機器翻譯與基于大數(shù)據(jù)語言服務(wù)技術(shù)的創(chuàng)新

鄒啟立

【摘 要】技術(shù)可以讓語言服務(wù)變得更加輕松，簡單。同時技術(shù)也改變了人類傳統(tǒng)的溝通形式，促進了人類的交流，特別跨語言文化的溝通?；诖髷?shù)據(jù)的機器翻譯將是未來語言服務(wù)的主要形式和語言服務(wù)。

【關(guān)鍵詞】機器翻譯；語言服務(wù)創(chuàng)新

一、機器翻譯的歷史與現(xiàn)狀

機器翻譯（Machine Translation）就是利用計算機程序把一種語言的文本（可稱為源語言文本）翻譯成另外一種語言的文本（可稱為目標(biāo)語言文本）（常寶寶，張偉1998.）。按照馮志偉（1994 ， 1996）的說法，到 1980 年代，機器翻譯研究經(jīng)歷了草創(chuàng)期 、蕭條期 、復(fù)蘇期 、繁榮期等幾個階段。草創(chuàng)期以 1954 年在美國喬治敦大學(xué)用 IBM 計算機進行的首次機器翻譯實驗為標(biāo)志，這時的機器翻譯方法還比較簡單 ， 基本上采用的是單純的查詞典和詞頻統(tǒng)計等方法，筆者這里稱之為樸素的統(tǒng)計方法。而 1964 年的 AL PAC報告將全世界的機器翻譯熱潮打入了冷宮。在 1970 年代，隨著喬姆斯基語言學(xué)的興起和人工智能研究的發(fā)展，人們普遍認為要實現(xiàn)機器翻譯必須對語言進行理解，在這種背景下，基于規(guī)則的機器翻譯方法開始發(fā)展起來 。進入 1980 年代以后，機器翻譯進入繁榮期，基于規(guī)則的機器翻譯方法逐步成熟，市場上出現(xiàn)了很多機器翻譯系統(tǒng)。但這種繁榮并沒有持續(xù)下去。1980年代末期到 1990 年代，人們發(fā)現(xiàn)基于規(guī)則的機器翻譯系統(tǒng)性能很難進一步提高 ， 面向社會生活中使用的真實語言的時候，機器翻譯系統(tǒng)幾乎無法給 出有用的譯文 。筆者把這個階段稱為平臺期。也正是這個階段 ，基于語料庫的機器翻譯方法 開始被提出來并取得了一些進展，這包括基于實例的方法和基于統(tǒng)計的方法 。

自1954年起，世界各國許多大學(xué)已經(jīng)展開了對機器翻譯的研究，但機器翻譯仍然沒有在商業(yè)領(lǐng)域大規(guī)模應(yīng)用。然而，上世紀八十年代開始，一些翻譯服務(wù)公司開始使用一種非常原始的翻譯輔助工具，通常稱為翻譯記憶庫（TM）。TM工具將句子譯文存入數(shù)據(jù)庫，這樣一旦需要翻譯的文件重復(fù)出現(xiàn)同樣的句子，譯者就可以直接使用它們?；诖思夹g(shù)而形成的計算機輔助翻譯（CAT）便應(yīng)用而生。相較TM而言，機器翻譯則指完全自動化。理論上機器翻譯能夠讓譯者失業(yè)。然而，機器翻譯技術(shù)輸出的譯文質(zhì)量無法達到出版及終端用戶使用的要求。因此，專業(yè)的翻譯服務(wù)行業(yè)還將會繼續(xù)存在多年，一邊為機器翻譯改進技術(shù)，一邊對機器翻譯的譯文進行后編輯。

二、語言服務(wù)的創(chuàng)新

信息技術(shù)的發(fā)展促進了人類社會和文明的發(fā)展，使得世界變得越來越小，溝通越來越頻繁，翻譯量也越來越大，速度要求越來越快，甚至要即時翻譯的需求，這就為創(chuàng)新者提供了大量機會。這給傳統(tǒng)的翻譯行業(yè)帶來了巨大的挑戰(zhàn)。

基于大數(shù)據(jù)的移動互聯(lián)網(wǎng)以更大的規(guī)模，更廣泛的覆蓋，正在取代其他網(wǎng)絡(luò)。而和服務(wù)密切相關(guān)的技術(shù)有三種，通訊和媒體技術(shù)，互聯(lián)網(wǎng)和云計算技術(shù)，自然語言處理技術(shù)。云計算是互聯(lián)網(wǎng)技術(shù)發(fā)展的必然成果，在語言服務(wù)領(lǐng)域，整合呼叫中心，視頻會議等記錄，就形成了云語言服務(wù)中心。自然語言處理技術(shù)，解決人聽說讀譯的問題。

大數(shù)據(jù)（big data），或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具，在合理時間內(nèi)達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營決策更積極目的的資訊（引自百度百科）。大數(shù)據(jù)對翻譯行業(yè)的重要性不可低估。大數(shù)據(jù)將推動自動翻譯向前發(fā)展。大數(shù)據(jù)將能夠應(yīng)對包括機器翻譯在內(nèi)的自然語言處理的不同領(lǐng)域的挑戰(zhàn)。計算機將能夠自動運行語義聚類和類型識別處理，這就意味著計算機可以識別行業(yè)領(lǐng)域（如醫(yī)學(xué)和放射學(xué)）和內(nèi)容類型（如說明書或?qū)＠暾垼?/p>

大數(shù)據(jù)對機器翻譯技術(shù)的持續(xù)改進和定制化至關(guān)重要。由于現(xiàn)代機器翻譯系統(tǒng)需要越來越多的平行數(shù)據(jù)，而這樣大量的數(shù)據(jù)最終要達到使用傳統(tǒng)數(shù)據(jù)管理技術(shù)無法處理的極限，因此大數(shù)據(jù)技術(shù)已經(jīng)成為決定因素。如果計算機獲得更多數(shù)據(jù)，也能夠更好地進行術(shù)語挖掘。大數(shù)據(jù)可以識別同義詞、相關(guān)術(shù)語、新詞、行業(yè)用語，并運用平行處理工具自動生成句法分類。簡單的統(tǒng)計翻譯模型發(fā)展成為包含（基于句法或?qū)R的）層次樹結(jié)構(gòu)的混合模型，使得機器翻譯引擎能夠進行遠距離調(diào)序，產(chǎn)生更流暢、準(zhǔn)確的譯文，這對于結(jié)構(gòu)差異大的語言對更是如此。

在這個融合時代，需要翻譯的內(nèi)容正進一步從文檔和軟件版本轉(zhuǎn)變成零散的文本、在多個屏幕上發(fā)布的音頻和視頻。終端用戶、大眾或病人會比現(xiàn)在擁有更大的控制權(quán)，他們將推動持續(xù)的翻譯流應(yīng)用。這個翻譯流包含有公務(wù)類（公司、公眾、立法）、社會類、共享類、增值類以及私人類信息。

翻譯記憶軟件非常適合出版商提供的靜態(tài)文件的更新，但在翻譯用戶提交的動態(tài)內(nèi)容時會顯得力不從心。機器翻譯技術(shù)將更快地走向成熟，并成為翻譯服務(wù)業(yè)采用的首選工具。機器翻譯平臺將增加新功能，使專業(yè)用戶能夠添加數(shù)據(jù)（針對特定客戶或特定產(chǎn)品的翻譯記憶庫、詞匯表和目標(biāo)語文本），這些數(shù)據(jù)幾乎可以實時訓(xùn)練和定制化翻譯引擎。

三、結(jié)語

信息技術(shù)對大型國際活動中語言服務(wù)的作用及創(chuàng)新，隨著改革開放，國際化的不斷深入，中國經(jīng)濟各個領(lǐng)域都向世界敞開了大門，中國將成為全球下一個經(jīng)濟中心。各種國際交流活動，在我國各大中心城市舉辦，如何讓全球各個國家，各種語言的世界組織和人民進行充分的交流和溝通，語言成為關(guān)鍵。機器翻譯可用于每一項工作，與我們過去進行的成本高、耗時長的針對通用語言對的機器翻譯開發(fā)對比而言，今后機器翻譯的個性化開發(fā)可謂是巨大的進步。它將推動翻譯記憶庫數(shù)據(jù)的不斷擴大。對于每一個新的作業(yè)，譯者將尋找匹配的數(shù)據(jù)。因此，對于數(shù)據(jù)的需求將是永遠無法滿足的。

【參考文獻】

[1]常寶寶，張偉.機器翻譯研究的現(xiàn)狀與發(fā)展趨勢[J].術(shù)語標(biāo)準(zhǔn)化與信息技術(shù)，1998（2）. [2]馮志偉.機器翻譯研究[M].中國對外翻譯出版公司，2004.

[3]百度百科，http：//baike.baidu.com/view/6954399.htm

[4]張政.計算語言學(xué)與機器翻譯導(dǎo)論[M].北京：外語教學(xué)與研究出版社，2010.