语义关系下英语复杂长句机器翻译算法优化

王红利

(陕西警官职业学院，陕西 西安 710021)

作者简介：王红利（1981—），女，讲师，主要研究方向为英语教学、英语翻译,lilixin337@.

摘要：传统机器翻译算法对英语复杂长句的翻译准确率低、回收率高，针对这一难题，提出了基于语义关系的机器翻译算法。该算法通过长句内分句（短语）之间的语义层次关系，构建基于相似度的语义网络模型，结合余弦相似度和带权向量加法计算获得翻译结果，利用权重训练获得关键短语。以NIST 06和NIST 08测试集为例，基于语义关系的英语复杂长句机器翻译算法测试BLEU值比传统算法分别提高了0.35和0.23，即翻译结果的准确率提高，回收率降低。

关键词：语义关系；英语复杂长句；机器翻译

中图分类号：TP3-0 文献标识码：A 文章编号：2095-509X(2020)12-0118-03

英语长句由于句式结构复杂，与汉语句式差异大，已成为机器翻译系统研究开发时的主要难题［1］。目前，关于英语复杂长句机器翻译算法有基于句法分析、多策略分析和语料库翻译等，主要侧重于词义排查、语义特征的处理等［2-4］，但这些机器翻译算法翻译准确率偏低，且回收率较高，翻译结果可靠性差。英语复杂长、难句尽管句式复杂，但句内各语义层次相互关联，通过把握复杂长句内语义层次关系，掌握原句内部各层意思，从理论上讲，能够极大提高英语复杂长句机器翻译的准确率和可靠性。基于此，本文基于语义关系，优化英语复杂长句机器翻译算法，并对优化结果进行分析。

1 基于语义关系的英语复杂长句机器翻译算法

1.1 机器翻译算法

英语复杂长句在科技英语中非常普遍，有的甚至长达数十行，包括上百个单词，蕴含很多个从句和非谓语动词，这些从句和短语之间相互依存，具有非常鲜明的语义层次关系。因此在传统切分英语长句的基础上，分析各分句之间的层次关系，利用语义关系进行模型训练，构建语义网络模型进行机器翻译，是科学的且是容易实现的。基于语义关系的英语复杂长句机器翻译算法流程如图1所示。

通过各层次语义关系训练语料库，可以有效避免翻译断层造成的翻译错误。基于语义关系的机器翻译模型的翻译结果更加精确，翻译速度更加快速。该算法利用余弦相似度［5］获得两向量的语义相似关系，通过带权向量加法［6］计算两个相似向量的区别，获得精准翻译结果，通过权重方式训练句子，获得关键短语。

英语复杂长句的切分简化处理方法为：输入原文句子，逐个扫描其各短语和分句，并通过该短语的基本语义，在实义语料库检索长句切分处理结果。由于长句的分句之间是通过关联特征词连接的，因此以句子的特征点为分界线，将句子分成前后两部分，分别进行翻译，再采用断句拼合的方法，给出整句的翻译结果。而对于句子中的修饰成分、特征关联词和特征标志词等，首先提取出来，并进行优先归约分析处理。