基于枢轴语言和图映射的历史典籍术语对齐研究

Aiming at addressing two diffcult problems in term translation of Chinese historical classic, i.e. lack of practical word segmentation method for ancient Chinese and a large scale of bilingual parallel corpus,the project peforms term alignment with the help of modern Chinese by the means of word alignment and pivot language according to the characteristic of historical classic. For word segmentation, we map the character collocation information in vernacular Chinese into Chinese classic to implement word segmentation by word alignment. For term alignemnt, we utilze Chinese interpretation as pivot language to build indirect alignment model, which is emploied to correct, complement and delete the candidate term translation obtained by direct alignment model. Then we align sentence by bootstrapping method to acquire more bilingual parallel corpora using term transaltion pairs as lexicon information. To get rid of the restriction of bilingual parallel corpora, we contruct Chinese and English term relationship graph based on cooccurrence information from the comparable corpora and other Chinese and English monolingual resoures to extract term translation pairs by matching the nodes in two graphs according to the similarity including topology struture and context information etc. We make use of the rich resources of modern Chinese to settle the fundamental issues in the term translation of historical classics, and research term alignment based on graph mapping and pivot language to acquire term translation pairs. We hope our research can contribute to the translation work of Chinese historical classics and promote the spread of Chinese culture.

针对历史典籍术语翻译中缺乏古汉语分词算法和大规模双语平行语料的问题，本项目结合历史典籍的特点，使用白话文解释以词对齐和枢轴语言的方式，帮助历史典籍进行分词和术语对齐。在分词上，将现代汉语的字词组合信息通过词对齐的方式映射到历史典籍中进行分词。在术语对齐上，使用白话文解释作为枢轴语言建立间接对齐模型，对直接对齐模型得到的候选术语进行修正、补充和删除。并利用对齐结果进行句子对齐，使用自举的方法获取更多的平行语料。为了摆脱双语平行语料的限制，本项目在可比语料上结合其他中英文语料资源建立中英文关系图，对两图节点使用包含拓扑结构、上下文等多种信息的相似度进行映射获取术语翻译对。本项目利用现代汉语分词语料和平行语料的丰富，解决典籍术语翻译中存在的基础问题，研究基于枢轴语言和图映射的对齐方法，获取术语翻译对。期望本项目的研究能有助于历史典籍的翻译工作，促进中国文化的海外传播。

为了弘扬中华文化，提升中国的文化软实力，必须把中国文化推出国门。显然，将承载中国文化核心价值的典籍翻译为英文，是我们文化传播的重要手段。目前，我国还有大量典籍未被翻译，引入机器翻译技术是加快典籍翻译的有效途径。本项目针对历史典籍翻译中最困难也最耗费时间的术语翻译，研究自动获取术语翻译对的方法。由于古汉语自然语言处理方法较少，缺乏基本的标注语料，本项目从基础的自然语言处理任务做起，实现了完整的术语对齐系统。本项目的研究成果主要包含以下三个方面：（1）在句子对齐方面，提出了基于模式预测和锚点句子对的中英文对齐方法以及结合最大熵模型和锚点句对的古今汉语对齐方法，实现了中英文、古汉语和现代汉语的平行语料的自动获取;（2）在分词方面，提出了基于词对齐的古汉语分词方法，实现了无标注语料的古汉语分词;（3）在术语对齐方面，提出了基于子词的术语对齐方法和基于图映射的术语对齐方法，自动从双语平行语料中抽取历史典籍术语翻译对。基于以上研究成果，本项目建立了一个网页版的术语翻译系统，从《史记》及其翻译中，抽取了1000多对术语翻译对。这些术语翻译对既可以帮助人们翻译其他的历史典籍，也可以作为构建历史典籍机器翻译系统的基础语料。本项目的历史典籍术语对齐研究一类资源受限条件下的机器翻译问题，因此本项目方法不仅可以用于其他类型的典籍翻译，也可以为其他资源稀缺语言如少数民族语言的机器翻译提供借鉴和参考。