漢、藏、蒙、維多民族語言語音翻譯方法研究

漢語與少數(shù)民族語言之間機(jī)器翻譯的研究對于促進(jìn)少數(shù)民族地區(qū)經(jīng)濟(jì)文化發(fā)展具有很重要的意義，目前這方面可投入的人力物力是十分有限的。對于漢、藏、蒙、維語言之間互譯來說，基于中間語言的翻譯方法，是一種經(jīng)濟(jì)有效的途徑。介紹了一種基于中間語義表示(IF)實(shí)現(xiàn)漢、藏、蒙、維多語言語音翻譯的基本思想，并介紹了面向IF的魯棒的漢語口語解析方法以及基于IF的漢語英語生成方法。

 2014年2月28日，據(jù)譯雅馨翻譯公司了解到，我國有56個(gè)民族，大多數(shù)的民族都有自己獨(dú)特的語言。隨著社會(huì)的發(fā)展，各民族之間的經(jīng)濟(jì)文化交流越來越頻繁，在此過程中，語言的差異是一個(gè)客觀現(xiàn)實(shí)，由此帶來的相關(guān)問題，是制約少數(shù)民族地區(qū)經(jīng)濟(jì)文化發(fā)展一個(gè)重要因素，因此，有必要進(jìn)行少數(shù)民族語言與漢語之間的多語言機(jī)器翻譯研究，這對促進(jìn)少數(shù)民族地區(qū)經(jīng)濟(jì)發(fā)展、促進(jìn)各民族之間文化交流以及民族團(tuán)結(jié)都具有重大的意義。另外，各個(gè)少數(shù)民族都有自己獨(dú)有的風(fēng)俗文化，對這些風(fēng)俗文化進(jìn)行研究、保護(hù)和開發(fā)，無論從社會(huì)還是經(jīng)濟(jì)上，都有著深遠(yuǎn)的意義，而語言是這些風(fēng)俗文化最直接的載體，這也對語言翻譯提出了要求。目前，少數(shù)民族語言的機(jī)器翻譯研究，雖然取得了一定的成績，但是，由于經(jīng)濟(jì)、文化、資源、歷史等眾多的原因，還停留在起步階段，很多問題都有待進(jìn)一步研究[12]。少數(shù)民族中，藏族、蒙古族和維吾爾族各自擁有本民族的語言，在自然語言處理方面的研究起步也比較早，有了一定的基礎(chǔ)，而且這三個(gè)民族地區(qū)人口比較多，因此，有必要把漢、藏、蒙、維語言之間的機(jī)器翻譯研究作為當(dāng)前的少數(shù)民族語言機(jī)器翻譯研究的一個(gè)主要任務(wù)。目前蒙古文機(jī)器翻譯系統(tǒng)有王斯日古楞等人研制的英蒙機(jī)器翻譯(English Mongolian Machine Translation,簡稱EMMT)系統(tǒng)，內(nèi)蒙古大學(xué)那順烏日圖等研制的漢蒙機(jī)器翻譯系統(tǒng),這兩個(gè)系統(tǒng)目前都尚處于研究階段[12]。藏語的計(jì)算機(jī)處理目前的研究重點(diǎn)大致包括藏文編碼標(biāo)準(zhǔn)及平臺(tái)建設(shè)、藏語語法研究、分詞標(biāo)準(zhǔn)、電子詞典建設(shè)等階段，也有一些機(jī)器翻譯系統(tǒng) [15]。關(guān)于維吾爾族語的計(jì)算機(jī)處理方面研究也主要集中在維吾爾語的編碼標(biāo)準(zhǔn)及平臺(tái)建設(shè)方面。

在諸多的機(jī)器翻譯實(shí)現(xiàn)方法中，有一種基于中間語言的方法，這種方法利用一種人工制定的標(biāo)準(zhǔn)語言作為語言翻譯的中介，即首先把源語言解析為中間語言的表示形式，然后再由這種中間語言生成目標(biāo)語言。對于一個(gè)多語言翻譯系統(tǒng)，如果采用轉(zhuǎn)換的方法，則不同方向的翻譯需要不同的翻譯模塊，比如英譯漢和漢譯英分別需要一個(gè)翻譯模塊。假設(shè)有N種語言需要進(jìn)行互譯，總共則需要N*(N-1)個(gè)翻譯模塊，而采用中間語言的方法，由于對每一種語言只需實(shí)現(xiàn)將該種語言翻譯成中間語言和把中間語言翻譯成該種語言這兩個(gè)模塊，對于N種語言之間的互譯，總共只需要2N個(gè)翻譯模塊，這一過程如圖 1所示，因此，采用基于中間語言的翻譯方法進(jìn)行多語言的互譯，能夠降低系統(tǒng)的復(fù)雜性，是一種經(jīng)濟(jì)有效的途徑。

早期的中間語言主要有法國的CETA實(shí)驗(yàn)室的“樞軸語言”(pivot language)，該中心利用它進(jìn)行了數(shù)學(xué)、物理文獻(xiàn)方面的俄－法翻譯系統(tǒng)[16]， 2000年日本聯(lián)合國大學(xué)的Uchida提出了一種UNL(Universal Network Language)語言[19]，用來進(jìn)行多種語言的翻譯。成立于1990年的成立C-STAR(Consortium of Speech Translation Advanced Research)，提出了一種中間語義表示格式IF(Interchange Format)[8]。IF是針對特定領(lǐng)域的多語言電話語音同聲翻譯而設(shè)計(jì)的，目前IF涵蓋的領(lǐng)域包括旅游、就醫(yī)、體育比賽等特定場景。C-STAR由11個(gè)國家的著名研究機(jī)構(gòu)組成，目前該組織采納的語言包括漢語，英語，日語，德語，韓語，意大利語，法語等多種語言，并且其成員國以及包括的語言正在逐年地增加。我國中科院自動(dòng)化所模式識(shí)別實(shí)驗(yàn)室是C-STAR的中文代表，在2002年3月，他們與韓國電信研究所聯(lián)合演示了一個(gè)電話對話翻譯的原型系統(tǒng)，該系統(tǒng)面向旅館預(yù)定領(lǐng)域，首次實(shí)現(xiàn)了漢語－韓語之間的電話雙向翻譯。利用IF作為中介進(jìn)行語音翻譯的過程如圖 2所示。