23、英汉话语标记使用差异研究

英汉话语标记使用差异研究

在自然语言处理领域，统计机器翻译（Statistical Machine Translation，SMT）近年来显著提升了自动翻译的准确性。然而，SMT系统在处理复杂句子和差异较大的语言对时，往往难以达到人工翻译的质量。本文聚焦于英语和汉语话语标记（Discourse Markers，DMs）使用的差异，深入探讨这些差异对SMT系统翻译质量的影响。

话语标记概述

话语通常指任意长度的连贯语言交流，可由短语、句子或话语组成。在自然语言处理，尤其是SMT中，话语主要涉及书面文本和口语对话的连贯单元。话语标记作为话语片段之间的关键上下文链接，将话语划分为单词、短语、从句或复合句等单元，每个单元都有局部的连贯性和上下文。不过，话语标记涵盖了连接词、连词、连接副词和其他提示词，精确定义颇具挑战。

当前的SMT系统并未明确处理话语标记结构，导致翻译常常缺乏话语标记提供的连贯线索。而且，话语标记在源语言和目标语言中的使用方式往往不同，单个话语标记在不同语境下可表示多种话语关系，而现有的SMT系统在翻译过程中难以准确区分这些关系。

汉语话语标记特点

汉语和英语分属不同语系，这是翻译困难的主要原因之一。汉语是表意文字，不使用词形变化，依靠词序来表达意义，词序较为灵活。话语标记的位置和顺序也很灵活，可位于句首、谓语前或句末。而英语使用字母，有一定的词形变化，词序相对固定，话语标记主要位于句首。

汉语使用丰富的话语标记来连接简单句和复合句中的各个部分。汉语连词主要有两种类型：连接单词或短语的简单连词，如“和”“与”“或”；连接从句的复合连词。连接副词常用于句子的主要（通常是第二个）从句中，与前一个从句相呼应。此外