1、汉英词语对齐规范,赵红梅1 刘群1 张瑞强2 吕雅娟1 隅田英一郎2 吴翠玲2 1： 2：,提纲词语对齐引起的机器翻译问题手工词语对齐规范的历史三. ICT-NICT规范的几种对齐标注形式四. ICT-NICT规范对齐规则举例五. 对齐标注一致性评价,一.词语对齐引起的机器翻译问题,GIZA+对齐,一.词语对齐引起的机器翻译问题,GIZA+对齐,一.词语对齐引起的机器翻译问题,GIZA+对齐结果导致指代翻译错误：,一.词语对齐引起的机器翻译问题,GIZA+对齐结果导致指代翻译错误：President,一.词语对齐引起的机器翻译问题,GIZA+对齐结果导致指代翻译错误：President 江泽民
2、,一.词语对齐引起的机器翻译问题,GIZA+对齐结果导致指代翻译错误：President 江泽民,一.词语对齐引起的机器翻译问题,GIZA+对齐结果导致指代翻译错误：President 江泽民,我国 ,一.词语对齐引起的机器翻译问题,GIZA+对齐结果导致指代翻译错误：President 江泽民,我国 China,一.词语对齐引起的机器翻译问题,GIZA+对齐结果导致指代翻译错误：President 江泽民,我国 China,一.词语对齐引起的机器翻译问题,GIZA+对齐结果导致指代翻译错误：President 江泽民,我国 China,原因：只有一种对齐方式，没有将确定性的对齐和不确定的对齐
3、区分开。,词语的手工对齐,二. 手工词语对齐规范的历史,几个知名的手工词语对齐规范,二. 手工词语对齐规范的历史,存在的问题,二. 手工词语对齐规范的历史,存在的问题 A. 大都采用了粘合的对齐方式，但是没有区分粘合和被粘合的部分：,二. 手工词语对齐规范的历史,存在的问题 A. 大都采用了粘合的对齐方式，但是没有区分粘合和被粘合的部分： 如：张三 李四 写 的 书 。 books written by Zhang San and Li Si,二. 手工词语对齐规范的历史,存在的问题 A. 大都采用了粘合的对齐方式，但是没有区分粘合和被粘合的部分： 如：张三 李四 写 的 书 。 books
4、written by Zhang San and Li Si,二. 手工词语对齐规范的历史,存在的问题 A. 大都采用了粘合的对齐方式，但是没有区分粘合和被粘合的部分： 如：张三 李四 写 的 书 。 books written by Zhang San and Li Si 抽提出来的词组是：张三 by Zhang San,二. 手工词语对齐规范的历史,B. 除了ARCADE规范外，其它规范都允许将指示代词对齐到被指代物： 如： 我 买 了 张 椅子 ，椅子 很 贵 。 I bought a chair . That is very expensive .,抽提出来的词组是：椅子 that ,
5、三. ICT-NICT规范的几种对齐标注形式,强对齐 确定的对齐- 真对齐 弱对齐,不确定的对齐-伪对齐,对齐,三. ICT-NICT规范的几种对齐标注形式,1. 真对齐：,三. ICT-NICT规范的几种对齐标注形式,1. 真对齐： 语义完全对等,三. ICT-NICT规范的几种对齐标注形式,1. 真对齐： 语义完全对等 互译具有较大的普遍性,三. ICT-NICT规范的几种对齐标注形式,1. 真对齐： 语义完全对等 互译具有较大的普遍性,正例：反例：大选 general election钱其琛 认为有 麻烦 in trouble 完税 duty paid Qian said,三. ICT-
6、NICT规范的几种对齐标注形式,真对齐可以进一步分为强对齐和弱对齐：,三. ICT-NICT规范的几种对齐标注形式,真对齐可以进一步分为强对齐和弱对齐： 比如：,三. ICT-NICT规范的几种对齐标注形式,真对齐可以进一步分为强对齐和弱对齐： 比如：,去年 秋天 last autumn,三. ICT-NICT规范的几种对齐标注形式,真对齐可以进一步分为强对齐和弱对齐： 比如：,去年 秋天last autumn,三. ICT-NICT规范的几种对齐标注形式,真对齐可以进一步分为强对齐和弱对齐： 比如：,去年 秋天last autumn,？,三. ICT-NICT规范的几种对齐标注形式,真对齐可
7、以进一步分为强对齐和弱对齐： 比如：,去年 秋天last autumn,三. ICT-NICT规范的几种对齐标注形式,真对齐可以进一步分为强对齐和弱对齐： 比如： 短语表：,去年 秋天last autumn,秋天 autumn去年秋天 last autumn,去年 last,强对齐：语义完全对等弱对齐：语义相通，为真对齐的词组而设,三. ICT-NICT规范的几种对齐标注形式,2. 伪对齐,三. ICT-NICT规范的几种对齐标注形式,2. 伪对齐 不确定的,三. ICT-NICT规范的几种对齐标注形式,2. 伪对齐： 不确定的 -只在小范围内语义相通或语法相关,指代小范围内的语义对等语义一致
8、的省略,语义相通,语法相关,三. ICT-NICT规范的几种对齐标注形式,2. 伪对齐2.1. 语义相通之指代 如：唐 家璇 谈 中国 与 东盟 关系 Chinese Vice Foreign Minister on China ASEAN Relations,ICT-NICT规范的几种对齐标注形式,2.2.语义相通之小范围内的语义对等,如：唐 家璇 谈 中国 与 东盟 关系Chinese Vice Foreign Minister on China ASEAN Relations,三. ICT-NICT规范的几种对齐标注形式,2. 伪对齐,三. ICT-NICT规范的几种对齐标注形式,2.
9、伪对齐2.3.语义相通之语义一致的省略 -省略只是字面上的，原文和译文语义还是一致的 如：厦门 加强 城市 建设 Xiamen speeds up construction 这里采用“粘合”方式（glue approach)。,三. ICT-NICT规范的几种对齐标注形式,粘合： 当某些词在当前译文中找不到语义对等部分时，可以附着在跟其意义密切相关的主词上，伪对齐到那个主词的对等部分上，这样的对齐方法叫做粘合。,三. ICT-NICT规范的几种对齐标注形式,2. 伪对齐2.4.语法相关：特定的语法需求,如：他 买 了 一 本 书 （中文有量词）He bought a book,三. ICT-N
10、ICT规范的几种对齐标注形式,类似的语法差异还有：,注：表示该现象为某种语言特有,三. ICT-NICT规范的几种对齐标注形式,伪对齐的意义： 这 张 椅子 这 张 椅子 this chair this chair,This: 这位、这篇、这本、这辆，容易译错！,层次分明，不容易出错；占位，结合其它信息被利用,三. ICT-NICT规范的几种对齐标注形式,3. 全连线,词组可以进行真对齐或伪对齐，但是词组内部有的词根本找不到可以独立对齐的部分。,三. ICT-NICT规范的几种对齐标注形式,3. 全连线,词组可以进行真对齐或伪对齐，但是词组内部有的词根本找不到可以独立对齐的部分。如：华约 集团
11、拉脱维亚 与 中国The Warsaw Pact The two countries,三. ICT-NICT规范的几种对齐标注形式,3. 全连线,词组可以进行真对齐或伪对齐，但是词组内部有的词根本找不到可以独立对齐的部分。如： 华约 集团 拉脱维亚 与 中国 The Warsaw Pact The two countries,三. ICT-NICT规范的几种对齐标注形式,4. 对齐到空,三. ICT-NICT规范的几种对齐标注形式,4. 对齐到空,如：酒店 有 理发师 吗 ？Is there a hairdresser s in the hotel?,四. ICT-NICT规范对齐规则举例,四
12、. ICT-NICT规范对齐规则举例,介词: 一边有介词，另一边没有对等部分,四. ICT-NICT规范对齐规则举例,介词: 一边有介词，另一边没有对等部分强固定搭配：,四. ICT-NICT规范对齐规则举例,介词: 一边有介词，另一边没有对等部分强固定搭配： 如：我 同意 你 的 意见 。 对 香烟 加以 规范 I agree with you . regulate cigarettes,四. ICT-NICT规范对齐规则举例,介词: 一边有介词，另一边没有对等部分强固定搭配： 如：我 同意 你 的 意见 。 对 香烟 加以 规范 I agree with you . regulate ci
13、garettes,四. ICT-NICT规范对齐规则举例,弱固定搭配,如：尼加拉瓜 总统 结束 访问 芬兰Nicaragua president ends visit to Finland,四. ICT-NICT规范对齐规则举例,弱固定搭配,如：尼加拉瓜 总统 结束 访问 芬兰Nicaragua president ends visit to Finland,四. ICT-NICT规范对齐规则举例,介词后接表示地点、范围、方面、领域和时间的词，且不与其它词构成固定搭配,如：广州 成立 破产 法庭Bankruptcy Court Established in Guangzhou,四. ICT-N
14、ICT规范对齐规则举例,对齐到空: 如：做 实验 可以 得出 结果 。Results can be obtained by doing experiments .,五. 对齐标注一致性评价,实验1. 评价标注者内部和标注者之间以及与GIZA+自动对齐的对齐一致性,注：A11是标注者1内部的对齐一致性，A1g是标注者1与GIZA+对齐的一致性，A12是标注者1和2的对齐一致性，A2g是标注者2与GIZA+对齐的一致性,五. 对齐标注一致性评价,实验2 篇章语料和口语语料的手工对齐结果与GIZA+自动对齐结果的一致性及以手工对齐为标准答案的GIZA+的对齐情况,五. 对齐标注一致性评价,实际参加统
15、计的数据规模,结语,量词更应该对齐到代词！,可是量词跟名词关系更密切啊,NICT-ATR汉英词语对齐规范的建立:历时3个月;大量的讨论;几次大的修改；标注者在对齐过程中提出了各种细节问题使规范不断完善直至稳定。希望：进一步实验验证本规范的有效性,问与答,谢谢！,我们建立规范的思路,我们建立规范的思路, 有效性 ：能更好地为机器翻译所用,我们建立规范的思路, 有效性 ：能更好地为机器翻译所用 LDC规范中有类似如下的对齐方式：,我们建立规范的思路, 有效性 ：能更好地为机器翻译所用 LDC规范中有类似如下的对齐方式： 我 今年 会见 的 第一 个 代表团 the first delegation
16、 that I have met this year,我们建立规范的思路, 有效性 ：能更好地为机器翻译所用 LDC规范中有类似如下的对齐方式： 我 今年 会见 的 第一 个 代表团 the first delegation that I have met this year,我们建立规范的思路, 有效性 ：能更好地为机器翻译所用 LDC规范中有类似如下的对齐方式： 我 今年 会见 的 第一 个 代表团 the first delegation that I have met this year抽提出词组：代表团 delegation that,我们建立规范的思路, 有效性 ：能更好地为机器翻
17、译所用 LDC规范中有类似如下的对齐方式： 我 今年 会见 的 第一 个 代表团 the first delegation that I have met this year抽提出词组：代表团 delegation that,我们建立规范的思路, 一致性 ：一致性决定了对齐结果的可靠性！,我们建立规范的思路, 一致性 ：一致性决定了对齐结果的可靠性！.,我们建立规范的思路, 一致性 ：一致性决定了对齐结果的可靠性！ 如： 我 叫 李 明 。 My name is Li Ming .,我们建立规范的思路, 一致性 ：一致性决定了对齐结果的可靠性！ 如： 我 叫 李 明 。 My name is
18、Li Ming .,我们建立规范的思路, 一致性 ：一致性决定了对齐结果的可靠性！ 如： 我 叫 李 明 。 My name is Li Ming .,我my name,我们建立规范的思路, 一致性 ：一致性决定了对齐结果的可靠性！ 如： 我 叫 李 明 。 我 叫 李 明 。 My name is Li Ming . My name is Li Ming .,我my name,我们建立规范的思路, 一致性 ：一致性决定了对齐结果的可靠性！ 如： 我 叫 李 明 。 我 叫 李 明 。 My name is Li Ming . My name is Li Ming .,我my name,我们建
19、立规范的思路, 一致性 ：一致性决定了对齐结果的可靠性！ 如： 我 叫 李 明 。 我 叫 李 明 。 My name is Li Ming . My name is Li Ming .,我my name,我叫 My name is,ICT-NICT规范的特点,ICT-NICT规范的特点,1. 明确的对齐区分,ICT-NICT规范的特点,1. 明确的对齐区分 真对齐： 伪对齐：,ICT-NICT规范的特点,1. 明确的对齐区分 真对齐：确定的对齐 伪对齐：,ICT-NICT规范的特点,1. 明确的对齐区分 真对齐：确定的对齐 伪对齐：不确定的、只在小范围内语义相通或 语法相关的对齐,ICT-N
20、ICT规范的特点,1. 明确的对齐区分 真对齐：确定的对齐 强对齐 弱对齐 伪对齐：不确定的、只在小范围内语义相通或语法相关的对齐,ICT-NICT规范的特点,1. 明确的对齐区分 真对齐：确定的对齐 强对齐：词和词之间确定的一一对齐 弱对齐 伪对齐：不确定的、只在小范围内语义相通或 语法相关的对齐,ICT-NICT规范的特点,1. 明确的对齐区分 真对齐：确定的对齐 强对齐：词和词之间确定的一一对齐 弱对齐：真对齐的词组中语义相关但 不完全对等的词和词之间的对齐 伪对齐：不确定的、只在小范围内语义相通或语法相关 的对齐,ICT-NICT规范的特点,1. 明确的对齐区分 真对齐：确定的对齐 强对齐：词和词之间确定的一一对齐 弱对齐：真对齐的词组中语义相关但 不完全对等的词和词之间的对齐 伪对齐：不确定的、只在小范围内语义相通或语法相关 的对齐,ICT-NICT规范的特点,1. 明确的对齐区分 有效性 真对齐：确定的对齐 强对齐：词和词之间确定的一一对齐 弱对齐：真对齐的词组中语义相关但 不完全对等的词和词之间的对齐 伪对齐：不确定的、只在小范围内语义相通或语法相关 的对齐,ICT-NICT规范的特点,2. 在工程中不断完善的对齐规范,一致性,
