了良好的效果。Liang等提出了類(lèi)似的基于人工撰寫(xiě)規(guī)則的源端重排序方案［6]，依據(jù)這些規(guī)則來(lái)匹配源語(yǔ)言短語(yǔ)結(jié)構(gòu)樹(shù)的子樹(shù)，并進(jìn)行左右子樹(shù)的交換操作，同時(shí)利用詞性標(biāo)注信息同步實(shí)現(xiàn)短語(yǔ)級(jí)別和詞級(jí)別的調(diào)序。在此基礎(chǔ)上，Chen等進(jìn)一步提出在源端重排序模型中借助源端依存關(guān)系信息來(lái)平衡漢蒙之間的形態(tài)信息差異［7]。上述基于規(guī)則的調(diào)序模型首先需要對(duì)源語(yǔ)言進(jìn)行句法分析，然而這一過(guò)程被認(rèn)為是這種方法主要的缺點(diǎn)［14]。尤其在蒙漢統(tǒng)計(jì)機(jī)器翻譯中，蒙古語(yǔ)句法分析器的精度偏低，在很大程度上影響了基于規(guī)則的調(diào)序模型的最終效果。2012年，斯·勞格勞等基于蒙古語(yǔ)依存樹(shù)庫(kù)MDTB，實(shí)現(xiàn)了一種基于詞匯依存概率的蒙古語(yǔ)依存句法分析模型［15]，該模型對(duì)核心詞進(jìn)行分析的準(zhǔn)確率達(dá)到了93.05%。隨著句法分析器準(zhǔn)確率的提高，基于規(guī)則的調(diào)序模型的效果也將會(huì)隨之改善。

如上所述，目前漢蒙統(tǒng)計(jì)機(jī)器翻譯的研究主要是針對(duì)語(yǔ)序差異和形態(tài)差異的。然而在統(tǒng)計(jì)方法中解決這兩個(gè)問(wèn)題對(duì)語(yǔ)料規(guī)模的依賴(lài)性較大，在短時(shí)間內(nèi)難以實(shí)現(xiàn)質(zhì)的突破，因此許多研究都引入了語(yǔ)言學(xué)知識(shí)，例如，調(diào)序規(guī)則、詞性標(biāo)注等信息，取得了一定的成果。本文與上述工作的不同，一方面是通過(guò)對(duì)語(yǔ)料與譯文兩個(gè)層面的分析，僅關(guān)注對(duì)譯文語(yǔ)序影響較大的短語(yǔ)類(lèi)型并研究其調(diào)序方案；另一方面是立足實(shí)際情況，充分利用現(xiàn)有的有限語(yǔ)料以及語(yǔ)言學(xué)知識(shí)來(lái)獲取更佳的譯文質(zhì)量。

3 有限語(yǔ)料條件下的調(diào)序

總的來(lái)說(shuō)，漢語(yǔ)的句子是主—謂—賓結(jié)構(gòu)，蒙古語(yǔ)的句子是主—賓—謂結(jié)構(gòu)，在短語(yǔ)級(jí)別與詞級(jí)別方面，漢蒙語(yǔ)序的差異則更加復(fù)雜，其具體表現(xiàn)為詞對(duì)齊關(guān)系存在很多交叉。如圖1所示，例子中的漢語(yǔ)句子與蒙古語(yǔ)句子（拉丁形式）的詞對(duì)齊連線(xiàn)存在很多交叉現(xiàn)象。語(yǔ)序的差異問(wèn)題很大程度上影響了譯文的質(zhì)量。源端重排序的任務(wù)就是消除圖1中這種詞對(duì)齊連線(xiàn)的交叉現(xiàn)象。

圖1 漢語(yǔ)句子的短語(yǔ)結(jié)構(gòu)樹(shù)以及與蒙古語(yǔ)句子的詞對(duì)齊關(guān)系

基于短語(yǔ)的統(tǒng)計(jì)機(jī)器翻譯只解決了短距離的局部調(diào)序，而處理長(zhǎng)距離的調(diào)序，正是漢蒙機(jī)器翻譯語(yǔ)序調(diào)整必需的。在基于短語(yǔ)的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)中，使用隱含長(zhǎng)距離調(diào)序信息的規(guī)則對(duì)漢語(yǔ)句子語(yǔ)序進(jìn)行調(diào)整，其中規(guī)則的獲取是至關(guān)重要的。規(guī)則可以由人工進(jìn)行歸納總結(jié)，也可以從平行語(yǔ)料庫(kù)中自動(dòng)獲取。本文分別探討了基于自動(dòng)抽取短語(yǔ)結(jié)構(gòu)重排序規(guī)則的源端重排序和基于人工編寫(xiě)短語(yǔ)結(jié)構(gòu)重排序規(guī)則的源端重排序。

3.1 人工撰寫(xiě)的規(guī)則

由于動(dòng)詞或謂語(yǔ)是句子的核心成分，且漢蒙語(yǔ)序的差異主要體現(xiàn)在動(dòng)詞相關(guān)的短語(yǔ)上［5－7]，因此動(dòng)詞短語(yǔ)的調(diào)序在漢蒙統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)中至關(guān)重要。本文在漢蒙平行語(yǔ)料與機(jī)器翻譯系統(tǒng)產(chǎn)生的譯文兩個(gè)層面上分析對(duì)譯文語(yǔ)序影響顯著的動(dòng)詞短語(yǔ)類(lèi)型。

傳統(tǒng)矢量方法的優(yōu)點(diǎn)是對(duì)多邊形中軸的幾何特征和拓?fù)涮卣饔休^好保留，缺點(diǎn)是存在中軸定義問(wèn)題。柵格距離變換法的優(yōu)點(diǎn)是提取的中軸形態(tài)完備，能實(shí)現(xiàn)復(fù)雜多邊形的中軸提取。但隨著數(shù)據(jù)的多源化和大數(shù)據(jù)的廣泛應(yīng)用，逐漸產(chǎn)生了局限性：一是柵格數(shù)據(jù)的大容量存儲(chǔ)特點(diǎn)使得該方法的運(yùn)算效率較低；二是分辨率敏感性較高，針對(duì)多分辨率數(shù)據(jù)處理能力較低。而形態(tài)學(xué)方法，歷史上存在效率低、中軸精度不高、無(wú)法解決多分辨率等問(wèn)題，未能實(shí)現(xiàn)工程化提取。

借助于已有的語(yǔ)言學(xué)知識(shí)，首先初始化一個(gè)包括所有可能顯著影響譯文語(yǔ)序的動(dòng)詞短語(yǔ)類(lèi)型的集合S；依據(jù)該集合對(duì)有限語(yǔ)料進(jìn)行劃分，去除沒(méi)有對(duì)應(yīng)劃分的動(dòng)詞短語(yǔ)類(lèi)型，得到精簡(jiǎn)后的集合S′；類(lèi)似地再用精簡(jiǎn)后的集合S′對(duì)機(jī)器翻譯系統(tǒng)輸出的譯文進(jìn)行劃分，再次對(duì)集合S′進(jìn)行精簡(jiǎn)，得到最終包含所需的動(dòng)詞短語(yǔ)類(lèi)型的集合S″。

本文基于句法分析所得到的短語(yǔ)結(jié)構(gòu)樹(shù)［6]來(lái)定義針對(duì)集合中的動(dòng)詞短語(yǔ)的調(diào)序規(guī)則，其形式為VP：x→x′，w，其中VP表示動(dòng)詞短語(yǔ)在短語(yǔ)結(jié)構(gòu)樹(shù)上對(duì)應(yīng)的節(jié)點(diǎn)，x表示VP的孩子節(jié)點(diǎn)序列（按照從左到右的順序，遵守漢蒙之間的語(yǔ)言規(guī)則），x′表示對(duì)x進(jìn)行重排序之后的節(jié)點(diǎn)序列，w表示該規(guī)則的權(quán)值，在人工撰寫(xiě)規(guī)則時(shí)可由人為指定取值，在自動(dòng)抽取規(guī)則時(shí)可從平行語(yǔ)料中訓(xùn)練獲得，用于在多條規(guī)則產(chǎn)生沖突時(shí)進(jìn)行規(guī)則的選取。圖1給出了一個(gè)漢語(yǔ)句子短語(yǔ)結(jié)構(gòu)樹(shù)，可見(jiàn)每個(gè)短語(yǔ)可對(duì)應(yīng)短語(yǔ)結(jié)構(gòu)樹(shù)上的一棵子樹(shù)。

表1給出了人工撰寫(xiě)動(dòng)詞短語(yǔ)調(diào)序規(guī)則（不包含權(quán)值），其中VV表示動(dòng)詞，P表示介詞，PP表示介詞短語(yǔ)，NP表示名詞短語(yǔ)，QP表示量詞短語(yǔ)。

表1 人工撰寫(xiě)的動(dòng)詞短語(yǔ)調(diào)序規(guī)則

在調(diào)序時(shí)，使用上述規(guī)則匹配源語(yǔ)言句子短語(yǔ)結(jié)構(gòu)樹(shù)的子樹(shù)進(jìn)行調(diào)序。因此首先需要構(gòu)造源語(yǔ)言句子的短語(yǔ)結(jié)構(gòu)樹(shù)，可通過(guò)句法分析器獲??；其次查找短語(yǔ)結(jié)構(gòu)樹(shù)中滿(mǎn)足如下條件的節(jié)點(diǎn)n：標(biāo)注為VP且其孩子節(jié)點(diǎn)匹配某條規(guī)則r中x序列；然后根據(jù)規(guī)則r的x′序列重新排序節(jié)點(diǎn)n的孩子節(jié)點(diǎn)，從而實(shí)現(xiàn)源語(yǔ)言句子的重排序。從上述過(guò)程可以看出，重排序規(guī)則的應(yīng)用其本質(zhì)上是短語(yǔ)結(jié)構(gòu)樹(shù)上的樹(shù)變換過(guò)程。

3.2 自動(dòng)抽取的規(guī)則

除上述人工撰寫(xiě)規(guī)則外，本文還研究了如何基于有限語(yǔ)料自動(dòng)抽取動(dòng)詞短語(yǔ)的重排序規(guī)則。給定一個(gè)源語(yǔ)言句子s，其短語(yǔ)結(jié)構(gòu)樹(shù)記為ts，ts中非葉子節(jié)點(diǎn)n的孩子節(jié)點(diǎn)集合記為Cn，對(duì)應(yīng)于目標(biāo)端，節(jié)點(diǎn)n的平均位置計(jì)算如式（1）所示。

其中pos（ω）表示單詞ω對(duì)應(yīng)于目標(biāo)端的位置，當(dāng)單詞ω與目標(biāo)端的任何單詞沒(méi)有對(duì)齊關(guān)系時(shí)，將無(wú)須計(jì)算pos（ω）。類(lèi)似地可以計(jì)算短語(yǔ)結(jié)構(gòu)樹(shù)ts中的每個(gè)節(jié)點(diǎn)的平均位置，用以調(diào)整節(jié)點(diǎn)順序，得到重排序之后的短語(yǔ)結(jié)構(gòu)樹(shù)，記為tr?；谡Z(yǔ)料中所有句子按照上述過(guò)程產(chǎn)生的樹(shù)對(duì)＜ts，tr＞，可以抽取所需的重排序規(guī)則，并依據(jù)最大概率P（tr｜ts）來(lái)選取規(guī)則，如式（2）所示。

其中I（ts）表示ts的非葉子節(jié)點(diǎn)集合，cn表示節(jié)點(diǎn)n的孩子節(jié)點(diǎn)序列，r（cn）表示對(duì)cn重排序之后的節(jié)點(diǎn)序列。P（r（cn）｜c(diǎn)n）計(jì)算如式（3）所示。

其中f（cn）是cn在短語(yǔ)結(jié)構(gòu)樹(shù)ts中出現(xiàn)的頻率，f（r（cn））是r（cn）在短語(yǔ)結(jié)構(gòu)樹(shù)tr中出現(xiàn)的頻率。

給定短語(yǔ)結(jié)構(gòu)樹(shù)ts上的一個(gè)具有k個(gè)孩子節(jié)點(diǎn)的節(jié)點(diǎn)n，其k個(gè)孩子節(jié)點(diǎn)的組合方式共有k！種，本文選擇概率最大的組合方式，即選擇概率最大的規(guī)則，從而獲得重排序規(guī)則。

利用上述方法，除能夠抽出表1給出的重排序規(guī)則之外，還能夠得到大量動(dòng)詞短語(yǔ)相關(guān)的重排序規(guī)則，如表2給出的規(guī)則（5），其中IP表示以屈折成分開(kāi)頭的簡(jiǎn)單從句。

表2 人工撰寫(xiě)的動(dòng)詞短語(yǔ)調(diào)序規(guī)則

應(yīng)用自動(dòng)抽取規(guī)則的方法與人工撰寫(xiě)規(guī)則相同，所不同的是自動(dòng)抽取規(guī)則數(shù)量遠(yuǎn)遠(yuǎn)超過(guò)人工撰寫(xiě)的規(guī)則。從本文使用的有限語(yǔ)料中，即可抽出超過(guò)1千條重排序規(guī)則。通過(guò)去除錯(cuò)誤規(guī)則與合并類(lèi)似規(guī)則之后，仍然存在440條規(guī)則。在應(yīng)用重排序規(guī)則時(shí)，容易導(dǎo)致規(guī)則選取上的沖突，或造成過(guò)度重排序問(wèn)題。因此定義規(guī)則時(shí)引入了權(quán)值w用以緩解此類(lèi)問(wèn)題。此外，加入一些語(yǔ)法限制條件也能起到類(lèi)似的作用［5]。

圖2給出了在圖1所示的漢語(yǔ)短語(yǔ)結(jié)構(gòu)樹(shù)上進(jìn)行源端重排序之后的結(jié)果，標(biāo)注陰影的節(jié)點(diǎn)分別匹配規(guī)則（3）和規(guī)則（5）?？梢钥闯?，針對(duì)句中的兩個(gè)動(dòng)詞短語(yǔ)進(jìn)行調(diào)序，則完全消除了詞對(duì)齊的交叉現(xiàn)象，意味著重排序之后的漢語(yǔ)句子的語(yǔ)序與蒙古語(yǔ)一致。該例子表明針對(duì)動(dòng)詞短語(yǔ)類(lèi)型的調(diào)序在漢蒙統(tǒng)計(jì)機(jī)器翻譯的源端重排序中是行之有效的。

圖2 利用規(guī)則（3）和規(guī)則（5）對(duì)漢語(yǔ)句子進(jìn)行重排序之后的結(jié)果

4 實(shí)驗(yàn)

4.1 實(shí)驗(yàn)環(huán)境與設(shè)置

實(shí)驗(yàn)軟硬件平臺(tái)為：操作系統(tǒng)Ubuntu 11.04，處理器Inter（R）Core（TM）2Quad CPU Q6700＠2.66GHZ，內(nèi)存4G。

實(shí)驗(yàn)語(yǔ)料為第五屆全國(guó)機(jī)器翻譯研討會(huì)（CWMT2009）提供的漢蒙雙語(yǔ)平行評(píng)測(cè)語(yǔ)料，訓(xùn)練集為67288句對(duì)，開(kāi)發(fā)集為400句對(duì)，每句漢語(yǔ)對(duì)應(yīng)4句由蒙古語(yǔ)言學(xué)專(zhuān)家翻譯的蒙古語(yǔ)譯文，測(cè)試集與開(kāi)發(fā)集相同。

在數(shù)據(jù)處理方面，使用中國(guó)科學(xué)院計(jì)算技術(shù)研究所的分詞工具ICTCLAS 2.0進(jìn)行漢語(yǔ)分詞；使用斯坦福大學(xué)的句法分析器Stanford parser進(jìn)行漢語(yǔ)的句法分析，并進(jìn)行簡(jiǎn)單的結(jié)構(gòu)映射變換得到短語(yǔ)結(jié)構(gòu)樹(shù)；在訓(xùn)練時(shí)，將訓(xùn)練集、開(kāi)發(fā)集與測(cè)試集的傳統(tǒng)蒙文轉(zhuǎn)化為拉丁形式；采用開(kāi)源解碼器Moses［16]進(jìn)行翻譯模型的構(gòu)建與解碼，使用對(duì)數(shù)線(xiàn)性模型對(duì)各種參數(shù)特征進(jìn)行融合，使用的主要特征包括：正反向短語(yǔ)翻譯概率、正反向詞匯翻譯概率、SRILM［17]訓(xùn)練的三元語(yǔ)言模型、詞長(zhǎng)度懲罰、雙向msd調(diào)序模型；使用GIZA＋＋并采用啟發(fā)式方法進(jìn)行詞對(duì)齊；使用最小錯(cuò)誤率訓(xùn)練MERT［18]來(lái)調(diào)參。

以標(biāo)準(zhǔn)的基于短語(yǔ)的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)為參考，本文設(shè)置了三組實(shí)驗(yàn)：（1）僅使用標(biāo)準(zhǔn)的基于短語(yǔ)的統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)，作為基線(xiàn)系統(tǒng)；（2）使用手動(dòng)撰寫(xiě)規(guī)則進(jìn)行源端重排序，包括逐個(gè)規(guī)則的使用與所有規(guī)則的同時(shí)使用；（3）使用440條自動(dòng)抽取規(guī)則進(jìn)行源端重排序。

4.2 實(shí)驗(yàn)結(jié)果與分析

上述三組實(shí)驗(yàn)的結(jié)果如表3所示，使用BLEU與NIST評(píng)分來(lái)評(píng)價(jià)實(shí)驗(yàn)結(jié)果。

表3 實(shí)驗(yàn)結(jié)果

從表3中的實(shí)驗(yàn)結(jié)果可以看出，無(wú)論是人工撰寫(xiě)規(guī)則還是自動(dòng)抽取規(guī)則的應(yīng)用，取得的結(jié)果評(píng)分均比基線(xiàn)系統(tǒng)顯著提高。令人感興趣的是，取得最佳成績(jī)即提高1.63個(gè)BLEU值的結(jié)果是應(yīng)用人工撰寫(xiě)的規(guī)則（1）所獲得的，而不是應(yīng)用所有人工撰寫(xiě)規(guī)則，也不是應(yīng)用數(shù)量更多的自動(dòng)抽取規(guī)則。這一結(jié)果標(biāo)明調(diào)序規(guī)則并不是越多越好。如上所述，數(shù)量眾多的規(guī)則容易導(dǎo)致規(guī)則選取上的沖突以及過(guò)度重排序問(wèn)題。

5 結(jié)束語(yǔ)

本文提出在有限語(yǔ)料條件下，分析并獲取對(duì)譯文語(yǔ)序影響顯著的短語(yǔ)類(lèi)型，利用這些短語(yǔ)類(lèi)型的調(diào)序規(guī)則來(lái)調(diào)整源語(yǔ)言漢語(yǔ)的語(yǔ)序，實(shí)驗(yàn)證明該方法在漢蒙統(tǒng)計(jì)機(jī)器翻譯系統(tǒng)中取得了良好的效果。該方法為現(xiàn)階段語(yǔ)料資源稀少的其他語(yǔ)言的機(jī)器翻譯系統(tǒng)調(diào)序技術(shù)的研究提供了參考。

下一步將研究減少重排序規(guī)則選擇上的沖突與降低多個(gè)規(guī)則同時(shí)使用造成的過(guò)度排序等問(wèn)題。此外，由于目前本文的方法仍然依賴(lài)于句法分析器的準(zhǔn)確性，因此需要研究不依賴(lài)于句法分析器的調(diào)序方案，例如使用序列標(biāo)注模型（如：條件隨機(jī)場(chǎng)模型等）來(lái)進(jìn)行特殊短語(yǔ)的識(shí)別與匹配問(wèn)題。

致謝

感謝對(duì)本文工作提供幫助的老師和同學(xué)。感謝對(duì)本文撰寫(xiě)提出中肯建議的各位評(píng)審老師。

［1]薛永增，李生，趙鐵軍，等.短語(yǔ)統(tǒng)計(jì)機(jī)器翻譯的句法調(diào)序模型［J].通信學(xué)報(bào)，2008，29（1）：7－14.

［2]侯宏旭，劉群，李錦濤.一種基于短語(yǔ)的漢蒙統(tǒng)計(jì)機(jī)器翻譯與調(diào)序模型［J].高技術(shù)通訊，2009，19（5）：475－479.

［3]K Visweswariah，J Navratil，J Sorensen，et al.Syntax based reordering with automatically derived rules for improved statistical machine translation［C]／／Proceeding of COLING，2010：1119－1127.

［4]M Khalilov，K Sima'an.Context－sensitive syntactic source－reordering by statistical transduction［C]／／Proceeding of IJCNLP，2011：38－46.

［5]王斯日古楞，斯琴圖，那順烏日?qǐng)D.漢蒙統(tǒng)計(jì)機(jī)器翻譯中的調(diào)序方法研究［J].中文信息學(xué)報(bào)，2011，25（4）：88－92.

［6]F Liang，L Chen，M Li，et al.A rule－based sourceside reordering on phrase structure subtrees［C]／／Proceeding of IALP，2011：173－176.

［7]L Chen，M Li，M He，et al.Dependency parsing on source language with reordering information in SMT［C]／／Proceeding of IALP，2012：133－136.

［8]N Yang，M Li，D Zhang，et al.A ranking based approach to word reordering for statistical machine translation［C]／／Proceeding of ACL，2012：912－920.

［9]侯宏旭，劉群，那順烏日?qǐng)D.基于實(shí)例的漢蒙機(jī)器翻譯［J].中文信息學(xué)報(bào)，2007，21（4）：65－72.

［10]楊攀，張建，李淼，等.漢蒙統(tǒng)計(jì)機(jī)器翻譯中的形態(tài)學(xué)方法研究［J].中文信息學(xué)報(bào)，2009，23（1）：50－57.

［11]駱凱，李淼，烏達(dá)巴拉，等.漢蒙翻譯模型中的依存語(yǔ)法與形態(tài)信息應(yīng)用研究［J].中文信息學(xué)報(bào)，2009，23（6）：98－104.

［12]朱海，應(yīng)玉龍，李文，等.第五屆全國(guó)機(jī)器翻譯研討會(huì)中科院智能所評(píng)測(cè)技術(shù)報(bào)告［C]／／第五屆全國(guó)機(jī)器翻譯研討會(huì)論文集，2009.

［13]W Li，L Chen，Wudabala，M Li.A Chained Machine Translation Using Morphemes as Pivot Language［C]／／Proceeding of COLING 2010workshop：ALR，2010：169－177.

［14]K Visweswariah，R Rajkumar，A Gandhe，et al.A word reordering model for improved machine translation［C]／／Proceeding of EMNLP，2011：486－496.

［15]斯·勞格勞，華沙寶，薩如拉.基于統(tǒng)計(jì)方法的蒙古語(yǔ)依存句法分析模型［J].中文信息學(xué)報(bào)，2012，26（3）：27－32.

［16]P Koehn，H Hoang，A Birch，et al.Moses：open source toolkit for statistical machine translation［C]／／Proceeding of ACL，2007：177－180.［17]A Stolcke.SRILM—an extensible language modeling toolkit［C]／／Proceeding of Intl.Conf.on Spoken Language Processing，2002：901－904.

［18]F J Och.Minimum error rate training in statistical machine translation［C]／／Proceeding of ACL，2003：160－167.