23、印度语言机器翻译：挑战与解决方案

印度语言机器翻译：挑战与解决方案

1. 机器翻译类型概述

在机器翻译领域，有几种不同的翻译方法。基于中间语的机器翻译位于Vauquois三角形的顶部。当过渡到三角形顶部下方的生成侧时，就产生了基于转换的机器翻译（TBMT）。TBMT是基于规则的，但所需规则少得多，复杂度也低很多。例如，将“aap ko mujhe mithaii khilaanii padegii”翻译成孟加拉语时，不需要语义角色消歧规则。规则的数量和复杂度由语言对决定，语言对越接近，所需规则越少。对于类型学上接近的语言对，基于中间语且要求完全消歧的机器翻译有些过度了。

当语言对彼此非常接近时，可以进行直接翻译。理想的直接翻译只需逐词替换，但需要进行消歧。这类似于词性标注，源语言的单词用目标语言的单词标注，除了词义消歧外无需分析，除了维特比解码外无需生成。

2. 基于规则的机器翻译（RBMT）

在RBMT中，所有规则（无论是分析、转换还是生成规则）都由人类专家编写。因此，正确、完整地捕捉语言和翻译现象并制定规则的责任在于人类系统设计师。图7.7所示的流程是印度语言到印度语言机器翻译（ILILMT）的典型架构，这是2000 - 2006年由印度电子和信息技术部（MeitY）资助的一项联合活动。

分析侧包括形态处理、词性标注、组块分析、格标记计算（即确定格标记）、命名实体识别和词义消歧。为了生成目标文本，在进行词汇转换后，需要进行组块内（词组内单词之间）和组块间（词组之间）的一致性处理，然后才能得到目标文本。例如，生成的目标句子片段“raam ki bahan kaa chhotaa saa ghar”（英语：“the small house of Ram’s sister